Бенчмаркинг генеративного моделирования для операций реагирования на спутниковые аномалии в гибридных квантово-классических конвейерах

Бенчмаркинг генеративного моделирования для операций реагирования на спутниковые аномалии в гибридных квантово-классических конвейерах Введение: неудача, которая научила меня всему Три года назад я был частью небольшой исследовательской группы, проводившей настольное моделирование реакции спутника на аномалию. На бумаге сценарий был прост: подсистема терморегулирования на низкоорбитальном спутнике формирования изображений начинает выходить за пределы ожидаемого диапазона, и у группы наземных операций есть примерно одиннадцать минут жизнеспособных контактных окон, чтобы решить, следует ли сохранить полезную нагрузку, переключиться на резервный контур нагревателя или пережить дрейф и сохранить график получения изображений. У нас был классический агент обучения с подкреплением, обученный рекомендовать ответы, и на бумаге он выглядел превосходно — 94% согласия с людьми-операторами по исторической телеметрии. Затем мы запустили его на только что построенном генеративном симуляторе, и он рухнул. Агент рекомендовал «переждать занос» в 38% случаев, когда физическая модель симулятора предсказывала необратимую деградацию батареи. Причина была унизительной: наши обучающие данные содержали только аномалии, которые уже были успешно устранены. Агент никогда не видел сценария, в котором