Simuleringsverktyg för satellitkonstellationsuppdrag

Viktiga resultat som projektet gav

Vi har utvecklat MiSim, som simulerar flera satelliters parametrar. För varje satellit har vi skapat ett schema med olika aktiviteter, samt simulerat grundläggande kommunikation mellan dem. Vårt Graph Neural Network (GNN) har generaliserats för att kunna hantera flera inmatningskällor. Vi har utvecklat ett enklare neuronnätverk som referensmodell för GNN:n. Vi har utvecklat ett neuronnätverk för att predicera orbitalparametrar, tränat på en ny dataset från våra samarbetspartners på CNÉS.

Långsiktiga effekter som förväntas

Om ESA-förslaget går vidare till Fas 2, skulle detta projekt innebära Sveriges officiella deltagande i ett internationellt rymdinitiativ. Om uppdraget godkänns, kommer detta arbete att ha bidragit till utvecklingen av en gemensam rymdmission för vetenskaplig forskning. När utvecklingen av MiSim och de tillhörande AI-modulerna är färdigställd, är vårt mål att publicera och dela dem öppet, så att forskarsamhället får tillgång till verktygen och kan använda dem brett i rymdprojekt med olika syften.

Upplägg och genomförande

Vinnovas finansiering har möjliggjort vårt aktiva engagemang i arbetet med ESA:s M8-förslag. Tyvärr innebar den korta tiden mellan Vinnovas beslut och ESA:s inlämningsdeadline att vi hade begränsade resurser att tillgå, vilket påverkade hur långt vi kunde komma i utvecklingsarbetet. Trots dessa begränsningar har vi gjort betydande framsteg, vilket placerar oss i en stark position inför nästa fas av ESA-förslaget och för planering av framtida rymdmissioner med andra syften.