L'activité des engins spatiaux dans l'espace Terre-Lune revêt une importance majeure pour le développement technologique et l'exploration spatiale, mais la conception et le maintien de leurs orbites représentent un immense défi informatique. Des chercheurs du Lawrence Livermore National Laboratory (LLNL) ont utilisé des ressources de supercalculateurs pour simuler et publier avec succès un ensemble de données d'un million d'orbites dans l'espace circumterrestre. Les résultats associés ont été publiés dans les « Research Notes of the American Astronomical Society ».
L'équipe de recherche a utilisé son propre progiciel Python de sensibilisation à la situation spatiale, basé sur des données et des codes ouverts, pour réaliser des simulations orbitales à grande échelle. L'auteur du logiciel, le scientifique du LLNL Travis Yeager, explique les caractéristiques de leur méthode : « Le point clé est que nous ne faisons aucune hypothèse sur le type d'orbite que nous voulons. Nous essayons de faire comme si nous ne savions rien de cet espace. » Le processus de simulation est basé sur un pas de temps discret et doit prendre en compte les interactions gravitationnelles multipartites (Terre, Lune, Soleil) ainsi que la pression de radiation. Un tel système complexe ne peut pas être résolu analytiquement de manière exacte. Yeager explique plus en détail : « Si vous voulez savoir où sera un satellite dans une semaine, il n'existe en réalité aucune formule qui puisse vous le dire. Vous devez procéder pas à pas. »
La recherche a intégré dans la modélisation la distribution de masse irrégulière à l'intérieur de la Terre et de la Lune. Yeager prend l'exemple du système GPS pour illustrer : « Si nous concevions les satellites GPS sans considérer la structure grumeleuse à l'intérieur de la Terre, nous ne pourrions pas atteindre une précision GPS au mètre près. Vous ne sauriez même pas sur quelle route vous roulez. » Pour générer un million d'orbites avec une durée de vie de six ans, le calcul a consommé un total de 1,6 million d'heures CPU. Grâce aux supercalculateurs Quartz et Ruby du Lawrence Livermore National Laboratory, l'équipe a finalement achevé toutes les simulations en seulement trois jours. Un autre auteur, Danville Higgins, a souligné l'avantage de leur code : « L'intérêt de notre code est qu'il est parallélisable, contrairement à d'autres codes commerciaux qui ne possèdent pas cette caractéristique. Nous pouvons répartir la tâche sur différents nœuds. »
Parmi les données orbitales générées, 54 % des orbites sont restées stables pendant plus d'un an, et 9,7 % ont atteint une période de stabilité de six ans. Higgins souligne leur valeur du point de vue de la science des données : « D'un point de vue science des données, il s'agit d'un ensemble de données très intéressant. Lorsque vous disposez d'un million de trajectoires orbitales, vous pouvez réaliser des analyses très riches en utilisant des applications d'apprentissage automatique. Vous pouvez essayer de prédire la durée de vie d'une orbite, prédire sa stabilité, ou effectuer de la détection d'anomalies pour voir si une orbite se comporte de manière inhabituelle. » Ces données aideront à identifier les zones clés du trafic spatial et fourniront un support pour la planification des orbites et la sensibilisation à la situation spatiale. L'équipe a publié le logiciel associé dans le « Journal of Open Source Software » et a ouvert l'accès à toutes les données pour favoriser la collaboration et les recherches ultérieures.
Plus d'informations : Auteurs : Travis Yeager et al., Titre : « One Million Open-Source Cislunar Orbits », Publié dans : Research Notes of the American Astronomical Society (2025).
Auteurs : Joshua E. Meyers et al., Titre : « SSAPy - Space Situational Awareness in Python », Publié dans : Journal of Open Source Software (2025).
