توسط استیون گیسلام 20 ژوئیه 2021 برداشت یک هنرمند از بقایای فضایی در مدار زمین. عکس: ESA – P. کاریل
کمتر از یک سال پس از آن که آژانس فضایی انگلیس 1 میلیون پوند بودجه برای مقابله با مشکل رو به رشد زباله فضایی تعهد کرد، فوجیتسو انگلیس از ترکیب موفقیت آمیز محاسبات کوانتومی و هوش مصنوعی برای تبدیل دفع زباله‌های فضایی خبر داد.
بقایای فضایی
نمونه اولیه فوجیتسو، که با همکاری آمازون وب سرویس‌ها، Astroscale انگلستان و دانشگاه گلاسگو ایجاد شده است، برنامه ریزی مأموریت را بهبود می‌بخشد به طوری که یک فضاپیما می‌تواند به طور کارآمد انتخاب کند که چه قطعات زباله فضایی را در یک مأموریت با نرخی بیش از آنچه در حال حاضر امکان پذیر است و خیلی سریع‌تر از بین ببرد. زباله‌های فضایی کلید پایداری در فضا، کاهش یا حتی جلوگیری از خطر برخورد فضاپیماهای منسوخ شده با ماهواره‌های جدید و موجود است.
فوجیستو همچنین ادعا می‌کند که فناوری آن به کاهش خطر برخورد فاجعه بار در مدار کمک می‌کند که می‌تواند هزاران قطعه دیگر از بقایای جدید ایجاد کند، که همه آن‌ها تهدیدهای واقعی برای ماهواره‌های کار در مدار هستند.
با تصمیم گیری دقیق در مورد جمع آوری زباله‌ها و زمان، فناوری الهام گرفته از کوانتوم، با استفاده از Digital Annealer، برنامه ماموریت را برای تعیین حداقل سوخت و حداقل زمان لازم برای بازگشت فضاپیماهای غیر قابل استفاده یا ماهواره‌ها به مدار را به صورت بهینه دفع می‌کند. یافتن مسیر بهینه برای جمع آوری زباله‌های فضایی باعث صرفه جویی در وقت و هزینه قابل توجهی در مرحله برنامه ریزی مأموریت می‌شود و همچنین به عنوان یک نتیجه باعث بهبود دوام تجاری می‌شود.
فوجیتسو می‌گوید: با 2350 ماهواره غیر فعال در حال حاضر در مدار، و بیش از 28000 قطعه زباله توسط شبکه‌های نظارت فضایی ردیابی می‌شود، این فناوری به انگلستان کمک می‌کند تا سهم بازار خود را در بخش فضایی رشد دهد و از تعهدات دولت انگلیس به طور کلی یک آینده پایدارتر در حمایت بیشتر پشتیبانی می‌کند.
این تحقیق به عنوان بخشی از اعطای بودجه آژانس فضایی انگلستان «پیشرفت تحقیقات در زمینه نظارت و ردیابی فضایی» انجام شده است. این پروژه که طی شش ماه مطابق با دستورالعمل‌های خدمات دیجیتال دولت تدوین شده است، از هر دو الگوریتم طراحی سریع مسیر مبتنی بر شبکه عصبی مصنوعی (ANN) استفاده می‌کند که توسط دانشگاه گلاسگو توسعه یافته است، در کنار آنالایر دیجیتال فوجیتسو و خدمات بهینه سازی کوانتومی برای حل برخی از اصلی‌ترین مشکلات بهینه سازی مرتبط با طراحی برنامه ریزی ماموریت ADR (Active Debris Removal).
الن Devereux، مشاور آنیل دیجیتال در فوجیتسو انگلستان و ایرلند، گفت: «همه زباله‌های فضایی خطر بالقوه تصادفی را برای سیستم‌های عملیاتی ایجاد می‌کند که بسیاری از ما از پیش بینی آب و هوا گرفته تا ارتباطات از راه دور… یک راه حل برای بهینه‌سازی طراحی کرده‌ایم برنامه ریزی مأموریت یک سرویس خدماتی قبل از ارسال آن به فضا – به این معنی که سازمان‌هایی مانند Astroscale UK می‌توانند با سرعت بیشتری بیش از هر زمان دیگر آوار جمع کنند.»
سرویس‌های وب آمازون ابزارها و خدمات Cloud و AI و ML را برای پشتیبانی از پروژه ارائه دادند. مجموعه ابزار Amazon Sagemaker برای توسعه سریع شبکه‌های عصبی ملی (ANN) که با دقت پیش بینی هزینه‌های انتقال مداری را در کسری از زمان محاسبه کامل آن‌ها انجام می‌شود، مورد استفاده قرار گرفت.
Astroscale UK اولین شرکت تجاری جهان است که مأموریت نمایشی را برای حذف بقایای مدار پایین زمین آغاز کرد. این شرکت موارد استفاده نهایی را به عنوان یک کاربر نماینده بهینه سازی ماموریت چند منظوره ارائه می‌دهد. فوجیتسو، پیشگام این پروژه، یكی از هفت شركت بریتانیایی است كه بیش از یك میلیون پوند از آژانس فضایی انگلستان برای كمك به ردیابی زباله‌ها در فضا به آن‌ها تعلق می‌گیرد.
جیکوب گیر، رئیس نظارت و ردیابی فضایی، آژانس فضایی انگلستان، گفت: «نظارت بر اشیا خطرناک فضایی برای حفاظت از خدماتی که همه ما به آن اعتماد داریم – از دستگاه‌های ارتباطی گرفته تا ناوبری ماهواره، امری حیاتی است.»
«این پروژه یکی از اولین نمونه‌های محاسبات الهام گرفته از کوانتوم است که با هوش مصنوعی کار می‌کند تا مشکلات ناشی از زباله‌های فضا را حل کند، اما بعید است آخرین باشد.»
