NASA и IBM выпустили бесплатный ИИ, определяющий водяной лёд на Луне на 22% точнее

Поиск водяного льда на Луне — одна из сложнейших задач планетологии. Лёд распределён неравномерно, он скрывается в постоянно затенённых кратерах на полюсах, а его обнаружение с орбиты требует умения отличать слабые спектральные сигналы от шума приборов. Модель Lunar Foundation Model от IBM и NASA создана именно для этой задачи.

Lunar Foundation Model — это открытая ИИ-модель, обученная на более чем двух миллионах снимков с пяти лунных орбитальных аппаратов: Lunar Reconnaissance Orbiter, GRAIL, Lunar Prospector, SELENE/Kaguya и других. Она доступна на Hugging Face и GitHub через геопространственный фреймворк IBM TerraTorch, бесплатно.

В бенчмарк-тестах модель определяет залежи водяного льда на 22% точнее предыдущих методов. Кроме того, она находит лунные кратеры на 19% точнее. Примечательно, что таких результатов она достигает, используя вдвое меньше размеченных обучающих данных, чем сопоставимые модели — важная характеристика для лунной науки, где размеченные наборы данных дороги в создании.

Практическая ценность модели заключается в картировании ресурсов для программы Artemis. NASA планирует создать долгосрочное присутствие человека вблизи южного полюса Луны, где водяной лёд можно превращать в питьевую воду, кислород и ракетное топливо. Знание того, где именно находится лёд и в каком количестве, напрямую влияет на выбор мест посадки и планирование инфраструктуры.

Модель выпущена под открытой лицензией, поскольку и IBM, и NASA вносят в неё вклад в рамках исследований, финансируемых из государственных средств. Свободный доступ означает, что учёные из университетов, космических агентств и частных компаний могут использовать, оценивать и улучшать модель без лицензионных ограничений. TerraTorch, фреймворк IBM, на котором она работает, обеспечивает обработку базового геопространственного потока данных.

Показатель улучшения на 22% — это результат бенчмарка, сравнение с другими моделями на стандартизированном тестовом наборе данных, а не измерение в ходе реальной операционной миссии. Сможет ли Lunar Foundation Model улучшить принятие решений в реальных миссиях, зависит от того, насколько условия бенчмарка отражают реальные данные лунных наблюдений, которые варьируются в зависимости от геометрии орбиты, калибровки приборов и углов солнечного освещения. Независимая валидация группами, не связанными с IBM или NASA, пока не опубликована.

Lunar Foundation Model доступна на Hugging Face и GitHub. IBM и NASA не установили сроков интеграции модели в активное планирование миссий Artemis.

Теги: искусственный интеллект, nasa, открытый исходный код, IBM, Lunar Foundation Model, исследование Луны