NASA та IBM створили ШІ-модель для дослідження Місяця

Модель NASA-IBM Lunar Foundation Model покликана прискорити аналіз космічних даних: картування кратерів, пошук покладів льоду та вивчення геологічної історії супутника Землі. Вона вже опублікована на платформі Hugging Face, а вихідний код для експериментів виклали на GitHub.

Розробку створили NASA, IBM Research та кілька академічних установ. Основою для навчання стали дані орбітального апарата Lunar Reconnaissance Orbiter (LRO), який за 17 років зібрав найповніший високодеталізований архів зображень місячної поверхні.

«Базова модель NASA-IBM демонструє можливості, що відкриваються завдяки застосуванню ШІ до петабайтів наукових даних NASA. Саме в цьому ми вбачаємо справжній потенціал ШІ: перетворення масивів даних на нові наукові відкриття», — заявив керівник відділу наукових даних NASA Кевін Мерфі.

Під час навчання система опрацювала близько двох мільйонів фрагментів зображень. До набору увійшли понад мільйон знімків із роздільною здатністю один метр на піксель та майже 964 тисячі мультиспектральних зображень із роздільною здатністю 100 метрів на піксель.

Окрім матеріалів LRO, використовувалися дані місій GRAIL і Lunar Prospector від NASA, а також японської місії SELENE агентства JAXA. Загальний масив LRO перевищує сукупний обсяг даних усіх інших планетарних місій NASA й фактично формує майже безшовну карту всієї поверхні Місяця.

Після попереднього навчання планетологи можуть швидко адаптувати модель під конкретні завдання, використовуючи невеликі обсяги даних. Основні напрями — картографування кратерів, пошук молодих вулканічних структур і визначення районів можливого залягання льоду поблизу полюсів.

Окрема увага приділяється ділянкам у постійній тіні, де температура достатньо низька, щоб лід зберігався мільярди років. Це робить такі райони перспективними як для вивчення історії Місяця, так і для пошуку ресурсів майбутніх місій.

Модель також прискорює пошук irregular mare patches — незвичних вулканічних утворень, які можуть свідчити про тривалішу геологічну активність Місяця, ніж вважалося раніше.

За результатами тестування Lunar Foundation Model не поступалася або перевершувала інші потужні базові моделі: показала порівнянну точність у картографуванні кратерів і сегментації вулканічних утворень, а також кращі результати в оцінюванні стабільності полярного льоду. Швидке автоматичне виявлення кратерів важливе для науки, адже їхній підрахунок допомагає визначати вік ділянок поверхні та відтворювати історію формування Сонячної системи.

Lunar Foundation Model продовжує серію наукових ШІ-моделей NASA та IBM. Раніше з'явилися Prithvi для аналізу даних спостереження за Землею й прогнозування повеней, врожайності та ураганів, а також Surya для прогнозування сонячних спалахів і космічної погоди.

Минулого року Google представила модель AlphaEarth Foundations, що працює за принципом «віртуального супутника» та створює детальні карти поверхні Землі в режимі реального часу з роздільною здатністю до 10 квадратних метрів. Система аналізує трильйони геопросторових вимірювань і знімків місій NASA та ESA, відстежуючи вирубку лісів, урбанізацію, стан водойм і кліматичні зміни без очікування прольоту фізичного супутника над потрібною точкою.