چینیها روش جدیدی برای شناسایی جنگنده اف۳۵ کشف کردند؟!
گزارشی تازه از توسعه یک سامانه هوش مصنوعی در چین خبر میدهد که برای کمک به موشکهای هوابههوا در تشخیص امضای حرارتی جنگندههای پنهانکار طراحی شده است. این سامانه در آزمایشهای آزمایشگاهی توانسته اهداف شبیهسازیشده اف-۲۲ و اف-۳۵ را با دقت بالایی شناسایی کند؛ موضوعی که میتواند مسیر تازهای برای مقابله با جنگندههایی باشد که بخش مهمی از مزیت آنها بر پایه دشوارکردن کشف راداری است.
به گزارش جماران، چین با توسعه یک سامانه هوش مصنوعی برای تحلیل امضای حرارتی، به دنبال شناسایی جنگندههای پنهانکاری مانند اف۲۲ و اف۳۵ از روی گرمای آنها است.
فارس به نقل از اینترستینگانجینیرینگ نوشت، گزارشی تازه از توسعه یک سامانه هوش مصنوعی در چین خبر میدهد که برای کمک به موشکهای هوابههوا در تشخیص امضای حرارتی جنگندههای پنهانکار طراحی شده است. این سامانه در آزمایشهای آزمایشگاهی توانسته اهداف شبیهسازیشده اف-۲۲ و اف-۳۵ را با دقت بالایی شناسایی کند؛ موضوعی که میتواند مسیر تازهای برای مقابله با جنگندههایی باشد که بخش مهمی از مزیت آنها بر پایه دشوارکردن کشف راداری است.
ماجرا از یک محدودیت قدیمی در فناوری پنهانکاری شروع میشود. جنگندههایی مانند اف-۲۲ و اف-۳۵ طوری طراحی شدهاند که بازتاب امواج راداری آنها تا حد ممکن کاهش پیدا کند. شکل بدنه، پوششهای جاذب رادار و طراحی ورودی موتور، همگی برای دشوارترکردن شناسایی و رهگیری این هواپیماها به کار گرفته شدهاند. اما کاهش امضای راداری به معنای حذف تمام نشانههای قابل شناسایی هواپیما نیست. موتور، خروجی اگزوز و حتی گرمشدن بدنه در اثر حرکت با سرعت بالا، همچنان انرژی فروسرخ تولید میکنند.
اینجاست که فناوری جدید چینی اهمیت پیدا میکند. پژوهشگران مؤسسه فناوری پکن و آکادمی موشکهای هوابرد چین، یک سامانه هوش مصنوعی سبکوزن ساختهاند که قرار است روی تجهیزات تصویربرداری فروسرخ مورد استفاده در موشکها اجرا شود. هدف این سامانه آن است که تصاویر حرارتی دریافتشده توسط جستوجوگر موشک را تحلیل کند و در مدت بسیار کوتاهی تشخیص دهد که الگوی مشاهدهشده متعلق به چه نوع هدفی است.
دقت ۹۷ درصدی
عدد منتشرشده درباره عملکرد این سامانه در نگاه اول بسیار چشمگیر است. پژوهشگران اعلام کردهاند مدل هوش مصنوعی در آزمایشهای شبیهسازیشده به دقت کلی ۹۷.۱ درصد در شناسایی اهداف رسیده است. در یک آزمایش سختافزاری نیز دقت حدود ۹۶.۴ درصد ثبت شده و سامانه توانسته هر تصویر فروسرخ را در حدود ۱.۵ میلیثانیه پردازش کند.
آزمایشها با تصاویر فروسرخ و اهداف شبیهسازیشده انجام شدهاند. پژوهشگران از ۳۲۴۵ تصویر فروسرخ برای آموزش و ارزیابی سامانه استفاده کردند و در میان اهداف شبیهسازیشده، الگوهایی مشابه امضای حرارتی اف-۲۲ و اف-۳۵ نیز وجود داشته است. بنابراین فاصله قابلتوجهی میان عملکرد آزمایشگاهی و عملکرد واقعی در یک نبرد هوایی وجود دارد.
چرا هوش مصنوعی وارد موشک شده است؟
جستوجوی فروسرخ موضوع تازهای در جنگ هوایی نیست. موشکهای حرارتی سالهاست از گرمای تولیدشده توسط موتور هواپیما برای پیدا کردن و تعقیب اهداف استفاده میکنند. نسلهای جدیدتر این سامانهها حتی میتوانند علاوه بر اگزوز، گرمای سطح بدنه را که بر اثر اصطکاک با هوا ایجاد میشود نیز تشخیص دهند.
اما یک مشکل جدی وجود دارد: موشک فضای بسیار محدودی برای پردازش اطلاعات دارد.
