Наши в космосе: проект ученых ТГУ поможет в освоении Луны

Проект физиков ТГУ, поддержанный РНФ, поможет в уборке космического мусора и освоении Луны. С помощью компьютерного моделирования и машинного анализа данных ученые исследуют сложные траектории движения околоземных объектов искусственного и естественного происхождения – космического мусора, окололунных объектов и астероидов, сближающихся с Землей.

В интересах собственной хозяйственной деятельности человечество все интенсивнее использует околоземное космическое пространство – так, например, создаются новые спутниковые системы, которые разворачиваются в космосе. Отработавшие объекты этих систем превращаются в космический мусор.

По данным NASA, в настоящее время в околоземном пространстве находится несколько сотен тысяч объектов размером не менее 10 сантиметров. Ежегодный прирост составляет примерно тысячу фрагментов. Среди них более 3000 – это космические аппараты, лишь шесть процентов из которых можно отнести к функционирующим.

Для работы в околоземном пространстве необходимо знание динамики неуправляемых объектов. Данные об их траектории позволит оптимизировать размещение новых спутниковых систем и найти пути решения проблемы космического мусора.

«Не менее актуальной задачей является исследование орбитальной эволюции окололунных объектов, поскольку в ближайшие десятилетия человечество намерено осваивать Луну и окололунное пространство, – добавляет Анна Александрова, руководитель проекта, доцент кафедры астрономии и космической геодезии ФФ ТГУ. – Исследование динамической структуры этой области космоса поможет избежать ошибок и непроизводительных затрат при реализации окололунных проектов».

В рамках проекта решается и другая важная задача – повышение точности прогнозирования движения астероидов, сближающихся с Землей. Участие ученых ТГУ в создании более точной модели движения таких космических объектов поможет лучше прогнозировать их потенциальную опасность.

Исследования сопровождаются большим объемом расчетов, поэтому в решении задач используется машинный анализ.

«Этот инструмент позволит нам спрогнозировать движение десятков тысяч объектов и проанализировать более миллиона временных рядов различных динамических и резонансных характеристик», – уточняет Анна Александрова.

Для анализа данных исследователи используют алгоритмическую модель, реализованную с применением искусственных нейронных сетей. Это помогло автоматизировать процесс по выявлению резонансов, влияющих на движение околоземных и окололунных объектов. А применение машинного обучения значительно ускоряет обработку большого объема данных и избавляет ученых от однообразного рутинного процесса классификации.