چطور مدل‌های Diffusion با کمک فیزیک از دستورات خطرناک در مدار می‌کاهند؟

تصور کنید در فضای بی‌کران، یک ماهواره در عرض چند دقیقه با تکه‌ای از زباله‌های فضایی برخورد کند و تنها راه نجات، یک مانور دقیق باشد که هیچ مدل هوش مصنوعی معمولی از پسِ محاسبات آن برنمی‌آید. اگر امروز از مدل‌های مولد برای مدیریت سیستم‌های حیاتی استفاده کنید، با خطر دستوراتی روبه‌رو هستید که شاید از نظر آماری درست به نظر برسند، اما در واقعیت فیزیکی، ماهواره را به چرخش‌های مرگبار می‌اندازند.

به نقل از مستندات این پژوهش، سیستمی به نام مدل انتشار تقویت‌شده با فیزیک (Physics-Augmented Diffusion Modeling یا PADM) توانست در یک محیط شبیه‌سازی‌شده، با ترکیب هوش مصنوعی زاینده (Generative AI) و قوانین سخت فیزیک، با موفقیت از میدان زباله‌های فضایی عبور کند. این رویکرد نقص حیاتی مدل‌های استاندارد را هدف گرفته است: تمایل مدل‌ها به پیشنهاد اقداماتی «غیرفیزیکی» که در دنیای واقعی منجر به نابودی فضاپیما می‌شود.

این کشف از یک جلسه عیب‌یابی در یک آزمایشگاه خانگی در اواخر شب آغاز شد. محققان هنگام آموزش یک مدل انتشار (Diffusion Model) برای تولید تله‌متری‌های مصنوعی ماهواره جهت تشخیص ناهنجاری، متوجه شدند نتایج به‌شدت غیرمنطقی و ناپایدار هستند. در داده‌های تولید شده، پرش‌های ناگهانی در سرعت مداری دیده می‌شد، جهش‌های دمایی رخ می‌داد که قوانین ترمودینامیک را نقض می‌کرد و دستورات کنترل وضعیت (Attitude Control) صادر می‌شد که هر ماهواره واقعی را به یک چرخش شدید و غیرقابل کنترل (Tumble) می‌انداخت. مشکل بنیادین اینجا بود که مدل‌های انتشار الگوها را از داده‌ها می‌آموزند، اما هیچ درک ذاتی ندارند که تکانه (Momentum) باید بقا یابد، مکانیک مداری از قوانین کپلر پیروی می‌کند یا یک چرخ واکنش (Reaction Wheel) گشتاور محدودی دارد. این درک، جرقه‌ای برای یک اکتشاف شش‌ماهه شد تا مدل‌های انتشار در واقعیت فیزیکی ریشه دوانند.

بسیاری از مدل‌های انتشار بر اساس الگوهای آماری عمل می‌کنند و هیچ درکی از تکانه یا ترمودینامیک ندارند. برای اپراتورهای ماهواره، مدلی که تصحیحی را پیشنهاد دهد که قوانین کپلر را نقض می‌کند، فقط بی‌فایده نیست، بلکه خطرناک است. راه حل PADM، تقویت فرآیند انتشار با محدودیت‌های مبتنی بر فیزیک است؛ به این معنا که معادلات دیفرانسیل مکانیک مداری و دینامیک فضاپیما مستقیماً در معماری مدل تعبیه می‌شوند. این کار تضمین می‌کند که پاسخ‌های تولید شده برای ناهنجاری‌ها، نه تنها از نظر آماری محتمل، بلکه از نظر فیزیکی قابل اجرا باشند.

ریسک‌های پاسخ به ناهنجاری‌ها

پاسخ به ناهنجاری‌های ماهواره‌ای یک مسئله حیاتی و حساس به زمان است. وقتی یک خرابی رخ می‌دهد — مانند سقوط سیستم برق، نقص در پیشران‌ها یا قطع ارتباطات — اپراتورها ممکن است تنها چند دقیقه برای تشخیص مشکل و واکنش داشته باشند.

