في ظل تزايد كثافة حركة الكائنات الفضائية، يصبح تحليل سلوكها أمرًا بالغ الأهمية لضمان سلامة الفضاء. لكن، ما هو الجديد في هذا المجال؟

قدمت مجموعة من الباحثين نموذجًا ذاتيًا للإشراف لتحليل سلوك الكائنات الفضائية (Space Object Behavioural Analysis) عن طريق استخدام هيكل شبكة عصبية يُعرف بـ "Perceiver-Variational Autoencoder (VAE)".

تم تدريب هذا النموذج بواسطة بيانات غير مُعلمة من 227,000 منحنى ضوئي مأخوذ من مرصد MMT-9. والنتيجة؟ نموذج يمكنه التعرف على الشذوذ، توقع الحركة، وتوليد منحنيات ضوئية صناعية.

عقب عملية تدريب دقيقة باستخدام مصممين مختلفين لإنشاء منحنيات ضوئية، أظهر النموذج دقة تصل إلى 85% في اكتشاف الشذوذ، و82% في توقع أنماط الحركة مثل "التوجيه نحو الشمس" و"الدوران".

من خلال تحليل التنبؤات ذات الثقة العالية على بيانات حقيقية، كشفت النتائج عن أنماط مميزة تشمل تعريفات مختلفة للكائنات وتألق الأقمار الصناعية.

تعتبر هذه الإنجازات مثالاً حقيقيًا على كيفية استخدام التعلم الذاتي لتعزيز سلامة الفضاء من خلال المراقبة الأوتوماتيكية والمحاكاة، مما يوفر فرصًا متعددة لتحسين الكفاءة.