TopoPrimer: Contexto topológico para modelos de predicción espacial | Mejora del forecasting orbital mediante el uso de topología de datos | Inyección de información geométrica global en modelos de predicción temporal

Abstract

PROBLEMA: Los modelos de predicción de series temporales para objetos en órbita a menudo fallan al ignorar las restricciones topológicas y geométricas globales que gobiernan el movimiento orbital, tratando los datos solo como variables numéricas aisladas. SOLUCIÓN: Presentan 'TopoPrimer', un módulo que inyecta contexto topológico directamente en los mecanismos de atención de los modelos de forecasting. METODOLOGÍA: Emplean análisis de datos topológicos (TDA) para extraer características de persistencia que describen la 'forma' de la trayectoria a largo plazo, usándolas como señales de condicionamiento. RESULTADOS: Mejora sustancialmente la precisión en la predicción de órbitas a largo plazo y en la detección de maniobras inesperadas. RELEVANCIA: Crucial para la gestión del tráfico espacial y la prevención de colisiones mediante modelos predictivos impulsados por IA.