Modelado Generativo mediante Orbit-Space Particle Flow Matching | Técnica de IA para la predicción y simulación de trayectorias en el espacio | Flow matching aplicado a la dinámica orbital de partículas

Abstract

PROBLEMA: El modelado de distribuciones de partículas en espacios de órbita presenta desafíos únicos debido a las restricciones físicas de conservación y las geometrías no euclidianas involucradas. SOLUCIÓN: Los autores proponen el 'Orbit-Space Particle Flow Matching', una técnica de modelado generativo que aprende el flujo de partículas directamente en el espacio de las órbitas, respetando las leyes de movimiento. METODOLOGÍA: Adaptan el marco de Flow Matching para operar sobre variedades específicas que representan parámetros orbitales, utilizando integradores numéricos para garantizar la estabilidad de la trayectoria. RESULTADOS: El método permite una generación de estados orbitales mucho más precisa y eficiente que los métodos de difusión estándar, capturando mejor las correlaciones dinámicas a largo plazo. RELEVANCIA: Este trabajo es de alta prioridad para la predicción de trayectorias espaciales, gestión de basura espacial (debris) y navegación autónoma en órbitas complejas.