محدودیت‌های سیستم‌های سنتی

• منطق قاعده‌محور: رویکردهای سنتی بر منطق «اگر-آنگاه» (if-then-else) تکیه دارند که برای ناهنجاری‌های نوظهور و پیش‌بینی نشده بیش از حد صلب و انعطاف‌ناپذیر هستند.
• طبقه‌بندی‌های ساده: طبقه‌بندی‌های پایه در یادگیری ماشین اغلب زمانی که دینامیک‌های فضاپیما غیرخطی می‌شوند، شکست می‌خورند.
• فقدان محدودیت‌ها: مدل‌های انتشار استاندارد، در حالی که برای تولید تصویر، پیش‌بینی سری‌های زمانی و طراحی مولکولی قدرتمند هستند، فاقد محدودیت‌های فیزیکی صریح‌اند. این موضوع برای عملیات‌های حساس فضایی که در آن نقض بقای تکانه می‌تواند منجر به از دست دادن کامل جهت‌گیری ماهواره شود، غیرقابل قبول است.

سیستم PADM این صلبیت را با یک معماری ترکیبی سه بخشی جایگزین می‌کند تا تضمین شود هر پاسخ تولید شده، از نظر فیزیکی قابل اجراست.

معماری سه لایه‌ی PADM

این چارچوب از طریق سه لایه مجزا عمل می‌کند:

۱. زمان‌بندی نویز تعبیه‌شده در فیزیک (Physics-Embedded Noise Schedule): برخلاف نویزهای گوسی استاندارد، PADM نویزی تزریق می‌کند که قوانین بقا را رعایت کند. برای مثال، نویز تکانه زاویه‌ای در محورها با هم همبستگی دارد تا از ایجاد حالت‌های فیزیکی غیرممکن جلوگیری شود. در پیاده‌سازی، یک PhysicsEmbeddedNoiseScheduler مقادیر alpha_bars را محاسبه کرده و از یک تصویر (Projection) استفاده می‌کند تا نویز، تکانه زاویه‌ای کل را نقض نکند. به‌طور مشخص برای ماهواره‌های ۳-محوره، نویز بر فضای تهی (Nullspace) تغییر تکانه زاویه‌ای تصویر می‌شود تا اثرات نویزهای ناقض تکانه خنثی گردد.

۲. حذف نویز با هدایت محدودیت (Constraint-Guided Denoising): در طی فرآیند معکوس انتشار، یک حل‌کننده فیزیک دیفرانسیل، نمونه‌های حذف-نویز شده را بر روی یک منیفولد (Manifold) از حالت‌های معتبر فیزیکی تصویر می‌کند. این عملیات در PhysicsAugmentedDenoiser رخ می‌دهد، جایی که یک لایه تصویر فیزیکی یادگرفته شده (physics_proj) تضمین می‌کند موقعیت ماهواره در محدوده مداری تعریف شده توسط پارامترهای r_min و r_max باقی بماند. این مورد به صورت یک محدودیت شعاعی پیاده شده که در آن نرم بردار موقعیت محدود (Clamp) می‌شود.

۳. حلقه بازخورد عامل تجسم‌یافته (Embodied Agent Feedback Loop): یک عامل یادگیری تقویت‌شده (RL) با استفاده از الگوریتم Soft Actor-Critic (SAC)، عملگرهایی مانند پیشران‌ها و چرخ‌های واکنش را کنترل می‌کند. این عامل با یک محیط شبیه‌سازی شده به نام SatelliteAnomalyEnv (مبتنی بر gym) تعامل دارد و بازخوردهای آنی به مدل انتشار می‌دهد تا حلقه بین تولید پاسخ و اجرای آن بسته شود. این رویکردها در راستای استفاده از عامل‌های هوش مصنوعی برای کاهش بار مهندسی در محاسبات پیچیده علمی است که دقت تحلیل‌ها را در محیط‌های حساس افزایش می‌دهد.

جزئیات پیاده‌سازی فنی

برای عملیاتی کردن این سیستم، از یک PhysicsAugmentedDenoiser (با معماری شبیه UNet) و یک زمان‌بند نویز تخصصی استفاده شده است. این حذف‌کننده نویز از ساختار رمزگذار-رمزگشا (Encoder-Decoder) با یک تعبیه زمانی خاص (t.float().unsqueeze(-1) / 1000.0) برای پیش‌بینی نویزی که باید حذف شود، بهره می‌برد. بردار حالت به‌طور معمول شامل موقعیت، سرعت، وضعیت (Attitude) و سرعت زاویه‌ای است (مثلاً state_dim=12).

