AIがレーザー望遠鏡の精度向上、微小宇宙ゴミの精密追跡を実現

新しいニューラルネットワークモデルがレーザー測距望遠鏡の精度を向上させました。これにより、望遠鏡の感度を上げることなく、地球周回軌道上のより小さなデブリの位置を特定できるようになります。

宇宙ゴミの現状

宇宙ゴミとは、地球軌道上にある役目を終えた人工物体の総称。宇宙活動で発生し、主にロケット最終段や、軌道上で崩壊した宇宙船の残骸です。

2019年時点で、地球周回軌道上には約2万個の人工物体（うち運用中衛星2,218基）が確認されています。これらは追跡可能な大きさのもののみ。1cm未満が1.3億個超、1〜10cmが約100万個、10cm超が3万個超存在し、全てが宇宙船の安全を脅かしています。

現在、世界に50ヶ所以上のレーザー観測ステーションがありますが、追跡は極めて困難。物体が小さいほど検出・追跡が難しくなります。新研究では、レーザー望遠鏡の精度を高め、より小さなデブリの位置特定を可能にするニューラルネットワークモデルを提案しています。

デブリ特定にはレーザーイメージングを使用。高エネルギーレーザーを宇宙へ照射し、望遠鏡でデブリから反射した信号を受信。その信号から距離を算出します。コウモリが超音波で獲物を探すエコロケーションと似た原理です。

しかし小さなデブリは反射光が弱く、精密な位置特定が困難。従来手法でもデブリ位置を1kmレベルでしか特定できませんでした。新手法では、約1,500km先の1平方メートルサイズのデブリを特定可能です。

これを実現するため、逆伝播ニューラルネットワークを用い、遺伝的アルゴリズムとLevenberg-Marquardt法という2つの補正アルゴリズムで最適化しました。

ニューラルネットワークは望遠鏡の指向安定化と、微小デブリの微弱信号認識を支援。ハードウェアアップグレードや感度向上なしで実現しています。また、局所的な宇宙空間でのデブリ検出精度が向上し、誤検出も減少。

3つの標準モデル（マウントモデル、基本パラメータモデル、球面調和関数モデル）と比較。ニューラルネットワークの精度が最も高く、収束速度の遅さという欠点も克服。

95恒星の観測データで4モデル全てのアルゴリズム係数を求め、別の22恒星で検出精度を評価。新アルゴリズムが最も精度高く、リアルタイム性能も良好に動作。今後さらなる最適化で、さらに小さなデブリ検出を目指します。

産業技術