ESA Phi-Lab Swedens uppdrag
ESA Phi-Lab Swedens uppdrag är att stärka Sveriges och Europas konkurrenskraft inom den globala rymdsektorn genom att främja utvecklingen av AI och edge learning-tekniker. Under de kommande åren kommer ESA Phi-Lab Sweden att visa hur dessa tekniker kan tillämpas inom rymdsektorn och andra industrier.
Europeiska unionens rymdpolitik står just nu inför flera utmaningar och möjligheter, vilket banar väg för satsningar som ESA Phi-LabNET. Ett av de viktigaste behoven som har identifierats är att Europa behöver bli mer självständigt när det gäller tillgång till rymden. Den globala rymdekonomin växer snabbt, drivet av konkurrenskraftiga privata aktörer och ett ökande antal rymduppskjutningar och satelliter i drift.
Rymden blir alltmer trång och omstridd. Dagens geopolitiska spänningar visar tydligt behovet av strategisk självständighet, inte bara när det gäller tillgång till rymden, utan också inom flera andra teknikområden som är kopplade till rymdverksamhet, såsom infrastruktur, datainsamling och -bearbetning, samt utveckling av rymdprodukter och tjänster. Trots att europeiska länder har rymdinfrastruktur i världsklass, ligger investeringarna på en lägre nivå än hos globala konkurrenter och det saknas ett enhetligt rättsligt ramverk, inom EU.
AI spelar en allt viktigare roll inom rymdområdet, till exempel inom tillverkning, operationer i omloppsbana, datainsamling och dataanalys. Det är därför avgörande att stödja insatser som bidrar till att mogna dessa teknologier och bana väg för en framgångsrik etablering på rymdmarknaden.
Mot denna bakgrund, och som en del av ESA Phi-LabNET-initiativet, erbjuder ESA Phi-Lab Sweden, som drivs av RISE och medfinansieras av ESA och Vinnova, finansieringsmöjligheter för projekt som använder AI och edge learning-teknik inom rymdtillämpningar. Initiativet syftar också till att anpassa rymdbaserad teknik för användning i andra sektorer, samtidigt som man drar nytta av EU:s strategiska investeringar och regleringsutveckling för att främja innovation och stärka konkurrenskraft.
Tematiska fokusområden - AI, Edge, Hårdvara och hållbarhet
AI och Edge Learning revolutionerar jordobservation, fjärranalys och den bredare rymdsektorn genom att möjliggöra databehandling i realtid, förbättra bildanalys och integrera data från flera källor. Dessa tekniker förbättrar objektdetektering och spårning, klimatövervakning och dataanalys avsevärt, och gör det möjligt för AI-modeller att hantera data direkt på satelliter, vilket minskar behovet av omfattande dataöverföring.
Hårdvaruutveckling är avgörande för AI i edge-miljöer. Genom att välja och bygga intelligent edge-hårdvara som kan köra AI-modeller på lokal hårdvara, såsom edge-GPU:er, TPU:er och specialiserade kiselplattformar möjliggörs snabb och effektiv databehandling direkt på enheter, vilket förbättrar prestanda och tillförlitlighet hos AI-applikationer i rymden.
För att säkerställa hållbarhet är det viktigt att fokusera på energieffektiv samutveckling av hårdvara och mjukvara. Det innebär att man utformar AI-algoritmer och system som använder så lite energi som möjligt och begränsar utsläppet av koldioxid. Genom strategier som energimedveten uppgiftsavlastning, användning av förnybar energi och effektiv resursanvändning kan man kraftigt minska den miljöpåverkan som Edge AI-system har.
Innovationer som baseras på AI och Edge Learning har möjlighet att göra rymdsektorn mer effektiv och hållbar.
Projektförslagen ska vara banbrytande, ha stor potential att påverka samhället och ekonomin, och baseras på gedigen forskningsdriven kunskap. De ska beskriva efterfrågan på marknaden och/eller hur forskning driver på för framtida etablering av den föreslagna lösningen.
Idén ska ha en tydlig koppling till rymdområdet, till exempel genom:
- Utnyttjande av rymdteknik, tillämpning av kunskap från rymdsektorn eller användning av rymdsystem och rymdbaserade tjänster inom andra områden än rymd (s.k. spin-off);
- Tillhandahållande av produkter eller tjänster till rymdsektorn, inom hela värdekedjan (från enskilda komponenter till helt nya rymdsystem, inklusive anläggningar och tjänster), samt aktiviteter kopplade till hela utvecklingskedjan (från konceptfas till drift), eventuellt med användning av teknik som ursprungligen utvecklats utanför rymdområdet, så kallad spin-in.
Projektförslagen ska tydligt beskriva hur projektet är relevant för Edge AI i rymden, de tematiska fokusområden som anges i denna utlysning samt bidrar till hållbar tillväxt.
Bidra till en hållbar systemomställning
ESA Phi-Lab Sweden har åtagit sig att främja hållbar utveckling inom rymdsektorn i linje med de globala målen för hållbar utveckling (Agenda 2030). Projektansökan bör diskutera samhälleliga och miljömässiga effekter av förslaget. Miljöpåverkan av att utveckla, använda och underhålla AI-system kan vara betydande och kan i vissa fall överväga fördelarna.
Dessutom kan AI-lösningar för rymdtillämpningar underlätta katastrofinsatser genom förbättrad jordobservation, främja klimatövervakning och miljöskydd, främja innovation inom olika branscher samt främja globalt samarbete och säkerhet. Lösningar kan också driva ekonomisk tillväxt genom att skapa nya marknader och arbetstillfällen, samtidigt som de säkerställer hållbara metoder och resurshantering.
Vi uppmuntrar projekt som strävar efter att uppnå de globala målen med särskilt fokus på jämställdhet och klimatomställning.
Med tanke på ESA Phi-Lab Swedens fokus på AI och edge learning bör projekten göra en tidig bedömning av en given AI-lösnings hållbarhet. Detta inkluderar att:
- Ta hänsyn till energiförbrukning under systemutveckling och gynna modeller med lägre komplexitet för att minska beräkningskraven.
- Utvärdera växthusgasutsläppen från verksamheten, med insatser för att förbättra koldioxideffektiviteten och implementera strategier för utsläppskompensation.
- Främja hållbara produkter och konsumtionsmönster, minska resursförbrukningen och förbättra produkternas kvalitet och livslängd.
Vad gäller rymdperspektivet i AI-projektet är det särskilt viktigt att:
- Minimera avfall, återvinna material och använda förnybara energikällor där det är möjligt.
- Säkerställa att AI-hårdvara som är utformad för driftsättning på edge förblir energieffektiv, inklusive användning av specialiserade komponenter som hårda processorer och feltoleranta designer.
- Undersöka möjligheten till återvinning och återanvändning av hårdvara, tillsammans med effektiva scenarier för avfallshantering för att minimera miljöpåverkan.
Agenda 2030 som drivkraft för innovation
Tillgängliggöra vetenskapliga publikationer och resultat
När resultat från forskning och innovation görs fritt tillgängliga kan fler bidra till att lösa samhällsutmaningar. Den här utlysningen ska bidra till att tillgängliggöra resultat för alla. Därför ska all vetenskaplig publicering ske med öppen tillgång.