NASA și IBM lansează un model AI open-source antrenat pe 17 ani de date lunare
NASA a lansat, în colaborare cu IBM Research și mai multe instituții academice, NASA-IBM Lunar Foundation Model, unul dintre primele modele de inteligență artificială open-source dedicate științei lunare. Modelul este găzduit public pe Hugging Face, iar codul complet este disponibil pe GitHub pentru testare și experimentare.
Spre deosebire de modelele tradiționale care necesită construirea și antrenarea unor algoritmi specializați de la zero, modelele de fundație sunt pre-antrenate pe seturi vaste de date neetichetate, permițându-le să se adapteze rapid la multiple domenii științifice prin ajustări minime.
Modelul a fost antrenat în principal pe date colectate de Lunar Reconnaissance Orbiter (LRO) al NASA în ultimii 17 ani. Aceste date acoperă cea mai mare parte a suprafeței lunare în detaliu și sunt mai voluminoase decât cele produse de toate celelalte misiuni planetare ale NASA la un loc. Antrenamentul a inclus aproximativ 2 milioane de fragmente de imagine, dintre care peste 1 milion de imagini de cameră de înaltă rezoluție la 1 metru rezoluție și aproape 964.000 de imagini multispectrale la 100 de metri rezoluție. De asemenea, au fost folosite imagini și date de teren de la alte misiuni, precum GRAIL, Lunar Prospector și SELENE.
Kevin Murphy, chief science data officer și acting chief data and AI officer la sediul NASA din Washington, a declarat: „NASA a petrecut decenii construind o evidență științifică extraordinară a Lunii, dar colectarea datelor este doar o parte a misiunii. Trebuie să facem datele mai ușor de explorat și utilizat de către oamenii de știință. Modelul NASA-IBM Lunar Foundation Model arată ce este posibil când aducem AI la petabyții de date științifice ai NASA.”
Datorită pre-antrenării, cercetătorii pot adapta modelul pentru diverse sarcini lunare folosind cantități reduse de date etichetate. Printre aplicații se numără cartografierea craterelor, identificarea formațiunilor vulcanice tinere cunoscute sub numele de pete de mare neregulate și estimarea stabilității gheții near polar.
Pentru cercetătorii care studiază gheața polară lunară, modelul poate ajuta la estimarea zonelor unde gheața este probabil stabilă, pe suprafață și în subteran. Regiunile permanent umbrite rămân suficient de reci pentru a captura și păstra gheața timp de miliarde de ani, oferind indicii despre istoria Lunii și potențiale resurse pentru explorarea spațială viitoare.
În studiul vulcanismului lunar, modelul accelerează identificarea formațiunilor vulcanice neobișnuite, care par relativ tinere și contestă cronologia stabilită a răcirii Lunii. De asemenea, modelul cartografiază mai eficient craterele, esențiale pentru datarea suprafeței lunare și reconstruirea istoriei sistemului solar.
Modelul a egalat sau a depășit performanța altor modele de referință în toate sarcinile evaluate, cu un avantaj clar în estimarea stabilității gheții polare.
NASA-IBM Lunar Foundation Model face parte din strategia AI for science a Biroului Chief Science Data Officer al NASA. Din aceeași colaborare fac parte și modelele Prithvi, pentru observarea Pământului, și Surya, pentru heliofizică și predicția vremii spațiale.
La dezvoltarea modelului au contribuit echipa Impact AI de la Marshall Space Flight Center din Huntsville, Alabama, împreună cu oameni de știință din Divizia de Științe Planetare a Direcției de Misiuni Științifice a NASA, Goddard Space Flight Center din Greenbelt, Maryland, și Ames Research Center din California. Echipa științifică a inclus experți de la Universities Space Research Association, SETI Institute, University of Maryland, Baltimore County, Howard University, NASA Ames și NASA Goddard.
Odată cu modelul, echipa a publicat seturi de date de pre-antrenare pregătite pentru învățare automată și colecții de benchmark, integrate în toolkit-ul open-source TerraTorch. Un articol însoțitor este disponibil pe Hugging Face, asigurând reproducibilitatea cercetării și sprijinind comunitatea globală de cercetare în dezvoltarea și rafinarea modelelor AI pentru explorarea viitoare a Lunii.