یک جنگنده در آسمان ممکن است در کنار هدف واقعی، منابع حرارتی دیگری مانند شرارههای فریبدهنده ایجاد کند. موشک باید در زمانی بسیار کوتاه تشخیص دهد کدام تصویر مربوط به هواپیمای واقعی است و کدام مورد یک هدف کاذب. بنابراین فقط داشتن حسگر فروسرخ کافی نیست؛ توانایی تحلیل سریع تصاویر نیز اهمیت زیادی دارد.
سامانه چینی دقیقاً برای همین بخش طراحی شده است. پژوهشگران تلاش کردهاند مدل هوش مصنوعی را کوچک و کممصرف کنند تا بتوان آن را در سختافزار محدود یک موشک قرار داد. طبق نتایج منتشرشده، مدل جدید به حدود ۱۶.۱ درصد پارامترهای مدلهای قبلی کاهش یافته و نیاز محاسباتی آن نیز به حدود ۱۹.۲ درصد رسیده است.
پردازش تصویر در ۱.۵ میلیثانیه
اهمیت سرعت در اینجا فقط یک ویژگی فنی نیست؛ مستقیماً با زمان واکنش موشک ارتباط دارد. یک موشک هوابههوا در حین پرواز فرصت محدودی برای تشخیص هدف، اصلاح مسیر و مقابله با اقدامات فریبدهنده دارد.
سامانه آزمایششده در چین توانسته تصاویر فروسرخ را با سرعت حدود ۱.۵ میلیثانیه برای هر تصویر پردازش کند. مصرف انرژی آن نیز حدود ۲.۲ وات گزارش شده است. چنین اعدادی برای یک سامانه هوش مصنوعی که قرار است روی تجهیزات کوچک و محدود موشک نصب شود، اهمیت دارد؛ زیرا پردازنده نمیتواند مانند یک رایانه یا مرکز داده فضای زیاد، برق فراوان و سیستم خنککننده بزرگ در اختیار داشته باشد.
در واقع، بخش مهم پروژه صرفاً افزایش دقت هوش مصنوعی نبوده است. پژوهشگران تلاش کردهاند الگوریتمی بسازند که بتواند با سختافزار کوچک، مصرف انرژی پایین و سرعت بالا تصمیم بگیرد.
چالش اصلی؛ جنگنده واقعی شرایط متفاوتی دارد
با وجود نتایج منتشرشده، تبدیل این فناوری آزمایشگاهی به یک قابلیت عملیاتی کار سادهای نیست.
امضای حرارتی یک جنگنده ثابت نیست. دمای موتور، وضعیت پرواز، سرعت هواپیما، زاویهای که موشک از آن به هدف نگاه میکند، ارتفاع، شرایط جوی و حتی وضعیت پسسوز میتوانند شکل و شدت تصویر فروسرخ را تغییر دهند.
از سوی دیگر، یک جنگنده نیز قرار نیست منفعلانه منتظر نزدیکشدن موشک بماند. سامانههای دفاعی هواپیما میتوانند از روشهای مختلف برای کاهش احتمال اصابت موشکهای حرارتی استفاده کنند. بنابراین حتی اگر هوش مصنوعی بتواند یک الگوی حرارتی را شناسایی کند، هنوز مسئله ردگیری، حفظ قفل و اصابت موفق باقی میماند.
با این حال، اهمیت این پژوهش را نمیتوان نادیده گرفت.
اف-۲۲ و اف-۳۵ نیز برای کاهش امضای فروسرخ خود تمهیدات مختلفی دارند. برای نمونه، طراحی خروجی موتور اف-۲۲ به کاهش انتشار حرارت کمک میکند و اف-۳۵ نیز علاوه بر ویژگیهای رادارگریزی، برای کاهش امضاهای مختلف طراحی شده است.
بنابراین رقابت میان پنهانکاری و فناوری کشف هدف ادامه دارد: هرچه جنگندهها در برابر رادار دشوارتر دیده شوند، ارزش حسگرهای غیرفعال و روشهای دیگری که میتوانند نشانههای باقیمانده را پیدا کنند بیشتر میشود.
پژوهش جدید چین دقیقاً در همین نقطه قرار میگیرد. اگر رادار نتواند بهراحتی جنگنده را پیدا کند، حسگر فروسرخ به دنبال گرمای آن میرود و هوش مصنوعی تلاش میکند در میان هزاران الگوی حرارتی، هدف واقعی را تشخیص دهد.
این یعنی میدان رقابت میان جنگندههای پنهانکار و موشکهای ضدآنها فقط به قدرت رادار محدود نمیشود؛ جنگ بر سر این است که کدام طرف بتواند نشانههای بسیار ضعیف باقیمانده از دیگری را سریعتر پیدا و تفسیر کند.
مشاهده خبر در جماران