مکانیزم بازخورد

در SatelliteAnomalyEnv فضای مشاهده عامل به صورت یک باکس از ۱۰- تا ۱۰ با شکل ۲۴ تعریف شده است که حالت فعلی، نوع ناهنجاری و هدایت مدل انتشار را پوشش می‌دهد. فضای اقدام (Action Space) اجازه شلیک پیشران‌ها و اعمال گشتاور چرخ‌های واکنش را در یک باکس از ۱- تا ۱ با شکل ۶ می‌دهد.

تابع پاداش به گونه‌ای طراحی شده است که معکوسِ شدت ناهنجاری، ترکیب شده با یک جریمه برای نقض قوانین فیزیکی باشد. این جریمه به‌طور خاص نرم تفاضل بین تکانه زاویه‌ای قبل و بعد از راهنمایی پیشنهادی را بررسی می‌کند: torch.norm(L_after - L_before).

مسیرهای با پاداش بالا (که در آن پاداش > ۰.۸ است) برای تنظیم دقیق (Fine-tuning) مدل انتشار استفاده می‌شوند تا مدل بتواند از تعاملات فیزیکی موفق عامل یاد بگیرد. حلقه train_agent معمولاً برای ۱۰۰,۰۰۰ گام زمانی اجرا می‌شود و سپس مدل انتشار در طی ۱,۰۰۰ اپیزود تنظیم دقیق می‌گردد.

بهینه‌سازی عملکرد

یک چالش خاص، هزینه محاسباتی بود؛ یک پاس پیشرو (Forward Pass) استاندارد با محدودیت‌های مداری روی GPU حدود ۵۰۰ میلی‌ثانیه زمان می‌برد که برای عملیات‌های آنی (Real-time) بسیار کند است. برای حل این مشکل، یک حافظه پૂર્વ-محاسب فیزیکی (PhysicsCache) توسعه یافت. این سیستم انتقال‌های حالت ممکن را برای رژیم‌های مداری رایج با یک رزولوشن خاص (مثلاً ۱۰۰۰) پیش‌محاسبه کرده و مدارها را هش (Hash) می‌کند تا راهنمایی‌ها را سریع‌تر بازیابی کند. این کار زمان استنتاج را به ۵۰ میلی‌ثانیه کاهش داد.

سناریوهای کاربردی در جهان واقعی

این چارچوب در سه سناریوی مداری حساس برای تایید اثربخشی آزمایش شد:

۱. شکست چرخ واکنش: وقتی یک چرخ واکنش متوقف می‌شود، ماهواره کنترل دقیق وضعیت خود را از دست می‌دهد. PADM توالی‌ای از شلیک‌های پیشران را تولید کرد که دقت اشاره‌گر (Pointing Accuracy) را در محدوده ۰.۱ درجه نگه داشت، در حالی که عامل تجسم‌یافته به‌طور آنی با تخریب چرخ واکنش سازگار شد.
۲. ناهنجاری سیستم برق: افت ناگهانی خروجی پنل‌های خورشیدی باعث شد مدل انتشار استراتژی‌های حذف بار (Load Shedding) و مدیریت باتری را پیشنهاد دهد. تقویت فیزیکی تضمین کرد که این پیشنهادات، محدودیت‌های بودجه توان را نقض نکند.
۳. اجتناب از زباله‌های فضایی: هوش مصنوعی به‌طور خودکار در ۳۰ ثانیه یک مانور اجتناب از برخورد تولید کرد. این یک بهبود چشمگیر نسبت به اپراتورهای انسانی است که این کار برای آن‌ها معمولاً ۱۰ تا ۱۵ دقیقه زمان می‌برد. محدودیت‌های فیزیکی مانع از آن شد که مدل تغییرات مداری خطرناک پیشنهاد دهد.

ایمنی و انطباق آنلاین

به دلیل اینکه عوامل یادگیری تقویت شده (RL) ممکن است در حین آموزش مانورهای خطرناکی را تجربه کنند که منجر به نابودی ماهواره در شبیه‌ساز شود، یک لایه SafetyFilter پیاده‌سازی شد. این لایه به عنوان یک override سخت عمل می‌کند:

• محدود کردن گشتاور (Torque Clamping): سیستم را مجبور می‌کند گشتاورها را محدود کند (مثلاً max_torque=10.0).
• محدودیت‌های سوخت: تضمین می‌کند که رانش (Thrust) از حد مجاز بر اساس سوخت باقی‌مانده فراتر نرود (max_thrust_actual = min(self.max_thrust, fuel_remaining * 100)) در حالی که حداکثر رانش پایه ۵۰۰.۰ است.

