L’intelligenza artificiale combatte la rovina della spazzatura spaziale. Le reti neurali esplorano le sfumature di oggetti orbitali canaglia e quasi-incidenti. Nuove simulazioni suggeriscono che la gamma di “spazzatura spaziale” che ingombra l’orbita terrestre bassa (LEO) rende le collisioni 14 volte più probabili rispetto al livello successivo: l’orbita terrestre media.
Le foto dall’orbita terrestre bassa (LEO) sono straordinariamente belle. Ma ciò che, in genere, non si riescono a vedere, fortunatamente, sono le decine di migliaia di pezzi e di detriti, la cosiddetta “spazzatura spaziale”, che orbitano attorno alla Terra come zanzare affamate e che minacciano di colpire i satelliti e tutte le altre strumentazioni orbitanti con una forza sufficiente per essere distruttivi. Tali pezzi di spazzatura spaziale e sono solo una frazione di quelli che le agenzie spaziali come la NASA e l’ESA possono tracciare con i telescopi terrestri, si moltiplicheranno soprattutto quando le mega costellazioni, come Starlink o OneWeb che danno connettività Internet in tutto il pianeta con microsatelliti, entreranno in LEO.
Sempre più esperti e ricercatori nel settore sono preoccupati poiché un ulteriore aumento della spazzatura spaziale potrebbe portare a un rischio maggiore di collisioni catastrofiche che metterebbero fuori uso i satelliti per le comunicazioni o addirittura, un giorno, lancerebbero detriti infuocati sulla Terra. Per anticipare ed evitare meglio queste situazioni, alcuni di loro stanno utilizzando alcune simulazioni al computer e l’intelligenza artificiale per vedere meglio ciò che gli umani al momento non possono.
I ricercatori, ad esempio, stanno utilizzando l’apprendimento automatico per studiare i metodi di rimozione e riutilizzo dei detriti. In un documento presentato all’inizio di quest’anno alla seconda conferenza NEO e Debris Detection dell’Agenzia spaziale europea a Darmstadt, in Germania, Fabrizio Piergentili, con i suoi colleghi, ha presentato i risultati del loro algoritmo “genetico” evolutivo, creato per monitorare il movimento rotatorio dei detriti spaziali.
“Gli oggetti che si muovono troppo velocemente non possono essere catturati facilmente“, afferma Piergentili. “Quindi, se devo andare in orbita per una missione, è meglio identificare gli oggetti che si muovono lentamente, che sono i più facili da catturare”. Oltre a sviluppare reti neurali per anticipare queste collisioni, che possono richiedere tempo e notevoli risorse per addestrare e testare l’intelligenza artificiale, altri ricercatori, come il tenente colonnello Robert Bettinger, si stanno rivolgendo a simulazioni al computer per anticipare il comportamento dei satelliti.
In un articolo pubblicato all’inizio di quest’anno sul Journal of Defense Modeling and Simulation, Robert Bettinger, che svolge l’attività di professore di ingegneria aerospaziale presso l’Air Force Institute of Technology, e il coautore Joseph Canoy hanno indagato sulla probabilità che la rottura di un singolo satellite all’interno dell’orbita di una mega-costellazione porterebbe a una collisione catastrofica in LEO o nell’orbita terrestre media (MEO).
Per fare previsioni su questi eventi futuri, Bettinger e Canoy hanno utilizzato una combinazione di statistiche storiche e modelli predittivi attraverso una simulazione Monte Carlo: un’ampia classe di metodi computazionali basati sul campionamento casuale per ottenere risultati numerici. Attraverso queste simulazioni, sono stati in grado di determinare che le mega-costellazioni in orbita terrestre bassa hanno un rischio di congiunzioni catastrofiche 14 volte superiore rispetto ai satelliti che si trovano diverse migliaia di miglia più in alto in MEO. Detto questo, “la scoperta non è del tutto sorprendente”, ammette Bettinger, “poiché LEO ha un volume spaziale più piccolo con più oggetti che vanno a velocità più elevate rispetto a MEO”.
Federica Massimi, dottoranda presso l’Università Roma Tre, è la prima autrice di un articolo pubblicato lo scorso dicembre su Sensors, che esplora il modo in cui l’apprendimento profondo può essere utilizzato per supportare il rilevamento di detriti in LEO. In un ambiente simulato, Massimi e i suoi coautori hanno dimostrato come una rete neurale può essere addestrata su enormi quantità di dati radar e ottici dai telescopi terrestri per rendere più facile la fuoriuscita di detriti spaziali dal rumore. “I modelli di intelligenza artificiale possono essere addestrati utilizzando dati storici per identificare i modelli di movimento dei detriti spaziali e prevedere le loro traiettorie future”, afferma Massimi. “Ciò consente di pianificare in modo più efficace le manovre di prevenzione delle collisioni per le missioni spaziali attive e i satelliti in orbita”.
Oltre a tracciare i detriti che già esistono nello spazio, Massimi ritiene che questi metodi giocheranno un ruolo importante nell’intero ciclo di vita dei satelliti che fanno parte delle mega-costellazioni. Sempre più spesso, afferma, le aziende e le organizzazioni che viaggiano nello spazio dovranno ottimizzare la distribuzione dei satelliti o assistere nella gestione dell’orbita per evitare collisioni di detriti che potrebbero causare danni a cascata.
Tuttavia, mentre l’introduzione di algoritmi e simulazioni intelligenti per risolvere il problema dei detriti spaziali può sembrare un gioco da ragazzi, Moriba Jah, professore associato di ingegneria aerospaziale presso l’Università del Texas ad Austin, afferma che il mondo dovrebbe diffidare dall’affidarsi troppo all’intelligenza artificiale per avere risposte basate in un campo che ha ancora tante incognite. “[Questi] algoritmi presuppongono che il domani assomigli a oggi”, afferma Jah. “Quindi, se la versione di oggi che gli dai da elaborare è limitata, anche la previsione di domani sarà limitata.”
Jah afferma che esiste anche una serie di altre incognite nell’ambiente spaziale, come la densità atmosferica, che rende ancora più difficile prevedere il comportamento dei detriti. “Questo è ancora un buco aperto, scientificamente“, dice Jah. L’intelligenza artificiale, aggiunge, quindi “ha un uso limitato date quelle lacune note”.
Queste preoccupazioni sono qualcosa che Massimi considera anche nel suo lavoro. Fondamentalmente, afferma che i modelli di intelligenza artificiale devono essere aggiornati “con informazioni in tempo reale, inclusi nuovi rilevamenti di detriti e cambiamenti orbitali”. In questo modo, aggiunge, “gli algoritmi potranno adattarsi meglio al mutevole ambiente spaziale“. E, se è realmente così, i ricercatori sperano che l’intelligenza artificiale possa aiutare anche a mantenere le immagini dall’orbita terrestre bassa più sorprendenti che mai, filtrando tutti i detriti spaziali…
