Perangkat lunak yang terinspirasi kuantum memperkecil model sebesar 99% untuk mengidentifikasi objek tak dikenal di orbit
Sebuah perusahaan teknologi di New York telah memenangkan kontrak penelitian federal AS yang pertama untuk mengembangkan perangkat lunak yang dapat membantu operator militer mengidentifikasi objek tak dikenal di orbit bumi dengan lebih cepat. Penghargaan ini diberikan melalui program Penelitian Inovasi Bisnis Kecil Topik Terbuka (SBIR) SpaceWERX dan berfokus pada peningkatan Kesadaran Domain Luar Angkasa menggunakan pembelajaran mesin dengan batasan fisika. BosonQ Psi Federal (BQP) akan memvalidasi aplikasi perangkat lunak baru yang menggabungkan model berbasis fisika dengan teknik komputasi yang terinspirasi kuantum. Tujuannya adalah untuk mengklasifikasikan objek orbital tak dikenal dengan lebih cepat dan menggunakan daya komputasi yang jauh lebih sedikit dibandingkan model kecerdasan buatan konvensional. Teknologi ini menargetkan satelit dan platform edge lainnya yang beroperasi dengan batas daya dan pemrosesan yang ketat. Lingkungan orbit yang padat Meningkatnya jumlah satelit dan puing-puing membuat aktivitas pelacakan di orbit semakin sulit. Jaringan Pengawasan Luar Angkasa AS mengumpulkan antara 18.000 dan 25.000 observasi setiap hari. Banyak dari deteksi tersebut tidak dapat langsung dikaitkan dengan satelit atau puing-puing yang diketahui. Pengamatan tak teridentifikasi ini, yang dikenal sebagai Uncorrelated Tracks (UCTs), dapat mencakup pesawat ruang angkasa yang baru diluncurkan, pecahan tabrakan, atau objek yang memerlukan penyelidikan lebih dekat. Keterlambatan dalam mengidentifikasinya dapat memperlambat pengambilan keputusan operasional dan mengurangi kesadaran keseluruhan terhadap lingkungan luar angkasa. Perangkat lunak BQP bertujuan untuk mempercepat proses tersebut dengan menggabungkan batasan fisika dengan pembelajaran mesin berbantuan kuantum. Perusahaan mengatakan pendekatan ini memberikan inferensi AI yang akurat tanpa bergantung pada infrastruktur cloud, prosesor grafis, atau komputer kuantum masa depan. Sebaliknya, ia dirancang untuk berjalan langsung pada prosesor yang memenuhi syarat ruang dan perangkat keras dengan sumber daya terbatas lainnya. AI yang lebih kecil, keputusan yang lebih cepat Menurut BQP, arsitektur Pembelajaran Mesin Berbantuan Kuantum yang Dibatasi Fisika (PC-QAML) miliknya menghasilkan model yang 99% lebih ringkas, memperkecilnya dari sekitar 14 juta parameter menjadi sekitar 2.000 tanpa mengorbankan akurasi. Perusahaan mengatakan perangkat lunak tersebut mempertahankan akurasi klasifikasi lebih dari 99% meskipun terjadi penurunan drastis. Arsitektur ringkasnya juga memberikan pengurangan latensi inferensi hingga sepuluh kali lipat dan menurunkan konsumsi daya sekitar 90%. BQP mengatakan para insinyur dapat melatih ulang model secara signifikan lebih cepat dibandingkan sistem pembelajaran mesin konvensional. Peningkatan efisiensi tersebut telah memungkinkan penerapan pada perangkat komputasi edge NVIDIA Jetson Nano di Space Domain Awareness TAP Lab, yang sebelumnya dikenal sebagai SDA TAP Lab. Demonstrasi tersebut menunjukkan bahwa AI canggih dapat beroperasi pada perangkat keras kompak yang cocok untuk misi luar angkasa otonom. “Tujuan kami adalah menjadikan AI canggih menjadi praktis di tempat yang paling penting: di satelit dan sistem yang diterapkan di masa depan yang beroperasi dengan daya komputasi terbatas dan komunikasi terputus-putus,” kata Rut Lineswala, pendiri dan chief technology officer BQP. Dia mengatakan penghargaan federal ini memvalidasi teknologi perusahaan dan memberikan kesempatan untuk menunjukkan bagaimana komputasi yang terinspirasi kuantum dapat mengatasi tantangan operasional yang dihadapi misi keamanan nasional. Selain misi militer, operator militer dapat menggunakan perangkat lunak ini untuk membedakan aktivitas orbit rutin dari perilaku yang berpotensi mencurigakan, termasuk manuver satelit, peristiwa pemisahan, dan operasi jarak dekat. Memproses informasi secara langsung di pesawat ruang angkasa dapat mengurangi ketergantungan pada sistem komputasi terpusat dan meningkatkan waktu respons. Proyek ini memperluas pekerjaan BQP yang sebelumnya dilakukan dengan Lab TAP Kesadaran Domain Luar Angkasa. Selama SDA Mini-Accelerator 2025, teknologi perusahaan menunjukkan kemampuan deteksi pemisahan orbital dan muncul sebagai kandidat untuk aplikasi klasifikasi UCT dan simulasi ancaman di masa depan yang mendukung operasi luar angkasa AS. Di luar pertahanan, perangkat lunak yang sama dapat diterapkan di ruang angkasa komersial, kendaraan otonom, pemantauan industri, dan sektor lain di mana AI harus memberikan kinerja yang andal pada platform komputasi yang ringkas dan berdaya rendah.
Diterbitkan : 2026-07-17 22:05:00
sumber : interestingengineering.com
