論文の概要: Scalable LEO Conjunction Screening using Adaptive Synthetic-Covariance Thresholds

• arxiv url: http://arxiv.org/abs/2610.11645v1
• Date: Thu, 08 Oct 2026 10:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.946293
• Title: Scalable LEO Conjunction Screening using Adaptive Synthetic-Covariance Thresholds
• Title（参考訳）: 適応型合成共分散閾値を用いたスケーラブルLEO接合スクリーニング
• Abstract要約: 固定されたアプシス閾値をオブジェクト固有の閾値に置き換える不確実性を考慮した共同スクリーニング手法を提案する。 本研究では,Space-Track General Perturbations (GP)カタログから33,791個のオブジェクトについて評価を行った。
• 参考スコア（独自算出の注目度）: 21.666726162280696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As orbital populations grow, conjunction screening must search more object pairs for potential collision risks. Existing pipelines use early-stage filters, such as an apsis filter, to eliminate pairs whose orbital altitude ranges cannot produce a close approach. However, these filters apply the same fixed threshold to every object, making the screening unnecessarily conservative for well-constrained objects while potentially insufficient for objects with greater orbit-prediction uncertainty. In this work, we present an uncertainty-aware conjunction screening method that replaces a single fixed apsis threshold with object-specific thresholds derived from propagated radial uncertainty. The resulting thresholds vary across both objects and prediction time, becoming narrower when propagated uncertainty is small and wider when uncertainty grows. We pair this adaptive screening rule with a binary-search altitude sweep that makes resulting heterogeneous intervals efficient to evaluate at catalog scale with log-linear search complexity. We evaluate the method on 33,791 objects from the Space-Track General Perturbations (GP) catalog using the preceding eight public ephemeris snapshots and a seven-day prediction horizon. The adaptive sieve retains 162.8 million candidate pairs, reducing the candidate set by 28.78% relative to a fixed 50 km apsis threshold and by 71.48% relative to brute-force all-pairs screening. It retains all close approaches identified in two independently propagated reference sets. At the largest tested catalog size, the binary-search sweep is 27 times faster than exhaustive interval evaluation while returning the same candidate set. These results demonstrate that uncertainty-aware screening can substantially reduce the candidate burden passed to downstream conjunction analysis, providing a scalable path toward managing increasingly large and heterogeneous orbital populations.
• Abstract（参考訳）: 軌道の人口が増加するにつれて、共同スクリーニングは衝突の危険を察知するためにより多くの物体対を探索しなければならない。 既存のパイプラインは、アプシスフィルタのような初期段階のフィルタを使用して、軌道高度の範囲が接近できないペアを除去する。 しかし、これらのフィルターは全ての対象に対して同じ固定しきい値を適用するため、十分に制約された対象に対してスクリーニングを不必要に保守すると同時に、軌道予測の不確実性が大きい対象に対して潜在的に不十分である。 本研究では,1つの固定されたアプシス閾値を伝搬する放射状不確実性から導出される対象固有しきい値に置き換える不確実性を考慮した共同スクリーニング手法を提案する。 結果として生じる閾値は、対象物と予測時間の両方で異なり、不確実性が大きくなると、伝播する不確実性が小さく、より広くなると、より狭くなる。 この適応スクリーニングルールを二分探索高度掃引法と組み合わせることで、ログ線形探索の複雑さを伴うカタログスケールでの評価を効率よくする。 宇宙軌道一般摂動(GP)カタログから得られた33,791個のオブジェクトに対して,先行する8つのパブリック・エフェメリス・スナップショットと7日間の予測地平線を用いて評価を行った。 アダプティブシーブは162.8万の候補ペアを保持しており、固定された50kmアプシス閾値に対して28.78%、ブルートフォース全ペアスクリーニングに対して71.48%と設定されている。 これは、2つの独立な伝播参照集合で特定されるすべての近接アプローチを保持する。 最大テストされたカタログサイズでは、バイナリ検索スイープは、同じ候補セットを返却しながら、排他的間隔評価よりも27倍高速である。 これらの結果から、不確実性を考慮したスクリーニングは下流の連成解析に渡される候補負担を大幅に軽減し、ますます大きく異質な軌道群を管理するためのスケーラブルな経路を提供することを示した。

関連論文リスト

• Sparsifying Stochasticity, Not Capacity: Partial Stochasticity via Deep Weight Factorization of Prior Scales [7.439524256560836]
  ベイズニューラルネットワークは、普遍的な条件密度近似器として完全に決定的である必要はないが、どのパラメータが存在するべきかは未定である。 我々は、パラメータ先行の標準偏差である事前尺度にディープ・ウェイト・ファクタライゼーションを適用することで、この分割を学習する。 事前スケールがカットオフ以下のパラメータは、推論中に最適化されるので、正規化器はキャパシティよりも分散する。 UCIベンチマークでは、決定論的パラメータの約半分を保ちながら、完全に決定論的ネットワークと同等に動作している。
  論文  参考訳（メタデータ） (2026-10-07T11:45:24Z)
• Online Supervised Dimension Reduction with Random Features: Diagnostics and Computational Trade-offs [3.7044133020722954]
  Online Kernel Supervised principal Component Analysis (OKSPCA)は、有限乱数係数座標における中心となるクロスモーメントと、確立された目的に対するAdamスタイルの正則基底更新を組み合わせたものである。 有限乱数係数座標における中心的クロスモーメントと、確立された目的に対するAdamスタイルの正規直交基底更新を組み合わせたOKSPCAについて、これらの区別について検討する。
  論文  参考訳（メタデータ） (2026-09-17T14:19:29Z)
• When is global evolutionary search useful for variational quantum algorithms? A landscape-first study [0.06875312133832077]
  2つのメカニズムは、回路層にまたがるパラメータトラップと、2-ローカルと3-ローカルのコスト項の競合という、局所的な信頼性を損なう。 適応微分進化(DE)は、難しい構成において、マルチスタートのBFGSとマルチスタートのパウエルよりも低い中央値誤差を達成する。 探索は、堅牢なグローバルサーチが利用可能である場合、量子回路の複雑さがより厳密な古典的最適化のために交換できるかどうかを動機付けている。
  論文  参考訳（メタデータ） (2026-09-13T15:22:20Z)
• Asymmetric Discourse Homogenization and Shared Language Technology: Evidence from Reddit [2.152401683177439]
  私は2022年の終わりごろに現われていた政治談話の多様化傾向について、イデオロギー的に非対称な断絶を報告します。 保守的なユーザーは以前の多様化軌道の中断を経験したが、進歩的なユーザーはそれと同程度の変化を示さなかった。 非対称性は推定戦略(ITS, DiD, RDiT, propensity-score matching)と時間的アグリゲーションの間で一致している。
  論文  参考訳（メタデータ） (2026-08-13T18:13:35Z)
• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• How Many Trees in a Random Forest? A Revisited Approach with Plateau Search and Optuna Integration [0.30586855806896046]
  ランダムフォレストのためのHPOのための統合三重項ベースプラトー探索アルゴリズムを提案する。 この方法は、バッグ外スコアの相対的な変化を監視して、最小に近い十分なアンサンブルサイズを適応的に追跡する。 実験により、選択された木の数は共通の絶対値と大きく異なることが示されている。
  論文  参考訳（メタデータ） (2026-06-02T12:10:43Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)

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。