La IA mejora los telescopios de alcance láser para detectar con precisión los desechos espaciales

• El nuevo modelo de red neuronal mejora la precisión de los telescopios de alcance láser.
• Esto permite a los científicos determinar la posición de los desechos más pequeños en la órbita de la Tierra, sin aumentar la sensibilidad de los telescopios.

Los desechos espaciales son objetos desaparecidos creados por humanos en la órbita de la Tierra que ya no son útiles. Se generan durante las actividades espaciales y provienen principalmente de la etapa final de los cohetes portadores y de los materiales no deseados de las naves espaciales que se desintegran en la órbita.

En 2019, había aproximadamente 20.000 objetos artificiales en órbita sobre la Tierra, incluidos 2.218 satélites operativos. Sin embargo, estos son los únicos objetos lo suficientemente grandes para ser rastreados.

Más de 130 millones de fragmentos de escombros miden menos de 1 centímetro, aproximadamente 1 millón de fragmentos miden entre 1 y 10 centímetros y más de 30.000 fragmentos miden más de 10 centímetros. Todos están en órbita alrededor de la Tierra y su existencia afecta seriamente la seguridad de una nave espacial.

En la actualidad, hay más de 50 estaciones de observación láser en todo el mundo que controlan los desechos espaciales. Sin embargo, rastrearlos es una tarea extremadamente desafiante:cuanto más pequeño es el objeto, más difícil es detectarlo y rastrearlo.

Un nuevo estudio presenta un modelo de red neuronal que mejora la precisión de los telescopios láser, lo que permite a los científicos determinar la posición de los desechos más pequeños.

¿Qué precisión tiene?

Para localizar los desechos orbitales, los científicos utilizan un método llamado imágenes láser. Esto implica la emisión de láseres de alta energía al espacio y el uso de un telescopio para captar las señales que se reflejan en los escombros en órbita. Estas señales reflejadas se utilizan luego para evaluar qué tan lejos están los escombros. El proceso es similar a cómo los murciélagos usan la ecolocalización para rastrear a sus presas.

Pero dado que los desechos más pequeños no reflejan mucha luz, es difícil ubicarlos con precisión. Aunque las técnicas anteriores han mejorado la detección de escombros con rango láser, pueden señalar un fragmento de escombros solo a un nivel de 1 km.

El nuevo método, por otro lado, es capaz de encontrar un pedazo de escombros tan pequeño como 1 metro cuadrado que se encuentra a unos 1.500 km de distancia.

Referencia:Revista de aplicaciones láser | DOI:10.2351 / 1.5110748 | Wikipedia

Para lograr esto, las investigaciones utilizaron una red neuronal de retropropagación, que se optimiza a través de dos algoritmos de corrección:el algoritmo genético y Levenberg-Marquardt.

Una ilustración de los desechos espaciales como se puede ver desde la órbita terrestre alta | Wikipedia

La red neuronal ayudó a los telescopios a estabilizar su capacidad de apuntar y reconocer señales débiles de pequeños trozos de basura espacial. Todo esto se hace sin aumentar la sensibilidad de los telescopios ni realizar actualizaciones de hardware.

Además, los telescopios ahora pueden detectar desechos con mayor precisión en regiones localizadas del espacio sin producir muchos falsos positivos.

Prueba

Los investigadores probaron su método contra tres modelos estándar:el modelo de montaje, el modelo de parámetros básicos y el modelo de funciones armónicas esféricas. Descubrieron que la precisión de la red neuronal es superior a estos tres modelos estándar y también supera las deficiencias de la velocidad convergente lenta.

Leer:Cosas que debe saber sobre la basura espacial

Para demostrar la capacidad de la red neuronal, los investigadores utilizaron datos de observación de 95 estrellas para resolver el coeficiente del algoritmo de los 4 modelos. Evaluaron la precisión de la detección de otras 22 estrellas. No solo el nuevo algoritmo demostró ser más preciso, sino que también se pudo operar fácilmente con un rendimiento decente en tiempo real.

El equipo planea optimizar aún más la red neuronal para detectar desechos aún más pequeños.