این سامانه چین با دقت ۹۷ درصدی جنگندههای پنهانکار آمریکا را شناسایی میکند
اقتصاد۲۴- این سامانه جدید در آزمایشهای شبیهسازیشده آزمایشگاهی توانست با دقتی تا ۹۷.۱ درصد اهداف F-۲۲ و F-۳۵ را شناسایی کند. پژوهشگران مؤسسه فناوری پکن و آکادمی موشکهای هوابرد چین این سامانه را برای سیستمهای تصویربرداری فروسرخ نصبشده روی موشکها طراحی کردهاند.
این پژوهش به یک مشکل عملی در سامانههای جستوجوگر موشکهای آینده پاسخ میدهد. این سامانهها باید تصاویر فروسرخ را تقریباً بهصورت لحظهای پردازش کنند، اما موشکها با محدودیتهای جدی در قدرت پردازشی، وزن و فضای در دسترس مواجه هستند.
خواندن گرمای جنگندهها
هواپیماها از طریق خروجی موتور، گرمشدن آیرودینامیکی و دیگر منابع در سراسر بدنه، امضای فروسرخ تولید میکنند. موشکهای گرمایاب میتوانند این تابشها را شناسایی کنند، در حالی که جنگندهها میتوانند با پرتاب شرارههای حرارتی، اهداف فروسرخ جعلی ایجاد کنند.
این موضوع یک مشکل شناسایی برای موشک ایجاد میکند. جستوجوگر فروسرخ باید تشخیص دهد گرمای مشاهدهشده مربوط به خود هواپیما است یا یک هدف فریبدهنده؛ آن هم در شرایطی که معمولاً تنها چند میلیثانیه برای این تصمیمگیری زمان دارد.
پژوهشگران سامانه خود را با استفاده از ۳۲۴۵ تصویر فروسرخ جمعآوریشده توسط یک سیستم اسکن نصبشده روی موشک آموزش دادند. این مجموعه داده شامل سه دسته هدف هوایی بود که جنگندههای شبیهسازیشده F-۲۲ و F-۳۵ نیز در میان آنها قرار داشتند.
بیشتر بخوانید: سوخو ۲۴؛ جنگندهای برای پرواز مافوق صوت در ارتفاع پست و فوق پست
طبق گفته پژوهشگران چینی، این مدل در آزمایشها به دقت شناسایی ۹۷.۱ درصد رسید. یک آزمایش جداگانه نیز نرخ شناسایی حدود ۹۰ درصدی را برای اهداف شبیهسازیشده جنگندهها نشان داد.
این نتایج نشان نمیدهد که سامانه در برابر جنگندههای واقعی F-۲۲ یا F-۳۵ چگونه عمل خواهد کرد. آن جیانگشان، پژوهشگر اصلی این پروژه، اعلام کرده دادههای آزمایش مرتبط همچنان محرمانه است و نمیتوان آنها را منتشر کرد.
کوچکسازی هوش مصنوعی
پژوهشگران چینی پیش از قرار دادن این مدل روی یک موشک، باید یک مشکل سختافزاری را نیز حل میکردند. سامانههای یادگیری عمیق معمولی ممکن است برای سلاحهای کوچک با محدودیتهای شدید اندازه و توان مصرفی، به منابع پردازشی بیش از حد نیاز داشته باشند.
این تیم حجم مدل خود را به ۱۶.۱ درصد پارامترهای مورد استفاده در روشهای قبلی کاهش داد. طبق این مطالعه، نیاز پردازشی نیز به ۱۹.۲ درصد مقدار قبلی کاهش یافت.
یک شتابدهنده اختصاصی هوش مصنوعی به بهبود بیشتر این سامانه کمک کرد. این سختافزار از عملیات کانولوشنی بهینهشده، پردازش موازی و بافرسازی دادهها استفاده میکند تا تصاویر فروسرخ را با بهرهوری بیشتری پردازش کند.
در آزمایشهای سختافزاری، این سامانه به دقت ۹۶.۴ درصد دست یافت و هر تصویر را در حدود ۱.۵ میلیثانیه پردازش کرد. مصرف انرژی کلی آن نیز حدود ۲.۲ وات بود که یک سامانه کممصرف برای کاربردهای نصبشده روی موشک در اختیار پژوهشگران قرار میدهد.
این سرعت میتواند در جریان یک درگیری اهمیت زیادی داشته باشد، زیرا یک موشک نمیتواند زمان زیادی را صرف تصمیمگیری درباره آنچه حسگرش میبیند کند. پردازش تصاویر در داخل موشک میتواند به جستوجوگر اجازه دهد اهداف را بدون وابستگی به سامانههای پردازشی خارجی طبقهبندی کند.
چالش جدید برای فناوری پنهانکاری
این پژوهش ثابت نمیکند که موشکهای چینی قطعاً میتوانند جنگندههای عملیاتی F-۲۲ یا F-۳۵ را شناسایی کنند. آزمایشها با اهداف شبیهسازیشده انجام شدهاند و پژوهشگران میگویند برای افزایش دقت شناسایی و سرعت پردازش، تحقیقات بیشتری لازم است.
این تیم همچنین مطالعه خود را به فیوزهای موشکهای هوابههوای کوتاهبرد محدود کرده است. هنوز مشخص نشده که آیا این روش میتواند در برابر سامانههای موشکی زمینبههوا نیز کاربرد داشته باشد.
برای آمریکا، این پژوهش به یک مشکل شناختهشده با رویکردی جدید اشاره میکند. هواپیماهای پنهانکار میتوانند امکان شناسایی راداری را بهشدت کاهش دهند، اما نمیتوانند گرمای تولیدشده توسط موتورهای خود و حرکتشان در هوا را کاملاً از بین ببرند.
حسگرهای فروسرخ توانمندتر میتوانند این تابشهای اجتنابناپذیر را به اطلاعات مفید برای هدفگیری تبدیل کنند. سپس پردازندههای هوش مصنوعی کوچک میتوانند به جستوجوگرهای موشکهای آینده کمک کنند تا این اطلاعات را سریعتر از سامانههای قدیمی تحلیل کنند.
