- BQP 獲得美國聯邦研究合約，開發量子啟發軟件。
- 該軟件旨在加速識別地球軌道中的未知物體。
- 新方法可在有限硬件上運行，並保持高準確率。
- 該技術可應用於國防及商業航空等多個領域。
一家位於紐約的科技公司獲得了其首個美國聯邦研究合約，旨在開發能夠幫助軍事操作員更快速識別地球軌道中未知物體的軟件。這項合約通過 SpaceWERX 開放主題小型企業創新研究 (SBIR) 項目獲得，重點在於利用物理限制的機器學習來改善太空領域的認知。BosonQ Psi Federal (BQP) 將驗證一款新軟件應用，該應用結合了基於物理的模型與量子啟發的計算技術。
其目標是以顯著低於傳統人工智能模型的計算能力，更快地對未識別的軌道物體進行分類。
追蹤軌道活動的挑戰
隨著衞星和碎片數量的增加，追蹤軌道活動變得越來越困難。美國太空監視網絡每天收集約 18,000 到 25,000 次觀測。這些檢測中的許多無法立即與已知的衞星或碎片相連接。這些未識別的觀測稱為未關聯軌跡 (UCTs)，可能包括新發射的航天器、碰撞碎片或需要更進一步調查的物體。識別這些物體的延遲可能會拖慢操作決策，並降低對太空環境的整體認知。BQP 的軟件旨在通過結合物理約束與量子輔助的機器學習來加速這一過程。
該公司表示，這種方法可實現準確的人工智能推斷，而無需依賴雲基礎設施、圖形處理單元或未來的量子計算機。相反，它旨在直接在符合太空標準的處理器和其他資源受限的硬件上運行。
BQP 表示，其物理限制的量子輔助機器學習 (PC-QAML) 架構所產生的模型比傳統模型小 99%，將參數數量從約 1400 萬縮減至約 2000，且不影響準確性。該公司指出，儘管大幅減少，軟件仍保持超過 99% 的分類準確率。緊湊架構還實現了推斷延遲的十倍減少，並將功耗降低約 90%。BQP 表示，工程師能夠比傳統機器學習系統更快速地重新訓練模型。這些效率提升已經使得該技術能夠在 NVIDIA Jetson Nano 邊緣計算設備上部署，該設備位於太空領域認知 TAP 實驗室，該實驗室以前稱為
SDA TAP 實驗室。展示顯示先進的人工智能可以在適合自主太空任務的緊湊硬件上運行。
軍事應用與技術驗證
BQP 的創始人及首席技術官 Rut Lineswala 表示：「我們的目標是在最重要的地方使先進的人工智能變得實用：在運行計算能力有限和通信不穩定的衞星及前置部署系統上。」他表示，這項聯邦獎勵驗證了公司的技術，並提供了一個展示量子啟發計算如何解決國家安全任務面臨的操作挑戰的機會。
軍事操作員可以利用該軟件區分常規的軌道活動和潛在可疑行為，包括衞星機動、分離事件及近距離操作。在航天器上直接處理信息可減少對集中計算系統的依賴，並提高反應時間。該項目擴展了 BQP 之前在太空領域認知 TAP 實驗室進行的工作。在 2025 年 SDA Mini-Accelerator 中，該公司的技術展示了軌道分離檢測能力，並成為未來 UCT 分類和威脅模擬應用的候選者，支持美國的太空操作。
除了國防外，該軟件還可能在商業航空、自主車輛、工業監控及其他需要在緊湊、低功耗計算平台上提供可靠性能的領域找到應用。
量子啟發技術在國防中的應用潛力
隨著太空環境的複雜性增加，能夠快速準確識別未知物體變得至關重要。BQP 的量子啟發軟件不僅能提高軍事操作的效率，還能在資源受限的情況下運行，這對於未來的太空任務至關重要。這項技術的成功驗證可能會促進更多創新，並在國防及其他行業中推動智能化解決方案的發展，從而提升整體的安全性和反應能力。