Beter voorbereid op ontmoetingen met Interstellaire Objecten met deep-learningsysteem Neural-Rendezvous

1I/’Oumuamua of 1I/2017 U1, is het eerste interstellair object dat ooit in ons zonnestelsel is waargenomen. Dit was in 2017, twee jaar later werd 2I/Borisov, een interstellaire komeet, de tweede interstellaire bezoeker van ons zonnestelsel. Ter voorbereiding op toekomstige interstellaire bezoekers, kortweg ISO, heeft een hoogleraar aan de Universiteit van Illinois in Urbana-Champaign, Hiroyasu Tsukamoto, samen met twee collega’s, een op deep learning gebaseerd geleidings- en controlekader ontwikkeld, genaamd Neural-Rendezvous, waarmee ruimtevaartuigen veilig ISO’s kunnen tegenkomen.

ISO’s vormen interessante studieobjecten voor astronomen, echter vanwege hun enorme snelheid, en voor zover men weet, zeldzame verschijning, ook lastig te bestuderen. 1I/‘Oumuamua, met een geschatte lengte van 400 m, is mogelijk afkomstig vanuit het sterrenbeeld Lier, reist met een duizelingwekkende snelheid van zo’n 160.000 km/h, en de rots verlaat mogelijk rond 2028 het zonnestelsel weer, dan passeert het de zon’s heliosfeer..

Een ISO, is een object in de interstellaire ruimte dat niet via de zwaartekracht aan een ster gebonden is (en zelf geen ster is). De eerste ISO’s die door astronomen ontdekt werden, zijn solitaire planeten die uit hun oorspronkelijke sterrenstelsel zijn geraakt. In 2017 passeerde 1I/’Oumuamua. In 2019 werd dit gevolgd door de ontdekking van 2I/Borisov. Nog onderzocht wordt of de in 2014 in de Stille Oceaan neergestorte CNEOS 2014-01-08 ook een ISO was.

Het project Neural-Rendezvous is ontwikkeld in samenwerking met NASA’s Jet Propulsion Laboratory, en pakt de twee belangrijkste uitdagingen aan bij het benaderen van een ISO: de buitengewone snelheid van deze objecten en hun lastig te bepalen trajecten. In de ruimte voorspelt Neural-Rendezvous autonoom de beste actie van een ruimtevaartuig, op basis van data, maar met een formele probabilistische grens voor de afstand tot de ISO van het doel. “We proberen een astronomisch object tegen te komen dat slechts één keer door ons zonnestelsel schiet en we willen die kans niet missen”, aldus Tsukamoto in deze verklaring. En vervolgt “Hoewel we de dynamiek van ISO’s van tevoren kunnen benaderen, brengen ze nog steeds een grote toestandsonzekerheid met zich mee, omdat we het tijdstip van hun bezoek niet kunnen voorspellen. Dat is een uitdaging.”

De snelheid en onzekerheid van ISO-ontmoetingen zijn ook de reden waarom het ruimtevaartuig zelfstandig moet kunnen denken. Het team stelde dat ‘om een ISO te kunnen tegenkomen, moet je iets hebben dat lijkt op een menselijk brein, speciaal ontworpen voor deze missie, om volledig en in realtime te kunnen reageren op de data aan boord.” “Onze belangrijkste bijdrage ligt niet alleen in het ontwerpen van het gespecialiseerde brein, maar ook in het wiskundig bewijzen dat het werkt,” aldus Tsukamota. “Met een menselijk brein leren we bijvoorbeeld door ervaring hoe we veilig kunnen navigeren tijdens het autorijden. Maar wat is de wiskunde erachter? Hoe weten we dat en hoe kunnen we ervoor zorgen dat we niemand raken?”

“Vanwege de snelheid en onzekerheid is het lastig om een ​​ISO tijdens een flyby met 100 procent nauwkeurigheid duidelijk in beeld te krijgen, zelfs met Neural-Rendezvous,” aldus het team.  Geïntrigeerd door de mogelijkheden van Neural-Rendezvous ontwikkelden twee studenten uit Illinois, Arna Bhardwaj en Shishir Bhatta, een idee om het raamwerk niet alleen in één ruimtevaartuig te implementeren, maar in een zwerm ruimtevaartuigen. Zij wilden aantonen dat Neural-Rendezvous baat zou kunnen hebben bij een concept met meerdere ruimtevaartuigen. Maar “Hoe positioneer je meerdere ruimtevaartuigen optimaal om de informatie die je eruit kunt halen te maximaliseren?”, aldus Tsukamoto.

Artistieke impressie van het oppervlak van de interstellaire komeet 2I/Borisov. Credit:
ESO/M. Kormesser

Hun oplossing was om de ruimtevaartuigen zo te verspreiden dat ze visueel het zeer waarschijnlijke gebied van de ISO-positie bestrijken, wat wordt aangestuurd door Neural-Rendezvous.” Het team demonstreerde Neural-Rendezvous m.b.v. multi-ruimtevaartuigsimulatoren M-STAR en kleine drones, Crazyflies. Om de empirische observaties van de M-STAR- en Crazyfly-demonstraties theoretisch te onderbouwen, onderzochten ze in hun onderzoek hoe de informatie die tijdens de ISO-ontmoeting wordt verzameld, wiskundig kan worden gemaximaliseerd m.b.v. een zwerm ruimtevaartuigen. “Nu hebben we een extra laag in besluitvorming tijdens de ISO-ontmoeting”, aldus Tsukamoto.

Met behulp van M-STAR-simulators voor meerdere ruimtevaartuigen en kleine drones genaamd Crazyflies, hebben Bhardwaj en Bhatta het concept getest en de potentie van een door Neural-Rendezvous geleide zwerm aangetoond. “Hoewel de Neural-Rendezvous meer een theoretisch concept is, is hun werk onze eerste poging om het veel nuttiger en praktischer te maken”, aldus Tsukamoto. Het duo presenteerde hun paper recent op de Aerospace Conference van het Institute of Electrical and Electronics Engineers. Bronnen; Livescience, Space.com, NASA/JPL, Uni van Illinois