依据TechHQ报导的IBM近期的公示，开源系统AI已经用以处理宇宙空间难题，处理与空间碎片和卫星通讯相关的难题。

自1940年代至今，IBM一直在造就电子信息技术来促进宇宙探索和通讯，可是如今IBM将应用人工智能技术来解决这种每日任务。IBM已经科学研究2个不一样的外太空有关新项目：KubeSat和SSA（外太空入侵检测）。KubeSat致力于适用建立和操纵通讯卫星群的每日任务，而SSA致力于追踪低地球轨道中空间碎片的部位。

IBM的外太空研究中心精英团队近期公布了这两个新项目。外太空技术性精英团队的责任人是Naeem Altaf，依据Altaf常说，KubeSat新项目是一个基层民主架构，出示了建立和管理方法通讯卫星群和十二星座每日任务需要的专用工具。此外，KubeSat架构还能够仿真模拟通讯卫星中间的通讯，进而协助技术工程师提升这种通讯。

伴随着愈来愈多的通信卫星，通讯卫星中间的通讯越来越愈来愈繁杂，必须开展自动化技术和提升。该架构选用深度学习优化算法来提升通讯卫星中间的通讯，进而限定了一些通讯卫星中间的通讯。KubeSat可用以仿真模拟正方体通讯卫星与地面站的交互技术，即便 在人群中间产生全自动通讯时也是这般。这种通讯公布在Web汽车仪表板上，以供别人查询。KubeSat根据Orekit运作其模拟仿真，Orekit是一个用Java建立的动态库。

KubeSat新项目是开源系统的，期待能够使通讯卫星群产业链民主建设，进而使初创公司和群群营运商可以运用新起技术性。

SSA新项目是IBM Space Tech Hub精英团队与得克萨斯州高校的Moriba Jah博士研究生协作的結果。总体目标是AI实体模型能够改进低地球轨道物件的路轨预测分析。低地球轨道充满了空间碎片，在其中绝大多数是火箭升空或烂掉的通讯卫星留存下来的物质。这种物件以每秒钟数千米的速率绕地球上运作，其运动轨迹很有可能会因为空气气温和相对密度的起伏而忽然更改。这种物件的路轨必须开展预测分析，以防空间碎片与关键的室内空间技术装备产生撞击。期待AI实体模型能够改进路轨预测分析。

SSA实体模型是依据英国发展战略指挥所梳理的数据信息开展训炼的。数据每天更新一次。概念模型用以形成相关低地球轨道中大部分物件的路轨的原始预测分析，随后应用深度学习模型预测概念模型中的出现偏差的原因。SSA将2个实体模型融合在一起以升级物理学路轨实体模型。第二个实体模型是根据XGBoost的梯度方向提高实体模型。

与KubeSat一样，SSA实体模型也被开源系统，以激励不一样航天公司和科技有限公司中间的信息共享和合作。终究，卫星通讯难题和空间碎片对在外太空中工作中的每一个人全是威协。

可根据IBM的Red Hat OpenShift服务平台应用KubeSat和OpenShift。