ニューヨークに拠点を置くテクノロジー企業が、地球軌道上の未知の物体を軍事オペレーターがより迅速に特定できるようにするソフトウェアを開発するための初のアメリカ合衆国連邦研究契約を獲得しました。この契約は、SpaceWERXのオープンテーマ小規模企業革新研究（SBIR）プログラムを通じて得られ、物理的制約を利用した機械学習によって宇宙分野の認知を改善することに重点を置いています。BosonQ Psi Federal（BQP）は、物理ベースのモデルと量子インスパイアド計算技術を組み合わせた新しいソフトウェアアプリケーションを検証します。
その目標は、従来の人工知能モデルよりもはるかに低い計算能力で、未識別の軌道物体をより迅速に分類することです。
衛星や破片の数が増えるにつれて、軌道活動の追跡がますます困難になっています。アメリカの宇宙監視ネットワークは、毎日約18,000から25,000回の観測を収集しています。これらの検出の多くは、既知の衛星や破片と即座に関連付けることができません。これらの未識別の観測は未関連軌跡（UCTs）と呼ばれ、新たに打ち上げられた宇宙機、衝突破片、またはさらなる調査が必要な物体を含む可能性があります。これらの物体の特定の遅延は、オペレーションの意思決定を遅らせ、宇宙環境に対する全体的な認知を低下させる可能性があります。BQPのソフトウェアは、物理的制約と量子支援の機械学習を組み合わせることで、このプロセスを加速することを目的としています。
同社は、このアプローチがクラウドインフラストラクチャ、グラフィックス処理ユニット、または将来の量子コンピュータに依存せずに、正確な人工知能推論を実現できると述べています。代わりに、宇宙基準のプロセッサや他のリソース制約のあるハードウェア上で直接実行されることを目指しています。
BQPの新ソフトウェアは軌道物体の識別効率を大幅に向上させる
BQPは、物理的制約のある量子支援機械学習（PC-QAML）アーキテクチャによって生成されたモデルが従来のモデルよりも99%小さく、パラメータの数を約1400万から約2000に削減し、精度に影響を与えないと述べています。同社は、大幅に削減されたにもかかわらず、ソフトウェアが99%以上の分類精度を維持していることを指摘しています。コンパクトなアーキテクチャは、推論遅延を10倍削減し、消費電力を約90%削減しました。BQPは、エンジニアが従来の機械学習システムよりも迅速にモデルを再訓練できることを示しています。これらの効率向上により、この技術はNVIDIA Jetson Nanoエッジコンピューティングデバイスに展開されることが可能になり、このデバイスは宇宙分野の認知TAPラボに設置されています。このラボは以前は
SDA TAPラボとして知られていました。展示は、先進的な人工知能が自律的な宇宙ミッションに適したコンパクトなハードウェア上で動作できることを示しています。
BQPの創設者兼最高技術責任者のRut Lineswalaは、「私たちの目標は、計算能力が限られ、通信が不安定な衛星や前方展開システムで先進的な人工知能を実用化することです」と述べています。彼は、この連邦賞が同社の技術を検証し、量子インスパイアド計算が国家安全保障任務が直面する運用上の課題を解決する方法を示す機会を提供すると述べています。
軍事オペレーターは、このソフトウェアを利用して、通常の軌道活動と潜在的な疑わしい行動を区別できます。これには、衛星の機動、分離イベント、近接操作が含まれます。宇宙機上で情報を直接処理することで、集中計算システムへの依存を減らし、応答時間を向上させることができます。このプロジェクトは、BQPが以前に宇宙分野の認知TAPラボで行った作業を拡張しています。2025年のSDA Mini-Acceleratorでは、同社の技術が軌道分離検出能力を示し、将来のUCT分類および脅威シミュレーションアプリケーションの候補となり、アメリカの宇宙操作を支援します。
国防以外にも、このソフトウェアは商業航空、自律車両、産業監視、その他のコンパクトで低消費電力の計算プラットフォームで信頼性のある性能を提供する必要がある分野で応用される可能性があります。