开源AI模型解决空间垃圾问题

根据TechHQ报道的IBM最近的公告，开源AI正在用于解决外层空间问题，解决与太空垃圾和卫星通信有关的问题。

自1940年代以来，IBM一直在创造计算机技术来推动太空探索和通信，但是现在IBM将使用人工智能来处理这些任务。IBM正在研究两个不同的太空相关项目：KubeSat和SSA（太空态势感知）。KubeSat旨在支持创建和控制卫星群的任务，而SSA旨在跟踪低地球轨道中太空垃圾的位置。

IBM的太空技术中心团队最近宣布了这两个项目。太空技术团队的负责人是Naeem Altaf，根据Altaf所说，KubeSat项目是一个自治框架，提供了创建和管理卫星群和星座任务所需的工具。除此之外，KubeSat框架还可以模拟卫星之间的通信，从而帮助工程师优化这些通信。

随着越来越多的卫星发射，卫星之间的通信变得越来越复杂，需要进行自动化和优化。该框架采用机器学习算法来优化卫星之间的通信，从而限制了某些卫星之间的通信。KubeSat可用于模拟立方体卫星与地面站的交互方式，即使在群体之间发生自动通信时也是如此。这些通信发布在Web仪表板上，以供其他人查看。KubeSat通过Orekit运行其仿真，Orekit是一个用Java创建的动态库。

KubeSat项目是开源的，希望可以使卫星群产业民主化，从而使初创企业和群群运营商能够利用新兴技术。

SSA项目是IBM Space Tech Hub团队与德克萨斯大学的Moriba Jah博士合作的结果。目标是AI模型可以改善低地球轨道物体的轨道预测。低地球轨道充满了空间碎片，其中大部分是火箭发射或腐烂的卫星遗留下来的产物。这些物体以每秒数千米的速度绕地球运行，其轨迹可能会由于大气天气和密度的波动而突然改变。这些物体的轨道需要进行预测，以免空间碎片与重要的空间技术设备发生碰撞。希望AI模型可以改善轨道预测。

SSA模型是根据美国战略司令部整理的数据进行训练的。数据集每天更新一次。物理模型用于生成有关低地球轨道中大多数物体的轨道的初始预测，然后使用机器学习模型预测物理模型中的误差。SSA将两个模型结合在一起以更新物理轨道模型。第二个模型是基于XGBoost的梯度提升模型。

与KubeSat一样，SSA模型也被开源，以鼓励不同航天公司和科技公司之间的数据共享和协作。毕竟，卫星通信问题和太空垃圾对在太空中工作的每个人都是威胁。

可通过IBM的Red Hat OpenShift平台使用KubeSat和OpenShift。