ทีมนักวิจัยใช้ deep learning ทำนายจุดตกของดาวเทียมและจรวดไร้การควบคุม

สำนักข่าว Phys.org เผยแพร่งานศึกษาจากวารสาร Acta Astronautica ซึ่งนำโดย M. Khawariz Andaristiyan จากศูนย์เทคโนโลยีดาวเทียมของสำนักงานวิจัยและนวัตกรรมแห่งชาติอินโดนีเซีย (BRIN) ร่วมกับนักวิจัยจาก Institut Teknologi Bandung โดยทีมนักวิจัยได้พัฒนาวิธีการใหม่ในการคาดการณ์การตกสู่โลกของดาวเทียมเก่าและชิ้นส่วนจรวดที่โคจรอยู่รอบโลก โดยอาศัยการทำงานร่วมกันระหว่างโครงข่ายประสาทเทียมและกฎแรงโน้มถ่วง

วัตถุที่ใกล้หมดอายุขัยในวงโคจรยังคงเคลื่อนที่ด้วยความเร็วราว 7.8 กิโลเมตรต่อวินาที หรือ 4.8 ไมล์ต่อวินาที ซึ่งความคลาดเคลื่อนเพียง 1 นาทีในการทำนายเวลาตก จะทำให้ตำแหน่งที่ตกลงมาบนพื้นโลกเคลื่อนที่ไปราว 460 กิโลเมตร หรือ 290 ไมล์ และหากคลาดเคลื่อน 1 ชั่วโมง ระยะทางจะเปลี่ยนไปราว 28,000 กิโลเมตร หรือ 17,400 ไมล์ การระบุเวลาจึงเป็นกุญแจสำคัญในการบอกตำแหน่งที่วัตถุจะตกลงมา

สาเหตุหลักที่ดึงวัตถุเหล่านี้ให้ตกลงมาคือแรงหน่วงจากชั้นบรรยากาศชั้นบน ซึ่งจะขยายตัวเมื่อดวงอาทิตย์มีกิจกรรมสูงตามวัฏจักรราว 11 ปี ทำให้วงโคจรเสื่อมสลายเร็วขึ้น ในขณะที่วัตถุก็มีลักษณะการต้านลมที่เปลี่ยนไปตลอดเวลาจากการหมุนควงหรือแผงโซลาร์เซลล์ ทีมนักวิจัยจึงใช้กฎของนิวตันคำนวณการเคลื่อนที่ตามแรงโน้มถ่วง พร้อมให้โครงข่ายประสาทเทียมที่มีหน่วยความจำทำหน้าที่เรียนรู้และพยากรณ์สัมประสิทธิ์แรงหน่วงจากข้อมูลติดตามวัตถุในอดีตตลอดวัฏจักรดวงอาทิตย์ 11 ปี รวมถึงข้อมูลพยากรณ์กิจกรรมของดวงอาทิตย์และสนามแม่เหล็กโลก

คณะผู้วิจัยได้ทดสอบวิธีนี้กับวัตถุ 3 ชิ้นที่ตกลงมาแล้ว ได้แก่ ยาน Cosmos-482 ของสหภาพโซเวียต, กล้องโทรทรรศน์อินฟราเรด NEOWISE ของ NASA และท่อนบนของจรวด Long March 4B ของจีน โดยผลการพยากรณ์เวลาตกของทั้ง 3 กรณีอยู่ในช่วงความไม่แน่นอนที่ทีมงานคำนวณไว้ และตรงกับเวลาที่หน่วยงานหรือผู้สังเกตการณ์รายงาน ขั้นตอนต่อไปของทีมวิจัยคือการนำวิธีนี้ไปใช้ทำนายวัตถุที่ยังคงอยู่ในวงโคจรและมีประวัติข้อมูลสั้นกว่า