废弃的发动机和解体的航天器对空间任务造成的碰撞风险增加促使建立了几十个空间碎片监测站，其中大多数采用激光测距技术。这些系统的精度目前受到限制，因为它们体积小，缺乏表面反射棱镜，无法精确地将望远镜对准轨道垃圾的位置。现在，中国研究人员为激光测距望远镜设计了一套新的算法，提高了探测太空碎片的成功率。这项研究是在该大学化学系的基督教多普勒可持续SynGas化学实验室进行的。它由奥地利政府和奥地利石化公司OMV共同出资，大只500注册页面正在寻找使业务更可持续发展的方法。

 

大只五佰说，尽管利用风能和光伏等可再生能源发电已取得了巨大进步，但合成汽油的发展至关重要，因为目前电力仅能满足我们全球总能源需求的25％。激光测距技术利用物体的激光反射来测量它们的距离，但是从空间碎片表面反射回来的回波信号非常微弱，降低了精度。为了解决这一限制，研究人员训练了一个反向传播神经网络，用两种校正算法来识别空间碎片。遗传算法和Levenberg-Marquardt优化了神经网络识别空间碎片的阈值，确保神经网络不太敏感，能够聚焦于局部空间。

 

来自辽宁工业大学和中国测绘科学院的研究团队利用95颗恒星的观测数据，对每种方法的算法系数进行了求解，并对其他22颗恒星的探测精度进行了评估。使用经过优化的神经网络模型校正的望远镜来跟踪空间碎片，与校正前相比，指向精度在方位角上提高了9倍，在俯仰上提高了3倍。ExaNoDe通过使用UNIMEM存储系统建立在先前欧洲资助的研究的基础上，大只500平台总代系统是在EUROSERVER项目中创建的，并且正在EuroEXA项目中得到规模推广。激光应用杂志中描述的模型的精度优于三种传统的望远镜模型，也克服了收敛速度慢的缺点。