Das erste Forschungsziel ist es, das Anwendungspotential von neuronalen Netzen im Bereich der Bahnbestimmung von Weltraumobjekten zu untersuchen. Neben den rein auf maschinellem Lernen basierenden Bahnbestimmung (insbesondere mittels neuronaler Netze) sollen auch hybride Konzepte untersucht werden, bei denen KI die Ergebnisse klassischer Algorithmen zur Bahnbestimmung korrigiert. Die erzielten Ergebnisse können dazu beitragen, deutlich effizientere Algorithmen zur Bahnbestimmung mit höherer Genauigkeit zu entwickeln. Das zweite Forschungsvorhaben befasst sich mit der Abschätzung der Unsicherheiten von Bahnelemente einer Bahnbestimmung von Weltraumobjekten, d.h. der Varianz-Kovarianz-Matrix. Dies ist eine wesentliche Voraussetzung für die weitere Nutzung der generierten Datensätze. Im Rahmen dieses Projektes werden geeignete Ansätze ausgewählt, entwickelt und es wird untersucht, inwieweit die Entwicklung der Kovarianz eines Propagators und insbesondere seiner Kräftemodelle mittels KI bestimmt werden können, indem entweder ein Teil der physikalischen Repräsentation und Kräfte modelliert oder die Unsicherheiten der zugehörigen Parameter weiter eingegrenzt werden. Die erzielten Resultate können dazu beitragen, die Unsicherheiten von Objekttrajektorien zu reduzieren und damit genauere sowie zuverlässigere Bahndaten zu erhalten.     «

Das erste Forschungsziel ist es, das Anwendungspotential von neuronalen Netzen im Bereich der Bahnbestimmung von Weltraumobjekten zu untersuchen. Neben den rein auf maschinellem Lernen basierenden Bahnbestimmung (insbesondere mittels neuronaler Netze) sollen auch hybride Konzepte untersucht werden, bei denen KI die Ergebnisse klassischer Algorithmen zur Bahnbestimmung korrigiert. Die erzielten Ergebnisse können dazu beitragen, deutlich effizientere Algorithmen zur Bahnbestimmung mit höherer...    »