中国研究人员宣称AI系统可识别F-35红外特征 准确率超90%

据TechRadar 8月17日报道，中国研究人员宣称研制出一种轻量级人工智能系统，能够通过红外特征识别美国F-22和F-35隐身战斗机的热信号，在实验室模拟测试中识别准确率超过90%。这一进展可能对红外制导空空导弹的目标识别能力产生重要影响。

F-22和F-35设计上旨在降低敌方雷达和传感器探测难度，但飞机发动机、尾气和飞行中受热表面仍会释放红外信号。与雷达探测不同，红外系统依靠捕捉这些热量特征工作。研究人员称，AI可以分析这些热模式，将模拟的F-22和F-35信号与其他空中目标区分开。

飞行员在交战中常用红外诱饵弹干扰传统热寻的导弹，但研究人员表示，飞机产生的热量与诱饵弹排放存在差异，给AI系统提供了区分飞机与诱饵的依据。研究第一作者安江山说：“轻量级识别模型未来可能在空空导弹中广泛使用，因为它们能提供高速识别，同时保持强大的识别能力。”

该研究使用模拟F-22和F-35热特征的靶标进行测试。实验室测试显示识别准确率高于90%，但该系统在真实飞机上的作战性能尚未得到验证。真实飞机在不同速度、高度、机动状态和环境下会产生变化的热模式。研究人员还将系统描述为轻量级，意味着其计算要求可能适合弹载硬件有限的空间和处理能力。

尽管研究未证明系统能在实战条件下稳定跟踪真实F-22或F-35，但研究方向表明美国隐身平台正面临新的挑战。实际交战中的大气条件、视角变化、飞机机动、背景温度以及电子对抗手段，都是实验室测试难以完全模拟的因素。

这项研究还预示，随着AI系统在红外识别方面日益进步，美国不能仅依靠降低雷达可见性来保持优势。未来F-22和F-35的升级可能需要更加注重热管理、排气特征等红外信号抑制。对新一代隐身轰炸机而言，同样需要面对AI辅助红外传感器的潜在威胁。隐身设计可能需要考虑机器学习如何解读热模式，而不仅仅是最小化红外辐射强度。随着轻量级AI处理器更易集成到导弹和其他空射武器中，这一挑战将愈发现实。美国防务规划者没有理由等到这类系统在实战中展示能力后再采取行动。