NASA и IBM сотрудничали в разработке модели искусственного интеллекта с открытым исходным кодом, предназначенной для анализа лунной поверхности. Эта система была обучена с использованием данных, полученных в ходе четырех различных миссий, что позволяет ей идентифицировать потенциальные залежи льда, картировать кратеры и помогать в изучении вулканических образований.
Разработка этого инструмента направлена на ускорение исследований, основанных на десятилетиях лунных наблюдений, и поддержку планов по созданию постоянного присутствия человека на спутнике. Одна из основных задач этого проекта — обнаружение воды и других критически важных ресурсов для будущих экспедиций.
Модель под названием NASA-IBM Lunar Foundation Model была обучена преимущественно на информации, собранной орбитальным аппаратом Lunar Reconnaissance Orbiter (LRO) в течение 17 лет. Набор данных охватывает приблизительно два миллиона изображений, включая более миллиона снимков с разрешением в один метр и почти 964 тысячи мультиспектральных изображений с разрешением 100 метров.
Кроме того, были включены данные миссий GRAIL, Lunar Prospector и SELENE, проведенных японским космическим агентством JAXA. Всего обучение включает более 30 слоев данных, собранных девятью приборами в рамках четырех миссий.
Хотя NASA посвятила десятилетия созданию обширного научного архива Луны, сбор данных — это лишь один этап; необходимо сделать эти данные более доступными и пригодными для использования учеными.
Потенциальные области применения модели
Модель уже обрабатывает большой объем информации во время обучения и обладает способностью к последующей адаптации для выполнения конкретных задач даже с меньшими объемами классифицированных данных. Среди запланированных применений выделяются постоянно затененные полярные регионы. Эти области представляют большой интерес, поскольку они сохраняют достаточно низкие температуры для сохранения льда на протяжении миллиардов лет.
Обнаружение мест, где этот лед может быть стабильным, будь то на поверхности или под землей, способствует как пониманию истории Луны, так и оценке разведочных ресурсов. Помимо научных исследований, наличие льда сигнализирует о существовании воды и кислорода — веществ, считающихся жизненно важными для создания будущей лунной базы и производства топлива для полетов на Марс.
Кратеры также играют значительную роль, поскольку каждый из них является результатом удара, и их характеристики и количество помогают ученым определить возраст лунной поверхности и восстановить хронологию Солнечной системы.
В ходе испытаний модель продемонстрировала способность идентифицировать особенности лунной поверхности с точностью на 23% выше по сравнению с традиционными методами, согласно сообщениям NASA и IBM. Это улучшение было особенно заметно при оценке стабильности полярного льда.
NASA-IBM Lunar Foundation Model была опубликована на платформе Hugging Face, а ее полный код доступен на GitHub. Как NASA, так и IBM также предоставили наборы данных, готовые для машинного обучения, и тестовые коллекции, интегрированные в TerraTorch.