KI verbessert Laser-Ranging-Teleskope, um Weltraumschrott genau zu erkennen

• Das neue neuronale Netzwerkmodell verbessert die Genauigkeit von Teleskopen mit Laserentfernung.
• Dies ermöglicht es Wissenschaftlern, die Position kleinerer Trümmer in der Erdumlaufbahn zu bestimmen, ohne die Empfindlichkeit von Teleskopen zu erhöhen.

Weltraumschrott sind nicht mehr brauchbare, von Menschenhand geschaffene Objekte in der Erdumlaufbahn. Sie werden bei Weltraumaktivitäten erzeugt und stammen hauptsächlich aus der Endstufe von Trägerraketen und unerwünschten Materialien von Raumfahrzeugen, die in der Umlaufbahn zerfallen.

Im Jahr 2019 befanden sich etwa 20.000 künstliche Objekte im Orbit über der Erde, darunter 2.218 betriebsfähige Satelliten. Dies sind jedoch die einzigen Objekte, die groß genug sind, um verfolgt zu werden.

Mehr als 130 Millionen Trümmerteile sind kleiner als 1 Zentimeter, etwa 1 Million Stücke sind 1-10 Zentimeter groß und über 30.000 Teile sind größer als 10 Zentimeter. Sie alle befinden sich im Orbit um die Erde und ihre Existenz beeinträchtigt ernsthaft die Sicherheit eines Raumfahrzeugs.

Derzeit gibt es mehr als 50 globale Laserbeobachtungsstationen, die Weltraummüll überwachen. Sie zu verfolgen ist jedoch eine äußerst anspruchsvolle Aufgabe:Je kleiner das Objekt, desto schwieriger ist es zu erkennen und zu verfolgen.

Eine neue Studie präsentiert ein neuronales Netzwerkmodell, das die Genauigkeit von Laserteleskopen verbessert und es Wissenschaftlern ermöglicht, die Position kleinerer Trümmer zu lokalisieren.

Wie genau ist es?

Um Orbitaltrümmer zu lokalisieren, verwenden Wissenschaftler eine Methode namens Laser Imaging. Dabei werden hochenergetische Laser in den Weltraum gestrahlt und mit einem Teleskop die Signale aufgenommen, die von umlaufenden Trümmern zurückreflektiert werden. Diese reflektierten Signale werden dann verwendet, um zu bewerten, wie weit Schutt entfernt ist. Der Prozess ähnelt dem, wie Fledermäuse die Echoortung verwenden, um Beute zu verfolgen.

Da die kleineren Trümmer jedoch nicht viel Licht reflektieren, ist es schwierig, sie genau zu lokalisieren. Obwohl frühere Techniken die Laser-Entfernungsmessung von Trümmern verbessert haben, können sie ein Trümmerstück nur bis zu einer Entfernung von 1 km lokalisieren.

Die neue Methode hingegen ist in der Lage, ein Trümmerstück mit einer Größe von nur 1 Quadratmeter in einer Entfernung von etwa 1.500 km zu finden.

Referenz:Zeitschrift für Laseranwendungen | DOI:10.2351/1.5110748 | Wikipedia 

Um dies zu erreichen, verwendeten die Forscher ein neuronales Backpropagation-Netz, das über zwei Korrekturalgorithmen optimiert wird:den genetischen Algorithmus und Levenberg-Marquardt.

Eine Illustration von Weltraummüll aus einer hohen Erdumlaufbahn | Wikipedia 

Das neuronale Netzwerk half Teleskopen, ihre Ausrichtungsfähigkeiten zu stabilisieren und schwache Signale von kleinen Stücken von Weltraumschrott zu erkennen. All dies geschieht, ohne die Empfindlichkeit der Teleskope zu erhöhen oder Hardware-Upgrades durchzuführen.

Außerdem können Teleskope jetzt Trümmer in lokalisierten Regionen des Weltraums genauer erkennen, ohne viele Fehlalarme zu erzeugen.

Testen

Die Forscher testeten ihre Methode mit drei Standardmodellen:dem Mount-Modell, dem Basisparametermodell und dem Modell der sphärischen harmonischen Funktionen. Sie fanden heraus, dass die Genauigkeit des neuronalen Netzes diesen drei Standardmodellen überlegen ist und auch die Nachteile der langsamen Konvergenzgeschwindigkeit überwindet.

Lesen Sie: Was Sie über Space Junk wissen sollten

Um die Leistungsfähigkeit des neuronalen Netzes zu demonstrieren, verwendeten die Forscher Beobachtungsdaten von 95 Sternen, um den Algorithmuskoeffizienten aus allen 4 Modellen zu lösen. Sie bewerteten die Genauigkeit der Erkennung von 22 anderen Sternen. Der neue Algorithmus erwies sich nicht nur als der genaueste, sondern konnte auch problemlos mit anständiger Echtzeitleistung betrieben werden.

Das Team plant, das neuronale Netzwerk weiter zu optimieren, um noch kleinere Trümmer zu erkennen.