Введение

11 сентября 2026 года NASA анонсировала запуск нового открытого AI-модели, основанной на 17-летних данных о Луне. Это значимое событие может изменить подход исследователей к анализу лунной поверхности, открывая новые возможности для научных открытий.

Что такое NASA-IBM Lunar Foundation Model?

В сотрудничестве с IBM Research и рядом академических учреждений, NASA разработала NASA-IBM Lunar Foundation Model — одну из первых открытых AI-моделей, специально созданных для лунной науки. Эта модель, обученная в основном на данных от Lunar Reconnaissance Orbiter (LRO), доступна для использования на платформе Hugging Face, а полный код можно найти на GitHub.

Как работает модель?

Модель поддерживает новое поколение лунной науки, позволяя исследователям быстро анализировать огромные объемы данных для лучшего понимания поверхности Луны. С помощью данной модели ученые могут эффективно разрабатывать стратегии для оценки рельефа Луны, изучения ее геологического прошлого и планирования будущих исследований.

«NASA потратила десятилетия на создание выдающегося научного архива о Луне, но сбор данных — это лишь часть работы», — говорит Кевин Мерфи, главный научный сотрудник данных в NASA. — «Мы также должны сделать данные более доступными для ученых». Модель NASA-IBM демонстрирует, что возможно, когда мы применяем искусственный интеллект к петабайтам научных данных NASA.

Уникальные возможности модели

В отличие от традиционных моделей, которые требуют создания и обучения специализированных алгоритмов, фондовые модели заранее обучены на больших, неразмеченных наборах данных. Это позволяет им обобщать информацию и быстро адаптироваться к различным научным задачам.

Данные, собранные LRO за последние 17 лет, идеально подходят для обучения этой модели, так как они охватывают большую часть лунной поверхности в высоком разрешении. Данные LRO превышают объем информации от всех других планетарных миссий NASA вместе взятых, создавая почти бесшовную мозаику Луны.

Объем данных и обучение модели

Для обучения модели использовалось около 2 миллионов изображений из этого набора данных, включая более 1 миллиона высококачественных камерных изображений с разрешением 1 метр и почти 964,000 многоспектральных изображений с разрешением 100 метров. Также использовались данные о лунной поверхности от других миссий, таких как GRAIL и Lunar Prospector.

Применение модели в лунной науке

Благодаря предварительному обучению, планетарные ученые могут адаптировать модель для различных задач, таких как:

• Картирование кратеров;
• Обнаружение молодых вулканических образований;
• Оценка местоположения льда вблизи полюсов Луны.

Для исследователей, изучающих лунный лед, модель поможет оценить стабильность ледяных участков на поверхности и под ней. Темные области, такие как постоянно затененные регионы, могут сохранять лед на протяжении миллиардов лет, что дает возможность изучить историю Луны и найти потенциальные ресурсы для будущих космических миссий.

Вулканическая активность Луны

Хотя считается, что Луна больше не является вулканически активной, в прошлом она переживала динамические геологические процессы. Модель NASA-IBM ускоряет идентификацию необычных вулканических образований, известных как нерегулярные моряные участки, которые могут бросать вызов установленным временным рамкам охлаждения Луны.

Эффективность и результаты

Модель показала производительность, равную или превосходящую несколько других сильных базовых моделей во всех оцененных задачах. Она продемонстрировала явные преимущества в оценке стабильности полярного льда, что может иметь значительные последствия для будущих лунных исследований.

Заключение

NASA-IBM Lunar Foundation Model — это не просто шаг вперед в лунной науке, но и часть стратегии NASA по использованию искусственного интеллекта для науки. Этот проект открывает новые горизонты для изучения Луны и всего солнечного системы, предлагая исследователям мощный инструмент для анализа и интерпретации данных.