AI Verbeterd Laser-Telescoop Precisie Voor Nauwkeurige Ruimtevuil Tracking

Een nieuw neuraal netwerkmodel verbetert de nauwkeurigheid van laser-ranging telescopen. Hierdoor kunnen wetenschappers de positie van kleiner ruimtevuil in de aardbaan bepalen, zonder de gevoeligheid van telescopen te verhogen.

Het Probleem: Ruimtevuil

Ruimtevuil zijn uithuisgewerkte, door de mens gemaakte objecten in de aardbaan die niet meer nuttig zijn. Ze ontstaan tijdens ruimtevaartactiviteiten en komen voornamelijk van de eindfase van dragerraketten en ongewilde materialen van schepen die in de baan desintegreren.

Per 2019 waren er ongeveer 20.000 kunstmatige objecten in de baan boven de aarde, inclusief 2.218 operationele satellieten. Dit zijn echter alleen de objecten groot genoeg om getraceerd te worden.

Meer dan 130 miljoen stukken vuil zijn kleiner dan 1 centimeter, ongeveer 1 miljoen stukken zijn 1-10 centimeter, en meer dan 30.000 stukken zijn groter dan 10 centimeter. Ze draaien allemaal om de aarde en hun bestaan beïnvloedt ernstig de veiligheid van ruimtevaartuigen.

Op dit moment zijn er meer dan 50 wereldwijde laserwaarnemingsstations die ruimtevuil monitoren. Echter, het tracken ervan is een extreem uitdagende taak: hoe kleiner het object, hoe moeilijker het is om te detecteren en te tracken.

Een nieuwe studie presenteert een neuraal netwerkmodel dat de nauwkeurigheid van lasertelescopen verbetert, zodat wetenschappers de positie van kleiner vuil kunnen bepalen.

Hoe Nauwkeurig Is Het?

Om baanvuil te lokaliseren, gebruiken wetenschappers een methode genaamd laserimaging. Dit omvat het uitzenden van hoge-energielasers in de ruimte en het gebruik van een telescoop om de signalen op te vangen die gereflecteerd worden door baanvuil. Deze gereflecteerde signalen worden vervolgens gebruikt om te bepalen hoe ver het vuil verwijderd is. Het proces is vergelijkbaar met hoe vleermuizen echolocatie gebruiken om prooi te tracken.

Maar omdat kleiner vuil niet veel licht reflecteert, is het moeilijk om ze precies te lokaliseren. Hoewel eerdere technieken de laser-ranging detectie van vuil hebben verbeterd, kunnen ze een stuk vuil slechts op 1-km niveau lokaliseren.

De nieuwe methode daarentegen is in staat om een stuk vuil van slechts 1 vierkante meter te vinden op een afstand van ongeveer 1.500 km.

Om dit te bereiken, gebruikten de onderzoekers een backpropagation neuraal netwerk, geoptimaliseerd via twee correctie-algoritmen: het Genetische Algoritme en Levenberg-Marquardt.

Illustratie van ruimtevuil zoals zichtbaar vanaf hoge aardbaan

Het neuraal netwerk hielp telescopen hun wijsmogelijkheden te stabiliseren en zwakke signalen van kleine ruimtevuilstukken te herkennen. Dit allemaal zonder de gevoeligheid van telescopen te verhogen of hardware-upgrades aan te brengen.

Daarnaast kunnen telescopen nu vuil nauwkeuriger detecteren in gelokaliseerde regio's van de ruimte zonder veel false positives te produceren.

Testen

Onderzoekers testten hun methode tegen drie standaardmodellen: het mount-model, het basale parameter-model en het sferische harmonische functies-model. Ze vonden dat de nauwkeurigheid van het neuraal netwerk superieur is aan deze drie standaardmodellen, en het overkomt ook de tekortkomingen van trage convergentiesnelheid.

Om de capaciteit van het neuraal netwerk te demonstreren, gebruikten de onderzoekers waarnemingsdata van 99 sterren om de algoritme-coëfficiënt op te lossen uit alle 4 modellen. Ze beoordeelden de nauwkeurigheid van het detecteren van 22 andere sterren. Niet alleen bleek het nieuwe algoritme het nauwkeurigst, het kon ook gemakkelijk bediend worden met fatsoenlijke real-time prestaties.

Het team plannne om het neuraal netwerk verder te optimaliseren om nog kleiner vuil te detecteren.