Исследователи теперь могут использовать открытое ИИ-модель от IBM и NASA — недавно выпущенную NASA-IBM Lunar Foundation Model — чтобы просеивать десятилетия лунных наблюдений в поисках льда, кратеров и вулканических ландшафтов в рамках подготовки к возвращению людей на поверхность Луны.

Согласно NASA Science, система доступна для бесплатной загрузки на Hugging Face, а ее полный код размещен на GitHub. Изучение лунной поверхности всегда было относительно медленным процессом: есть два варианта — либо вручную просматривать карты и изображения, либо обучать узкую модель машинного обучения с низким разрешением для каждого запроса. Оба этих варианта обходятся дорого и часто упускают ту тонкую детализацию, которая нужна ученым для своих исследований, говорится в сообщении IBM.

IBM делает систему бесплатной на Hugging Face

Однако выпуск базовой модели помогает, ведь тогда исследователи могут использовать предварительно обученную модель для каждой новой задачи, вместо того чтобы каждый раз собирать новую модель, работая с другим геологическим объектом. Лунная модель — это последнее пополнение семейства моделей открытой науки Prithvi от IBM, которое уже охватывает приложения в геопространственном анализе, метеорологии и гелиофизике.

Хуан Бернабе-Морено, директор IBM Research Europe, Великобритания и Ирландия, заявил, что новая система дает ученым возможность анализировать лунные наблюдения в масштабе и выявлять закономерности, которые могут быть трудно заметить при изучении отдельных наборов данных. «Модель дает ученым основу для исследования Луны в масштабе, связывая наблюдения, полученные разными приборами, и раскрывая закономерности, которые трудно увидеть в изоляции», — сказал Бернабе-Морено.

NASA и IBM сравнили модель с SwinV2-B — системой компьютерного зрения, обученной Microsoft и широко используемой в качестве базового решения для анализа изображений. Новая модель снижала ошибки на 23% при поиске залежей льда и обошла SwinV2-B на 19% при выявлении и классификации кратеров, несмотря на то что обучалась на половине данных. В технической статье IBM сообщалось о 3-процентном улучшении производительности, когда модель использовали для обнаружения вулканических объектов, известных как Irregular Mare Patches, при этом требовалась меньшая тонкая настройка.

Модель протестировали вживую 5 августа, когда IBM передала ей изображение, показывающее место удара, оставшееся после того, как ракета SpaceX Falcon 9 поразила Луну. Несмотря на то что новый удар почти непосредственно пришелся на существующий кратер, модель правильно определила его как кратер, сформировавшийся заново. Цель остается прежней — сделать возможным устойчивое присутствие людей на Луне. Картирование регионов, постоянно находящихся в тени вблизи лунных полюсов, остается серьезной задачей, потому что эти области относятся к самым труднодоступным для наблюдений на Луне и могут содержать залежи подповерхностного льда.

IBM заявила, что лед может обеспечить водой и кислородом будущие лунные базы, а также служить сырьем для ракетного топлива, которое может поддержать миссии к Марсу. Организации также выпустили то, что они назвали первым единым набором данных, готовым к использованию в машинном обучении. Набор данных объединяет более 30 пространственно согласованных слоев, собранных девятью приборами в рамках четырех отдельных лунных миссий.

Этот набор данных объединяет изображения с лунного орбитального аппарата NASA Lunar Reconnaissance Orbiter и гравитационной миссии GRAIL, а также добавляет данные с японского орбитера SELENE/Kaguya. Бернабе-Морено отметил, что порядка двух миллионов совместно зарегистрированных точек данных, возможно, станет наиболее долговременным вкладом именно проекта, а не самой модели. «Именно данные действительно создают индустрию ИИ-моделей», — заявил он. Выпуск ИИ-модели опирается на партнерство, которое берет начало более пяти десятилетий назад — со времен программы Apollo.

После того как IBM объявила о партнерстве с NASA для выпуска ИИ-модели, созданной на основе лунных данных, публикация впервые появилась на Coinfea.