En un proyecto innovador que combina educación con una aplicación del mundo real, dos estudiantes de la Universidad de Pittsburgh, Dikchhya y Niseal Kharel han tomado pasos importantes en la tecnología espacial mediante el desarrollo de aplicaciones y utilizando un satélite geosíncrono. Esta oportunidad surgió a través de una colaboración con el Centro NSF para el espacio, la informática de alto rendimiento y la resistencia (SHREC) y Lockheed Martin de la Universidad.
Cuando se graduaron en la Swanson School of Engineering, los Cousins de Kharel no estaban seguros de sus futuros planes de la escuela de posgrado para una conversación casual con Samuel Dickerson, un profesor asistente de tecnología eléctrica e informática, abrió nuevas puertas. Dickerson se los presentó a Alan George, director del Centro Espacial SHREC, quien los invitó a participar en proyectos de investigación espacial junto a Ph.D. El estudiante Linus Silbernagel y el investigador postdoctoral Evan Gretok.
Su experiencia práctica comenzó cuando Lockheed Martin lanzó un sistema satelital de actualización en el espacio (LM Linuss) el 1 de noviembre de 2022 en Baan geosíncrono (GEO). Este satélite gira con una tasa fija que parece estacionario al suelo y sirve como plataforma de prueba para diversas aplicaciones. Linuss, más de 22,236 millas colocadas desde la Tierra, ofrece varios desafíos en comparación con los satélites en trabajos más bajos.
Dikchhya y Nischal tenían como objetivo optimizar las aplicaciones para el aprendizaje automático para mejorar la eficiencia de los datos. Uno de los desafíos más importantes fue la potencia informática limitada de los catélites Cubesat. Niseal trabajó en un proyecto utilizando técnicas de aprendizaje automático para comprimir datos de imágenes satelitales. A pesar del éxito provisional en la Tierra, la aplicación se enfrentó a las restricciones de memoria en la sala, de modo que trabajó estrechamente con Silbernagel y el equipo Lockheed para refinar la tecnología.
Dikchhya ha abordado un problema relacionado con respecto a los datos masivos generados por las imágenes satelitales. Muchas imágenes que se transfieren a la Tierra son de poca relevancia y consumen un valioso ancho de banda y almacenamiento. Desarrolló un modelo de aprendizaje automático que puede clasificar las imágenes de forma autónoma a bordo del satélite, lo que reduce significativamente la transferencia de datos superfluas.
Después de un desarrollo y pruebas exhaustivas, su aplicación se utilizó con éxito en Linuss, lo que marcó un logro importante para los estudiantes y sus mentores. Su desempeño subraya el acceso y la capacitación únicos que se brinda a través de la cooperación entre SHREC y los socios industriales.
Esta iniciativa no solo representa un hito para el Kharel -negven, que ahora sigue estudios graduados en SHREC, sino que también es un ejemplo del potencial de las asociaciones académicas para dar forma al futuro de la ingeniería espacial y la innovación tecnológica. Mientras miran hacia atrás en su viaje, ambos estudiantes piensan en la invaluable experiencia obtenida al abordar los desafíos sin precedentes en la investigación espacial.
