नासा और आईबीएम ने चंद्र सतह का विश्लेषण करने के लिए डिज़ाइन किए गए एक ओपन-सोर्स आर्टिफिशियल इंटेलिजेंस मॉडल के लॉन्च में सहयोग किया। इस सिस्टम को चार अलग-अलग मिशनों से प्राप्त डेटा का उपयोग करके प्रशिक्षित किया गया था, जिससे यह संभावित बर्फ जमाव की पहचान कर सकता है, क्रेटर का मानचित्रण कर सकता है और ज्वालामुखीय संरचनाओं के अध्ययन में सहायता कर सकता है।
इस उपकरण के विकास का उद्देश्य चंद्र अवलोकनों के दशकों पर आधारित जांच में तेजी लाना और चंद्रमा पर स्थायी मानव उपस्थिति स्थापित करने की योजनाओं का समर्थन करना है। इस परियोजना के प्राथमिक फोकस में से एक भविष्य के अभियानों के लिए पानी और अन्य महत्वपूर्ण संसाधनों का पता लगाना है।
NASA-IBM लूनर फाउंडेशन मॉडल नामक इस मॉडल को मुख्य रूप से 17 वर्षों की अवधि में लूनर रिकोनिसेंस ऑर्बिटर (LRO) द्वारा कैप्चर की गई जानकारी के साथ प्रशिक्षित किया गया था। डेटासेट में लगभग दो मिलियन छवियां शामिल हैं, जिसमें एक मिलियन से अधिक एक मीटर रिज़ॉल्यूशन वाले कैमरा रिकॉर्ड और लगभग 964 हजार 100 मीटर रिज़ॉल्यूशन वाली मल्टीस्पेक्ट्रल छवियां शामिल हैं।
इसके अतिरिक्त, जापानी अंतरिक्ष एजेंसी JAXA द्वारा संचालित GRAIL, लूनर प्रॉस्पेक्टोर और SELENE मिशनों से डेटा भी शामिल किया गया था। कुल मिलाकर, प्रशिक्षण में चार मिशनों के नौ उपकरणों द्वारा एकत्र किए गए 30 से अधिक डेटा लेयर्स शामिल हैं।
हालांकि नासा ने चंद्रमा का एक विशाल वैज्ञानिक रिकॉर्ड बनाने में दशकों समर्पित किए हैं, डेटा संग्रह प्रक्रिया केवल एक चरण है; इन डेटा को वैज्ञानिकों के लिए अधिक सुलभ और उपयोग योग्य बनाना आवश्यक है।
मॉडल के संभावित अनुप्रयोग
यह मॉडल प्रशिक्षण के दौरान पहले ही बड़ी मात्रा में जानकारी संसाधित करता है और वर्गीकृत डेटा की छोटी मात्रा के साथ भी विशिष्ट कार्यों के लिए बाद में अनुकूलन की क्षमता रखता है। नियोजित उपयोगों में स्थायी रूप से छायांकित ध्रुवीय क्षेत्र शामिल हैं। ये क्षेत्र अरबों वर्षों तक बर्फ को संरक्षित करने के लिए पर्याप्त कम तापमान बनाए रखने के कारण बहुत रुचि के हैं।
उन स्थानों की खोज जहां यह बर्फ स्थिर हो सकती है, चाहे वह सतह पर हो या भूमिगत, चंद्र इतिहास की समझ और अन्वेषण संसाधनों के मूल्यांकन दोनों में योगदान करती है। वैज्ञानिक अनुसंधान के अलावा, बर्फ की उपस्थिति पानी और ऑक्सीजन के अस्तित्व का संकेत देती है, जिन्हें भविष्य के चंद्र बेस की स्थापना और मंगल यात्रा के लिए प्रणोदक के उत्पादन के लिए महत्वपूर्ण माना जाता है।
क्रेटर भी एक महत्वपूर्ण भूमिका निभाते हैं, क्योंकि प्रत्येक प्रभाव का परिणाम है, और उनकी विशेषताएं और मात्रा वैज्ञानिकों को चंद्र सतह की आयु निर्धारित करने और सौर मंडल के कालक्रम का पुनर्निर्माण करने में मदद करती है।
परीक्षणों में, मॉडल ने पारंपरिक तरीकों की तुलना में 23% तक अधिक सटीकता के साथ चंद्र सतह की विशेषताओं की पहचान करने का प्रदर्शन किया, जैसा कि नासा और आईबीएम द्वारा बताया गया है। यह सुधार विशेष रूप से ध्रुवीय बर्फ की स्थिरता के अनुमान में उल्लेखनीय था।
NASA-IBM लूनर फाउंडेशन मॉडल को Hugging Face प्लेटफॉर्म पर सार्वजनिक कर दिया गया है, और इसका पूरा कोड GitHub पर उपलब्ध है। नासा और आईबीएम ने मशीन लर्निंग के लिए तैयार डेटासेट और TerraTorch में एकीकृत परीक्षण संग्रह भी उपलब्ध कराए हैं।