論文の概要: Deep Tech to Space: Space Data Centers and AI Revolution at the Edge

• arxiv url: http://arxiv.org/abs/2605.19892v1
• Date: Tue, 19 May 2026 14:23:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.397042
• Title: Deep Tech to Space: Space Data Centers and AI Revolution at the Edge
• Title（参考訳）: Deep Tech to Space: 宇宙データセンターとエッジにおけるAI革命
• Authors: Jonas Weiss, Patricia Sagmeister, Gabriel Maiolini Capez, Dinesh Verma, Roberto Garello, Alberto Perotti, Dawid Lazaj, Alicja Musial, Jakub Nalepa, Thomas Morf, Martin Schmatz, Marek Krawczyk, Mateusz Przeliorz, Kevin Roche, Sagar Tayal, Mahalakshmi Lakshminarayanan, Nicolas Longépé, Pierre-Philippe Mathieu, Agata Wijata,
• Abstract要約: Space Data Centers (SDC) は、ソフトウェア駆動のマルチテナント人工知能ベースのサービスプラットフォームで、軌道上でデータを処理できる。 本稿では、軌道設計、衛星間リンク、ネットワークトポロジーを考慮して、低軌道SDC衛星コンステレーションのアーキテクチャについて述べる。 我々は,技術ロードマップから得られた予測モデルを用いて,SDCの技術的実現可能性と経済性について分析する。
• 参考スコア（独自算出の注目度）: 5.191708026362522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dramatic cost reductions driven by private sector innovations have led to a rapid increase in the number of satellites in orbit and a corresponding surge in space-generated data. As this trend continues, transmitting large volumes of data to Earth for processing may become increasingly costly and challenging due to potential space-to-Earth link congestion and increased latency. Moreover, traditional ground station networks may face difficulties accommodating growing data flows and workloads because of capacity constraints, complex scheduling logistics, and restricted visibility windows, which can limit scalability. Space Data Centers (SDCs) -- software-driven, multi-tenant artificial intelligence-based service platforms capable of processing data in orbit to generate actionable insights for client satellites and ground users -- represent a promising approach to address these challenges. This article presents the architecture of a Low Earth Orbit SDC satellite constellation, considering orbital design, inter-satellite links and network topology, computational resource organization, and software service orchestration. We analyze the potential technical feasibility and economic viability of SDCs using forecasting models informed by technology roadmaps and illustrate the concept through Earth observation and lunar exploration use cases.
• Abstract（参考訳）: 民間セクターの革新によって引き起こされた劇的なコスト削減により、軌道上の衛星の数が急増し、それに対応する宇宙データも急増した。 この傾向が続くにつれ、大量のデータを処理するために地球に送信することは、スペース・ツー・アース・リンクの混雑と遅延の増加により、コストが増大し、困難になる可能性がある。 さらに、キャパシティの制約、複雑なスケジューリングのロジスティクス、拡張性を制限する制限された可視性ウィンドウのため、従来の地上局ネットワークでは、データフローやワークロードの増大が困難になる可能性がある。 Space Data Centers (SDCs) – クライアント衛星と地上ユーザーのための実用的な洞察を生み出すために、軌道上でデータを処理できる、ソフトウェア駆動のマルチテナント人工知能ベースのサービスプラットフォーム – は、これらの課題に対処するための有望なアプローチである。 本稿では、軌道設計、衛星間リンク、ネットワークトポロジ、計算資源組織、ソフトウェアサービスオーケストレーションなどを考慮して、低地球軌道SDC衛星コンステレーションのアーキテクチャについて述べる。 技術ロードマップから得られた予測モデルを用いて,SDCの技術的実現可能性と経済性について分析し,地球観測と月探査のユースケースを通してその概念を解説する。

関連論文リスト

• Optimizing Earth-Moon Transfer and Cislunar Navigation: Integrating Low-Energy Trajectories, AI Techniques and GNSS-R Technologies [0.0]
  月面着陸を含むシスルナー活動は、コスト効率の良い軌道設計とナビゲーションとリモートセンシングの信頼性の高い統合を必要とする。 従来の地球-月移動は厳格な打ち上げ窓と高い推進剤の要求に悩まされ、地球ベースのシステムは静止軌道を超える範囲をほとんど、あるいは全く提供しない。 このレビューでは、速度要件、飛行時間、燃料効率を評価し、乗組員とロボットの両方のミッションに適合するかどうかを識別することで、4つの主要な転送戦略を比較した。
  論文  参考訳（メタデータ） (2025-11-05T04:41:43Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• Accelerating Privacy-Preserving Federated Learning in Large-Scale LEO Satellite Systems [57.692181589325116]
  大規模な低地球軌道(LEO)衛星システムは、高速かつ広範囲のデータ交換を可能にする能力によって、ますます価値が高まっている。 プライバシー上の懸念と規制上の制約のため、リモートクライアントで収集された生データを集中的に集約することはできない。 フェデレーション学習は、分散デバイス上でローカルモデルをトレーニングし、モデルパラメータのみを交換することで、プライバシ保護の代替手段を提供する。 本稿では,コミュニケーションリソースを動的に割り当て,フェデレート学習を高速化する,離散時間グラフに基づくオンデマンドスケジューリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-05T03:33:42Z)
• SpaceTrack-TimeSeries: Time Series Dataset towards Satellite Orbit Analysis [7.471495336112591]
  本研究は、Starlink衛星からの操作行動の代表的なデータセットを収集し、キュレートする。 このデータセットは、TLE(Two-Line Element)カタログデータと対応する高精度なエフェメリスデータを統合することで、より現実的で多次元的な宇宙物体の挙動モデリングを可能にする。 これは、機動検出法の実践的な展開と、ますます混雑する軌道環境における衝突リスクの評価に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2025-06-16T01:57:50Z)
• Satellite Edge Artificial Intelligence with Large Models: Architectures and Technologies [43.24943201324192]
  極度の気象予報、災害監視、戦場監視はリアルタイムのデータ処理を必要とする。 衛星エッジ大型AIモデル(LAM)は、トレーニング(微調整)と推論フェーズの両方を含む。 時間変化トポロジを持つ資源制約付き宇宙ネットワークにおけるLAM展開
  論文  参考訳（メタデータ） (2025-04-02T12:25:57Z)
• Distributed satellite information networks: Architecture, enabling technologies, and trends [56.747473208256174]
  分散衛星情報ネットワーク(DSIN)は、多様な衛星システム間での情報ギャップを埋める革新的なアーキテクチャとして登場した。 この調査はまず、DSINの革新的なネットワークアーキテクチャに関する深い議論を提供する。 DSINは、ネットワークの不均一性、予測不可能なチャネルダイナミクス、スパースリソース、分散コラボレーションフレームワークといった課題に直面している。
  論文  参考訳（メタデータ） (2024-12-17T06:44:05Z)
• Hierarchical Learning and Computing over Space-Ground Integrated Networks [40.19542938629252]
  地上IoTデバイス上で,局所的に訓練されたモデルに対してグローバルアグリゲーションサービスを提供するための階層的学習・計算フレームワークを提案する。 モデルアグリゲーションのネットワークエネルギー問題を定式化し、これはDST問題であることが判明した。 代用有向グラフ上で最小スパンニングアーボラッセンスを求めることでDST問題を解決するためのトポロジカル・アウェア・エネルギ効率・ルーティング(TAEER)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-08-26T09:05:43Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。