地月空间内的航天器活动对科技发展与空间探索具有重要意义，但其轨道设计与维持面临巨大计算挑战。劳伦斯·利弗莫尔国家实验室的研究人员利用超级计算资源，成功模拟并发布了100万条近地空间轨道数据，相关成果已发表于《美国天文学会研究笔记》。

该研究团队采用自行开发的空间态势感知Python软件包，以开放数据与代码为基础开展大规模轨道模拟。软件作者、LLNL科学家特拉维斯·耶格尔说明其方法特点：“关键在于，我们不对我们想要的轨道类型做任何假设。我们试图假装对这个太空一无所知。”模拟过程基于离散时间步进，需综合考虑地球、月球、太阳引力及辐射压力等多体相互作用，此类复杂系统无法获得精确解析解。耶格尔进一步解释：“如果你想知道一颗卫星一周后会在哪里，实际上没有任何公式可以告诉你它会在哪里。你只能一步一步地来。”

研究在建模中纳入了地球与月球内部的不规则质量分布。耶格尔以GPS系统为例指出：“如果我们不考虑地球内部的团块状结构来设计GPS卫星，我们就无法实现米级精度的GPS定位。你甚至都不知道自己行驶在哪条路上。”为生成寿命达六年的百万条轨道，计算总计消耗160万CPU小时。借助劳伦斯利弗莫尔国家实验室的Quartz和Ruby超级计算机，团队最终仅用三天完成全部模拟。另一作者丹维尔·希金斯强调了其代码优势：“我们代码的有趣之处在于它是可并行化的，而其他商业代码则不具备这种特性。我们可以将任务分配到不同的节点上。”

在生成的轨道数据中，54%的轨道保持稳定超过一年，9.7%的轨道稳定期达到六年。希金斯从数据科学角度指出其价值：“从数据科学的角度来看，这是一个非常有趣的数据集。当拥有百万条轨道数据时，就可以利用机器学习应用进行非常丰富的分析。你可以尝试预测轨道的寿命，预测其稳定性，或者进行异常检测，看看轨道是否以异常的方式运行。”这些数据将有助于识别空间交通关键区域，为轨道规划与空间态势感知提供支持。团队已将相关软件发布于《开源软件杂志》，并开放全部数据，以促进后续研究协作。

（来源：维度网）