برای مدیریت تغییرات توزیع (Distribution Shifts) — جایی که هوش مصنوعی با ناهنجاری‌ای روبرو می‌شود که برای آن آموزش ندیده است — سیستم از انطباق آنلاین استفاده می‌کند. این فرآیند، مدل انتشار را بر اساس تجربیات اخیر عامل با استفاده از روش نمونه‌برداری وزنی از بافر تجربه عامل تنظیم دقیق می‌کند. نمونه‌ها با استفاده از تابع سافت‌مکس بر اساس پاداش وزن‌دهی می‌شوند (torch.softmax(rewards / 0.1, dim=0)) تا مسیرهای با پاداش بالا و فیزیکی، تأثیر بیشتری بر یادگیری مدل داشته باشند. مقدار Loss به صورت میانگین مربعات وزنی (Weighted MSE) بین نویز پیش‌بینی شده و نویز هدف (تفاضل بین اقدامات و حالت‌ها) محاسبه می‌شود.

مسیرهای آینده

این پژوهش به چندین تکامل هیجان‌انگیز در خودمختاری فضاپیماها اشاره دارد:

• حل‌کننده‌های فیزیکی تقویت‌شده با کوانتوم: بررسی مدل‌های انتشار ترکیبی کوانتومی-کلاسیک که در آن‌ها کامپیوترهای کوانتومی مسائل بهینه‌سازی محدود برای مکانیک مداری پیچیده را به‌طور نمایی سریع‌تر حل کنند.
• هماهنگی چند-ماهواره‌ای: گسترش چارچوب برای اینکه منظومه‌های ماهواره‌ای (Constellations) یک مدل انتشار واحد را برای پاسخ‌های همکاری‌محور به اشتراک بگذارند.
• یادگیری در مدار (On-Orbit Learning): استقرار نسخه‌های سبک PADM روی کامپیوترهای لبه (Edge) ماهواره تا امکان انطباق آنی بدون نیاز به ارتباط با ایستگاه‌های زمینی فراهم شود.
• مدل‌های بنیادین فیزیک (Physics Foundation Models): ایجاد مدل‌های مقیاس‌بزرگ که روی تمام دینامیک‌های شناخته شده فضاپیماها پیش-آموزش دیده باشند و سپس برای مأموریت‌های خاص و منحصر‌به‌فرد تنظیم دقیق شوند.

این چرخش به سمت «مبنی‌سازی فیزیکی»، فرض بنیادین هوش مصنوعی مولد در زیرساخت‌های حیاتی را تغییر می‌دهد. ثابت شد که قابل‌اعتمادترین سیستم‌های هوش مصنوعی، نه آن‌هایی هستند که بیشترین پارامترها را دارند، بلکه آن‌هایی‌اند که محدودیت‌های فیزیکی محیط خود را رعایت می‌کنند. با بستن حلقه بین تولید (انتشار) و اعتبارسنجی (عامل تجسم‌یافته)، این سیستم به سطحی از ایمنی و سرعت دست یافته است که هیچ‌یک از این دو تکنیک به‌تنهایی قادر به دستیابی به آن نبودند.

برای کسانی که در حال ساخت هوش مصنوعی برای شبکه‌های برق یا خودروهای خودران هستند، این پژوهش یک نقشه راه برای تعبیه فیزیکِ دامنه-محور (Domain-specific) در شبکه‌های عصبی ارائه می‌دهد. ترکیب راهکارهای خلاقانه مولد و اعتبارسنجی دقیق فیزیکی، تنها راه تضمین ایمنی در سیستم‌های حیاتی است. همان‌طور که شبیه‌ساز با موفقیت از میدان زباله‌ها عبور کرد، ثابت شد که اگرچه موشک ممکن است مجازی باشد، اما برای اینکه سیستم کار کند، فیزیک باید واقعی باشد.

گام بعدی شما

• اگر روی سیستم‌های کنترل خودکار کار می‌کنید، معماری Hybrid Diffusion را برای جایگزینی با منطق‌های صلب بررسی کنید.
• برای کاهش تأخیر در استنتاج، از متد Physics Cache برای پیش‌محاسبه حالت‌های متداول استفاده کنید.
• مطالعه در مورد ترکیب RL با مدل‌های انتشار را برای افزایش ایمنی در محیط‌های دینامیک آغاز کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک چگونگی اجرای این مدل‌ها روی سخت‌افزارهای لبه، به تحلیل ما درباره‌ی تراشه‌های NPU مراجعه کنید.