นักวิจัยผสม deep learning กับฟิสิกส์ ทำนายเวลาที่ดาวเทียม-จรวดเก่าตกลงโลก
ทีมวิจัยจากอินโดนีเซียเสนอวิธีทำนายช่วงเวลาที่วัตถุอวกาศไร้การควบคุมจะตกกลับโลก แม่นยำกว่าวิธีเดิม ทดสอบกับ Cosmos-482 ยานโซเวียตที่ค้างฟ้า 53 ปี ได้ผลใกล้เคียงของจริงมาก
AI ภาพสร้างด้วย AI ไม่ใช่ภาพถ่ายจริงงานวิจัยที่ตีพิมพ์ใน Acta Astronautica นำโดยทีมจาก BRIN หน่วยงานวิจัยของอินโดนีเซีย ร่วมกับ Institut Teknologi Bandung เสนอวิธีทำนายว่าดาวเทียมหรือชิ้นส่วนจรวดเก่าที่หมดอายุและไม่มีการควบคุมแล้ว จะตกกลับโลกเมื่อไหร่และที่ไหน โดยผสมกฎฟิสิกส์ของวงโคจรเข้ากับ neural network
เรื่องนี้สำคัญเพราะปลายปี 2025 มีวัตถุค้างอยู่ใน low Earth orbit ถึง 25,060 ชิ้นตามข้อมูลของ European Space Agency เพิ่มขึ้นเกือบ 2 เท่าจากเมื่อ 10 ปีก่อน วัตถุพวกนี้ยังบินด้วยความเร็วราว 7.8 กิโลเมตรต่อวินาที แค่ทำนายเวลาคลาดไป 1 นาที ตำแหน่งตกก็เหลื่อมไปได้ถึง 460 กิโลเมตร ถ้าคลาดเป็นชั่วโมงตำแหน่งจะเหลื่อมไปถึง 28,000 กิโลเมตร หรือเกือบสองในสามของเส้นรอบโลก
ทีมวิจัยใช้สมการฟิสิกส์คำนวณแรงโน้มถ่วงกับแรงต้านอากาศตามปกติ แต่สิ่งที่คำนวณตรงๆ ไม่ได้คือค่า ballistic coefficient ซึ่งเปลี่ยนไปเรื่อยๆ ตามการหมุนหรือรูปทรงของวัตถุ จุดนี้เลยให้ neural network เรียนรู้จากข้อมูลติดตามย้อนหลัง 11 ปีแทน
ทีมทดสอบกับวัตถุที่ตกไปแล้วจริง 3 ชิ้น ได้แก่ Cosmos-482 ยานโซเวียตที่ค้างอยู่ในวงโคจรนาน 53 ปี ก่อนตกลงมหาสมุทรอินเดียเมื่อวันที่ 10 พฤษภาคม 2025 กล้องโทรทรรศน์ NEOWISE ของ NASA และท่อนบนของจรวด Long March 4B ของจีน ผลคือเวลาที่ทำนายได้ใกล้เคียงกับเวลาจริงที่ Roscosmos และหน่วยงานต่างๆ รายงานมาก
ทีมวิจัยบอกว่างานต่อไปคือการทดสอบกับวัตถุที่ยังโคจรอยู่จริง ซึ่งบางชิ้นมีประวัติข้อมูลติดตามสั้นกว่า 11 ปี
ที่มาของข่าว
- สำนักข่าว
- Phys.org
- พาดหัวต้นฉบับ
- Forecasting air drag with deep learning helps predict when uncontrolled satellites and rocket stages fall to Earth
- เผยแพร่ต้นทาง
- 16 ต.ค. 2569 21:40 น.



