AI verbetert laserafstandstelescopen om ruimteafval nauwkeurig op te sporen

• Het nieuwe neurale netwerkmodel verbetert de nauwkeurigheid van telescopen met laserafstand.
• Hierdoor kunnen wetenschappers de positie van kleiner puin in een baan om de aarde lokaliseren, zonder de gevoeligheid van telescopen te vergroten.

Ruimtepuin zijn ter ziele gegane door mensen gemaakte objecten in een baan om de aarde die niet langer bruikbaar zijn. Ze worden gegenereerd tijdens ruimteactiviteiten en komen voornamelijk uit de laatste fase van draagraketten en ongewenste materialen van ruimtevaartuigen die in de baan desintegreren.

Vanaf 2019 waren er ongeveer 20.000 kunstmatige objecten in een baan boven de aarde, waaronder 2.218 operationele satellieten. Dit zijn echter de enige objecten die groot genoeg zijn om getraceerd te worden.

Meer dan 130 miljoen stukjes puin zijn kleiner dan 1 centimeter, ongeveer 1 miljoen stukjes zijn 1-10 centimeter en meer dan 30.000 stukjes zijn groter dan 10 centimeter. Ze bevinden zich allemaal in een baan rond de aarde en hun bestaan ​​heeft ernstige gevolgen voor de veiligheid van een ruimtevaartuig.

Op dit moment zijn er meer dan 50 wereldwijde laserobservatiestations die ruimtepuin in de gaten houden. Het is echter een uiterst uitdagende taak om ze te volgen:hoe kleiner het object, hoe moeilijker het is om te detecteren en te volgen.

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

Hoe nauwkeurig is het?

Om orbitaal puin te lokaliseren, gebruiken wetenschappers een methode die laserbeeldvorming wordt genoemd. Dit houdt in dat lasers met hoge energie de ruimte in worden gestraald en dat een telescoop de signalen moet opvangen die worden teruggekaatst door rond de aarde cirkelend puin. Deze gereflecteerde signalen worden vervolgens gebruikt om te evalueren hoe ver het puin is. Het proces is vergelijkbaar met hoe vleermuizen echolocatie gebruiken om prooien te volgen.

Maar omdat het kleinere puin niet veel licht weerkaatst, is het moeilijk om ze precies te lokaliseren. Hoewel eerdere technieken de detectie van puin met laserbereik hebben verbeterd, kunnen ze een stuk puin slechts op een niveau van 1 km lokaliseren.

De nieuwe methode is daarentegen in staat om een ​​stuk puin van slechts 1 vierkante meter groot te vinden dat zich op ongeveer 1500 km afstand bevindt.

Referentie:Journal of Laser Applications | DOI:10.2351/1.5110748 | Wikipedia 

Om dit te bereiken, gebruikten de onderzoeken een neuraal netwerk voor backpropagation, dat is geoptimaliseerd via twee corrigerende algoritmen:het genetische algoritme en Levenberg-Marquardt.

Een illustratie van ruimtepuin zoals te zien is vanuit een hoge baan om de aarde | Wikipedia 

Het neurale netwerk hielp telescopen om hun aanwijsvermogen te stabiliseren en zwakke signalen van kleine stukjes ruimteafval te herkennen. Dit alles wordt gedaan zonder de gevoeligheid van telescopen te vergroten of hardware-upgrades uit te voeren.

Ook kunnen telescopen nu puin nauwkeuriger detecteren in gelokaliseerde gebieden van de ruimte zonder veel valse positieven te produceren.

Testen

Onderzoekers testten hun methode aan de hand van drie standaardmodellen:het mount-model, het basisparametermodel en het sferische harmonische functiemodel. Ze ontdekten dat de nauwkeurigheid van het neurale netwerk superieur is aan deze drie standaardmodellen, en het overwint ook de tekortkomingen van een langzame convergente snelheid.

Lezen: Wat u moet weten over ruimteafval

Om de mogelijkheden van het neurale netwerk te demonstreren, gebruikten onderzoekers observatiegegevens van 95 sterren om de algoritmecoëfficiënt van alle vier de modellen op te lossen. Ze beoordeelden de nauwkeurigheid van het detecteren van 22 andere sterren. Niet alleen het nieuwe algoritme bleek het meest nauwkeurig te zijn, maar het kon ook gemakkelijk worden bediend met behoorlijke realtime prestaties.

Het team is van plan het neurale netwerk verder te optimaliseren om nog kleinere brokstukken op te sporen.