A atividade de espaçonaves no espaço cislunar tem grande importância para o desenvolvimento tecnológico e a exploração espacial, mas seu projeto e manutenção orbital enfrentam enormes desafios computacionais. Pesquisadores do Laboratório Nacional Lawrence Livermore utilizaram recursos de supercomputação para simular e publicar com sucesso um conjunto de dados de 1 milhão de trajetórias no espaço próximo à Terra. Os resultados relacionados foram publicados no Research Notes of the American Astronomical Society.
A equipe de pesquisa empregou um pacote de software Python de Consciência Situacional Espacial desenvolvido internamente, conduzindo simulações orbitais em grande escala com base em dados e códigos abertos. Travis Yeager, cientista do LLNL e autor do software, explicou a característica de sua abordagem: "O ponto crucial é que não fazemos nenhuma suposição sobre o tipo de órbita que queremos. Tentamos fingir que não sabemos nada sobre este espaço." O processo de simulação é baseado em passos de tempo discretos, exigindo a consideração integrada de interações de múltiplos corpos, como a gravidade da Terra, da Lua, do Sol e a pressão de radiação. Tais sistemas complexos não possuem soluções analíticas exatas. Yeager explicou ainda: "Se você quiser saber onde um satélite estará em uma semana, não há realmente nenhuma fórmula que lhe diga onde ele estará. Você só pode prosseguir passo a passo."
A pesquisa incorporou na modelagem a distribuição irregular de massa no interior da Terra e da Lua. Yeager citou o sistema GPS como exemplo: "Se projetássemos satélites GPS sem considerar a estrutura 'lumpiness' (irregular) no interior da Terra, não poderíamos alcançar a precisão de nível métrico do GPS. Você nem saberia em que estrada está dirigindo." Para gerar um milhão de trajetórias com uma vida útil de seis anos, o cálculo consumiu um total de 1,6 milhão de horas de CPU. Com a ajuda dos supercomputadores Quartz e Ruby do Laboratório Nacional Lawrence Livermore, a equipe concluiu todas as simulações em apenas três dias. Danville Higgins, outro autor, destacou a vantagem de seu código: "O interessante do nosso código é que ele é paralelizável, enquanto outros códigos comerciais não possuem essa característica. Podemos distribuir a tarefa para diferentes nós."
Dentre as trajetórias geradas, 54% permaneceram estáveis por mais de um ano, e 9,7% mantiveram estabilidade por seis anos. Higgins apontou seu valor do ponto de vista da ciência de dados: "Do ponto de vista da ciência de dados, este é um conjunto de dados muito interessante. Quando se possui um milhão de trajetórias, pode-se realizar análises muito ricas usando aplicações de aprendizado de máquina. Pode-se tentar prever a vida útil da órbita, prever sua estabilidade ou realizar detecção de anomalias para ver se a órbita está se comportando de maneira anômala." Esses dados ajudarão a identificar áreas críticas para o tráfego espacial, fornecendo suporte para o planejamento orbital e a consciência situacional espacial. A equipe já publicou o software relacionado no Journal of Open Source Software e disponibilizou todos os dados abertamente, visando promover colaboração em pesquisas subsequentes.
Mais informações: Autores: Travis Yeager et al., Título: "One Million Open-Source Cislunar Orbits", Publicado em: Research Notes of the American Astronomical Society (2025).
Autores: Joshua E. Meyers et al., Título: "SSAPy - Space Situational Awareness in Python", Publicado em: Journal of Open Source Software (2025).
