主要成果
本研究は、衛星搭載コンピューティングにおける電力消費と知能化要求の矛盾を解消するため、ニューロモーフィック（脳型）コンピューティングを用いた形式的なフレームワークを構築しました。最大の結果として、代表的な衛星ワークロードにおいて、GPUベースラインと比較してエネルギー消費を8〜47倍削減し、かつ推論精度の低下を2.1%以内に抑えられることを示しました。また、LoihiやSpiNNakerのシリコン測定データに基づいた、ネットワークの疎性（sparsity）、発火率、シナプスファンアウトをパラメータとするエネルギー消費の閉形式モデルを導出しています。
技術・詳細
本フレームワークでは、衛星特有のタスク向けに設計された3つのオリジナルアルゴリズムを提案しています。具体的には、姿勢推定のための「Spiking Kalman-Complementary Filter (SKCF)」、宇宙機ヘルスモニタリングのための「Temporal Contrast Anomaly Detector (TCAD)」、および認知衛星リンクのための「Spike-Based Adaptive Modulation and Coding (SAMC)」です。これらは擬似コードと解析的な計算量境界とともに定義されています。
さらに、設計者がアーキテクチャを選択するための「エネルギー・精度・遅延（EAL）」の定量的なトレードオフ曲面を導入しました。放射線耐性に関しては、4つのニューロモーフィック・アーキテクチャクラスの分類を洗練させ、故障率モデルを統合しています。また、軌道上での継続学習を実現するため、重みのドリフトを証明可能に制限する制約付きSTDP（スパイクタイミング依存可塑性）ルールを定式化しました。
背景・業界の文脈
現在の衛星コンピューティングは、地球観測プラットフォームが1軌道あたりテラバイト級のデータを生成し、ダウンリンク帯域の飽和を避けるための自律的なシーン解釈が求められる時代に突入しています。しかし、従来のフォン・ノイマン型アーキテクチャ（GPUやFPGA）では、DRAMと演算ユニット間のデータ移動に全エネルギーの60〜80%が消費されるというボトルネックがあります。例えば、2Wの電力制限がある3U CubeSatにおいて、Jetson NanoでResNet-18相当の推論を1回行うだけで約400mJを消費し、これは電力予算に対して現実的ではありません。また、放射線硬化（rad-hard）処理を施したプロセッサはクロック速度や電圧が低下し、ワットあたりのスループットがさらに悪化する課題がありました。
今後の展望
ニューロモーフィック計算は、メモリと演算をシナプス部位に共配置し、情報を密な浮動小数点テンソルではなく疎なバイナリイベント（スパイク）として表現することで、データ移動を劇的に削減します。IntelのLoihi 2は、生物学的に現実的な発火率において1〜2mWを消費し、GPUと同等の推論タスクにおいて3〜4桁低い消費電力を実現しています。本論文では、12U CubeSatによる地球観測ミッション、静止軌道（GEO）通信ペイロード、自律型深宇宙探査機の3つのケーススタディを通じて、具体的な設計ポイントを提示しており、今後の宇宙機における自律知能の実装を加速させると期待されます。
元記事: https://arxiv.org/html/2610.12471v2
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
