ClearSpace utilise un logiciel de l'EPFL pour protéger les satellites
Un réseau neuronal convolutif développé dans le Laboratoire des systèmes embarqués de la Faculté des sciences et techniques de l'ingénieur sera déployé par ClearSpace, un spin-off de l'EPFL, pour protéger les communications internes au satellite des interférences causées par le rayonnement solaire.
Tous les systèmes de communication par satellite sont par définition vulnérables aux pirates informatiques et sont protégés à la fois par du matériel et des logiciels. Cependant, parce qu'ils résident en dehors de la protection de l'atmosphère terrestre, les satellites sont peut-être exposés au pirate informatique le plus puissant et le plus imprévisible qui soit : le soleil.
«Le rayonnement solaire peut affecter les données traitées dans n'importe quel système spatial», explique Rubén Rodriguez Álvarez, doctorant au Laboratoire des systèmes embarqués (ESL), dirigé par David Atienza. «Les radiations provoquent l'inversion de bits de données binaires, polluant vos données avec des interférences, et vous ne pouvez même pas savoir que cela se produit».
L'un des moyens de protéger un système contre les radiations consisterait à installer des écrans réfléchissants, mais c'est exactement le type de solution lourde que les ingénieurs en charge des satellites souhaitent éviter. Une idée de Flavio Ponzina, récemment diplômé de l'ESL et aujourd'hui chercheur postdoctoral à l'université de Californie, semble offrir une meilleure solution logicielle. La technologie, E2CNN, apporte une solution au problème de l'interférence des radiations sans augmenter les frais généraux.
«Nous prenons un réseau neuronal, nous l'optimisions soigneusement, puis nous en envoyons plusieurs copies sur des canaux distincts, par souci de redondance», explique Flavio Ponzina. «Si des radiations ou tout autre type d'interférence affectent l'information dans l'un de ces canaux, les autres seront crédibilisés par rapport à celui dont les données ont été corrompues».
Je pense qu'il est très bénéfique pour les scientifiques de l'EPFL de voir que la recherche qu'ils font peut être appliquée au monde réel, en travaillant avec des entreprises comme ClearSpace qui se consacrent au déploiement des systèmes aérospatiaux
Dans deux études de cas appliquant E2CNN à des données de positionnement pour la navigation par satellite, les chercheurs ont constaté qu'il n'y avait pas d'augmentation de la vitesse de traitement, mais qu'il y avait une augmentation de la précision - même en l'absence d'interférences dues aux radiations. Ces travaux ont été présentés lors de la conférence SPAICE 2024 en septembre.
ClearSpace, un spin-off de l'EPFL, a l'intention d'utiliser la technologie E2CNN pour sa mission pionnière d'élimination des débris de l'orbite terrestre, ClearSpace-1, qui devrait décoller dans les prochaines années. Maintenant que Flavio Ponzina a quitté l'EPFL, Rubén Rodriguez Álvarez poursuit le projet en implémentant le logiciel sur des FPGA (Field Programmable Gate Array): des processeurs qui peuvent changer de configuration en fonction des exigences de l'application. Dans ce cas, ils s'adaptent merveilleusement bien à l'envoi de réseaux neuronaux sur plusieurs canaux parallèles.
Jacques Viertl de ClearSpace est clair sur les avantages de ce système. «Nous avons demandé une implémentation sur FPGA en raison de la redondance qu'ils offrent. Chaque fois que vous traitez des images, il y a un compromis entre la qualité et la charge de travail, mais dans le cas de la reconnaissance visuelle des cibles par ClearSpace-1, le traitement de l'information sera protégé par les multiples canaux utilisés, sans coût supplémentaire en termes de puissance de traitement».
David Atienza ajoute que pour le laboratoire ESL, la collaboration était très importante pour s'assurer que leurs recherches dans le domaine de l'intelligence artificielle et des systèmes embarqués intelligents puissent être appliquées au contexte de la technologie spatiale. «Je pense également qu'il est très bénéfique pour les scientifiques de l'EPFL de voir que la recherche qu'ils font peut être appliquée au monde réel, en travaillant avec des entreprises comme ClearSpace qui se consacrent au déploiement des systèmes aérospatiaux ».
Using ensemble learning to improve radiation tolerance of CNNs in space applications
Cet article est initialement paru sur le site du centre EcoCloud de l'EPFL: ClearSpace will use Minority Report technology from EPFL