地球与月球之间及其附近的地月空间，被认为对太空探索、科学研究和国家安全具有重要意义。不过，如何在这一广阔区域内为卫星和航天器寻找并维持稳定轨道，涉及多体相互作用与长期演化计算，工作量巨大。

劳伦斯利弗莫尔国家实验室（LLNL）研究人员近日发布一个开放获取的地月空间轨道数据库，并公开相关代码，数据规模达一百万条轨道。研究成果发表于《美国天文学会研究笔记》（Research Notes of the AAS），相关软件也在《开放源代码软件杂志》（Journal of Open Source Software）中以论文形式进行了介绍。研究团队表示，这些数据可用于任务规划、评估微小扰动对轨道的影响，以及支持太空交通监测等应用。

据介绍，研究使用的空间态势感知Python软件包以一系列轨道初始条件为输入，包括轨道椭圆程度、倾角以及与地球的距离等。论文作者之一、LLNL科学家Travis Yeager表示，团队在设定初始条件时并不预设轨道类型，而是尽量以不带先验假设的方式覆盖可能的轨道情形。

在计算方法上，模拟从每组给定的位置与速度出发，以离散时间步长向前推进。研究人员指出，地月空间轨道演化属于包含地球、月球、太阳、辐射力以及航天器在内的多体问题，各因素之间相互作用复杂，系统演化不存在精确解析解，因此需要通过逐步数值推进来获得未来位置。

研究还在地球与月球引力建模中考虑了天体的非均匀性。Yeager表示，地球并非点源且形状不规则，不同区域的重力存在差异；若忽略这种不规则性，将影响轨道计算精度。

为生成一百万条轨道且将每条轨道的寿命模拟至六年，研究共消耗约160万CPU小时，相当于单台计算机运行超过182年。团队称，依托LLNL的Quartz和Ruby超级计算机，整个模拟流程在三天内完成。论文作者之一、LLNL科学家Denvir Higgins表示，该代码具备可并行化特性，可将任务分配到多个节点上运行。

在生成的轨道样本中，研究人员统计称，54%的轨道至少稳定存在一年，9.7%的轨道稳定存在六年。团队同时指出，即便是不稳定轨道，其数据仍具有研究价值。

Higgins表示，从数据科学角度看，一百万条轨道构成了可用于机器学习分析的数据集，可用于尝试预测轨道寿命与稳定性，或开展异常检测以识别轨道运动的异常模式。

研究团队还提到，通过对轨道数据的进一步分析，可能识别出地月空间中“最繁忙的交汇点”，从而为卫星监控与交通指挥提供潜在的部署位置。团队表示，除自身将继续推进相关问题研究外，开放的数据与代码也为其他研究者参与提供了条件。