Околоземное пространство становится всё более тесным. Спутники, ракетные ступени и обломки сталкиваются, маневрируют и появляются быстрее, чем операторы успевают их идентифицировать. Американская компания BosonQ Psi Federal получила контракт SpaceWERX на разработку программного обеспечения, которое должно решить эту проблему с помощью квантово-вдохновлённого машинного обучения.
Новая система использует архитектуру Physics-Constrained Quantum-Assisted Machine Learning (PC-QAML). Она сочетает физические модели движения объектов с методами, позаимствованными из квантовых вычислений. Результат впечатляет: размер нейросетевых моделей сокращается на 99% — с примерно 14 миллионов параметров до всего двух тысяч. При этом точность классификации остаётся выше 99%.
Как это работает
Традиционные системы искусственного интеллекта требуют мощных графических процессоров и облачных ресурсов. PC-QAML рассчитана на работу непосредственно на борту спутников и других устройств с жёсткими ограничениями по энергии и вычислительной мощности. Программное обеспечение уже продемонстрировали на компактном модуле NVIDIA Jetson Nano в лаборатории Space Domain Awareness TAP Lab.
Система анализирует так называемые Uncorrelated Tracks — наблюдения, которые американская сеть космического наблюдения фиксирует ежедневно в количестве от 18 до 25 тысяч, но не может сразу привязать к известным объектам. Это могут быть новые спутники, обломки столкновений или объекты, требующие особого внимания.
Благодаря компактности модели время вывода сокращается до десяти раз, а энергопотребление падает примерно на 90%. Переобучение моделей также происходит значительно быстрее, чем в классических системах машинного обучения.
Зачем это нужно
«Наша цель — сделать продвинутый ИИ практичным именно там, где он нужнее всего: на спутниках и передовых системах, которые работают с ограниченной вычислительной мощностью и нестабильной связью», — объясняет основатель и технический директор компании Рут Лайнсвала (Rut Lineswala).
Военные операторы смогут быстрее отличать обычную активность на орбите от потенциально подозрительной: маневров спутников, отделения объектов или сближений. Обработка данных прямо на борту снижает зависимость от наземных центров и ускоряет реакцию.
Контракт получен по программе Small Business Innovation Research (SBIR) через SpaceWERX. Он продолжает работу, которую компания уже проводила в 2025 году в рамках SDA Mini-Accelerator, где технология показала способность обнаруживать разделение объектов на орбите.
Хотя разработка ориентирована в первую очередь на задачи национальной безопасности, тот же подход может пригодиться в коммерческой космонавтике, автономном транспорте и промышленном мониторинге — везде, где нужен надёжный искусственный интеллект на компактных и энергоэффективных устройствах.
Квантовые компьютеры пока остаются делом будущего, но методы, вдохновлённые их принципами, уже позволяют создавать практичные решения для одной из самых сложных задач современной космонавтики — поддержания осведомлённости о ситуации в околоземном пространстве.
