IBM та NASA запустили AI-модель із відкритим кодом для дослідження Місяця

Корпорація IBM та національне аерокосмічне агентство США оголосили про реліз відкритої базової моделі штучного інтелекту NASA-IBM Lunar Foundation Model. Це одна з перших публічно доступних AI-моделей, створених для наукового дослідження Місяця. Вона розроблена на основі даних місячних спостережень за кілька десятиліть і має прискорити підготовку до тривалої присутності людини на супутнику Землі.

 

Модель навчена на петабайтах мультимодальних та мультиспектральних даних, отриманих з дев'яти інструментів у межах чотирьох космічних місій. Серед них - дані з апаратів NASA Lunar Reconnaissance Orbiter (LRO) та GRAIL, а також супутника SELENE/Kaguya Японського агентства аерокосмічних досліджень (JAXA). Разом із моделлю розробники створили та відкрили перший у своєму роді набір даних, що об'єднує понад 30 просторово узгоджених шарів місячної поверхні.

 

За даними технічних випробувань, представлена модель до 23% перевершує традиційні алгоритми машинного навчання (зокрема SwinV2-B) у точності ідентифікації ключових географічних об'єктів. Зокрема, у завданні з виявлення потенційних покладів місячного льоду в постійно затінених регіонах модель знизила рівень помилки (RMSE) на 22%. Окрім цього, вона на 19% точніше класифікує кратери на масштабі близько 100 метрів, використовуючи при цьому вдвічі менший обсяг даних для навчання, а також ефективніше картирує ділянки давньої вулканічної активності (Irregular Mare Patches).

 

«NASA витратила десятиліття на створення надзвичайного наукового архіву Місяця, але збір даних — це лише частина роботи. Нам також потрібно спростити їх аналіз для науковців. Модель NASA-IBM демонструє можливості застосування штучного інтелекту до петабайтів даних, перетворюючи масштабні масиви інформації на нові відкриття», як зазначив керівник із наукових даних та виконувач обов'язків керівника з даних та AI у штаб-квартирі NASA Кевін Мерфі (Kevin Murphy).

 

Директор IBM Research Europe Хуан Бернабе-Морено (Juan Bernabe-Moreno) підкреслив, що модель дає науковцям платформу для виявлення прихованих закономірностей у даних із різних приладів, які важко помітити окремо. Новий інструмент увійшов до сімейства відкритих базових моделей Prithvi, яка вже включає розробки для геопросторового аналізу, прогнозування погоди та геліофізики. Відкритий код моделі дозволить міжнародній науковій спільноті адаптувати її для планування безпечних місць посадки, пошуку ресурсів для виробництва ракетного палива та проектування місячних баз.

 

Випуск NASA-IBM Lunar Foundation Model є важливим кроком у переході космічної галузі від ручного аналізу знімків до автоматизованої обробки мультимодальних даних за допомогою фундаментальних AI-моделей. Напередодні реалізації місій програми Artemis створення точних карт місячного рельєфу та ресурсів стає критичним завданням. Можливість визначати поклади льоду з високою точністю безпосередньо впливає на логістику майбутніх місій, адже місячна вода є базовим ресурсом для систем життєзабезпечення та виробництва палива на місці (ISRU).

 

Модель із відкритим кодом у сімействі Prithvi відображає ширший тренд стандартизації наукових даних. Створення уніфікованого датасету з 30 просторових шарів вирішує давню проблему розсієності даних між різними місіями та агентствами (NASA, JAXA). При цьому вища точність алгоритмів при менших витратах на донавчання (fine-tuning) суттєво знижує поріг входу для дослідницьких інститутів і приватних космічних компаній, які планують власні місячні апарати.

 

У стратегічному вимірі партнерство IBM та NASA демонструє, як технологічні гіганти інтегрують свої базові моделі у стратегічні державні та наукові проекти. Практичне застосування цієї моделі дозволить мінімізувати ризики при виборі місць посадки пілотованих модулів, прискорить пошук корисних копалин і створить основу для подальшого аналізу даних з інших тіл Сонячної системи, зокрема Марса.