Китайские ученые научили ИИ распознавать ложные подводные цели

Группа специалистов из управления вооружений ВМС Народно-освободительной армии КНР и Китайской государственной судостроительной корпорации заявила, что их система продемонстрировала беспрецедентную точность при использовании в составе оснащения высокоскоростных торпед, двигающихся с применением кавитации.


Согласно публикации Command Control & Simulation, при тестировании на засекреченном полигоне новая технология достигла в среднем 92,2% успешности распознавания в условиях имитации интенсивного боя.

Высокотехнологичные приманки имитируют акустическую сигнатуру реальных подлодок, создают ложные пузырьковые следы, чтобы создать иллюзию резкого изменения курса. Такая тактика, как отмечает Command Control & Simulation, особенно эффективна против кавитирующих боеприпасов. По словам китайских исследователей, собственное акустическое воздействие таких торпед на окружающую среду заглушает настоящие эхо-сигналы цели, искажая акустические сигнатуры.

"Текущие методы распознавания целей для подводных высокоскоростных боеприпасов оказались неадекватными в условиях применения передовых средств противодействия, что потребовало срочной разработки новых подходов к идентификации подводных целей", – заявила группа под руководством старших инженеров У Яцзюня и Лю Ливэня.

Предложенное ими решение реализовано на базе машинного обучения. Столкнувшись с дефицитом реальных боевых данных, команда начала с моделирования профилей ложных целей с использованием гидродинамических моделей схем схлопывания воздушных пузырьков и турбулентности. Для этого они использовали данные, собранные на полигоне для испытаний высокоскоростных торпед.

Эти симуляции затем добавили в "генеративную состязательную сеть": одна система ИИ выступила в роли генератора, который совершенствовал сигнатуры ложных целей, изучая физику подводных лодок и акустические принципы, а противостоящая ей система ИИ обучалась обнаруживать недостатки в этих подделках, используя семь уровней анализа звуковых паттернов.

После многочисленных циклов обучения система создала объемную коллекцию профилей ложных целей.

Согласно статье, ИИ использует специализированную архитектуру нейронной сети, вдохновленную принципами распознавания изображений. Сигналы сонара нормализуются по амплитуде, фильтруются для подавления шума и, наконец, визуализируются в виде спектральных "миниатюр" с использованием математического инструмента, известного как преобразование Фурье. Система на базе нейросетей настроена на обнаружение аномалий в частотной модуляции этих звуковых "отпечатков".

Команда заявила, что при столкновении с наиболее сложными типами приманок уровень обнаружения возрос с 61,3% до более чем 80%.