Key points are not available for this paper at this time.
أصبح الذكاء الاصطناعي في الفضاء ذا أهمية متزايدة وأحيانًا حتى ضرورة بالنسبة للحكومة والأعمال والمجتمع. أحد المواضيع البحثية النشطة تحت هذه المهمة هو دمج التعلم الموزع (FL) مع اتصالات الأقمار الصناعية (SatCom) حتى يتمكن العديد من الأقمار الصناعية ذات المدار المنخفض (LEO) من تدريب نموذج تعلم آلي بشكل تعاوني. ومع ذلك، فإن البيئة الخاصة للاتصالات في ساتكوم تؤدي إلى عملية تدريب FL بطيئة جدًا تصل إلى أيام وأسابيع. يقترح هذا البحث NomaFedHAP، وهو نهج FL-SatCom مبتكر مخصص للأقمار الصناعية LEO، الذي (1) يستخدم المنصات الجوية عالية الارتفاع (HAPs) كخوادم معلمات موزعة (PSs) لتعزيز رؤية الأقمار الصناعية، و(2) يقدم الوصول المتعدد غير التبادلي (NOMA) في LEO لتمكين نقل النماذج بسرعة وكفاءة في استخدام النطاق الترددي. بالإضافة إلى ذلك، يتضمن NomaFedHAP (3) طوبولوجيا اتصالات جديدة تستغل HAPs لتوصيل الأقمار الصناعية بين مدارات مختلفة للتخفيف من تأثير انزياح دوبلر، و(4) مخطط تجميع نموذج FL جديد يوازن بشكل مثالي بين النماذج في مدارات وقذائف مختلفة. علاوة على ذلك، نحن (5) نستخلص تعبيرًا مغلقًا لاحتمالية الانقطاع للأقمار الصناعية في القذائف القريبة والبعيدة، وكذلك للنظام بأكمله. لقد صحت محاكياتنا الشاملة التحليل الرياضي وبيّنت الأداء الفائق لـ NomaFedHAP في تحقيق تقارب نموذج FL سريع وفعال بدقة عالية مقارنة بأحدث ما توصلت إليه الأبحاث.
درس المعالي وآخرون (يوم الجمعة) هذا السؤال.