用于 VLEO 模拟的 NeuralODEs：引入 thermoNET 进行热层建模
地球与行星天体物理
2024-05-31 v1 机器学习
大气与海洋物理
空间物理
摘要
我们引入一种新型神经网络架构，称为 thermoNET，旨在以较少的可微计算量表示卫星轨道传播中的热层密度。由于神经网络出现在运动方程的右侧，由此得到的卫星动力学由 NeuralODE 控制，这是一种神经常微分方程，具有完全可微的特性，允许推导变分方程（从而得到状态转移矩阵），并促进其与先进数值技术（如 Taylor 基于的数值传播和微分代数技术）的联系。通过两种不同方法高效训练网络参数。在第一种方法中，网络独立于 spacecraft 动力学进行训练，进行纯回归任务，对 ground truth 模型（包括 JB-08 和 NRLMSISE-00）进行拟合。在第二种范式中，网络参数基于观察到的动力学学习，通过 ODE sensitivities 进行适应。在两种情况下，结果都是一种灵活、紧凑的热层密度模型，大大增强了数值传播效率，同时保持轨道预测的准确性。
引用
@article{arxiv.2405.19384,
title = {NeuralODEs for VLEO simulations: Introducing thermoNET for Thermosphere Modeling},
author = {Dario Izzo and Giacomo Acciarini and Francesco Biscani},
journal= {arXiv preprint arXiv:2405.19384},
year = {2024}
}
备注
Paper presented and published in the 29th ISSFD Conference, Darmstadt, Germany