NASA i IBM udostępniają otwarty model AI do badania Księżyca

NASA i IBM Research udostępniły 10 września otwarty model sztucznej inteligencji do analizy powierzchni Księżyca. NASA-IBM Lunar Foundation Model trafił na platformę Hugging Face wraz z pełnym kodem na GitHubie i zestawem danych łączącym pomiary z dziewięciu instrumentów naukowych.

Model nie został zbudowany pod jedno konkretne zadanie. Po dodatkowym dostrojeniu na niewielkiej liczbie oznaczonych przykładów potrafi mapować kratery, wskazywać młode struktury wulkaniczne określane jako nieregularne plamy mare oraz szacować, gdzie w rejonach biegunowych może zalegać lód. Szczególną uwagę poświęcono biegunowi południowemu Księżyca, gdzie w stale zacienionych kraterach temperatura spada nawet do minus 246 stopni Celsjusza, a lód mógł przetrwać tam miliardy lat.

Jak trenowano model

Za projekt odpowiadał zespół Impact AI w Marshall Space Flight Center, we współpracy z naukowcami z Planetary Science Division, Goddard Space Flight Center i Ames Research Center. Do trenowania wykorzystano przede wszystkim dane z Lunar Reconnaissance Orbiter zbierane przez 17 lat misji, uzupełnione o pomiary grawitacyjne z GRAIL, dane Lunar Prospector oraz japońskiej sondy SELENE/Kaguya.

IBM i NASA połączyły ponad 30 warstw danych z dziewięciu instrumentów tak, by dla tego samego miejsca na powierzchni Księżyca można było jednocześnie zestawić obraz optyczny z informacjami o temperaturze, ukształtowaniu terenu i właściwościach geofizycznych. Taka fuzja danych ma znaczenie zwłaszcza dla stale zacienionych kraterów bieguna południowego, do których nie dociera światło słoneczne, więc standardowe kamery optyczne są tam bezużyteczne, a obecność lodu trzeba wywnioskować z danych termicznych, radarowych, grawitacyjnych i topograficznych.

Test na nowym kraterze

Jednym z testów modelu było wykrycie nowego krateru uderzeniowego powstałego po zderzeniu członu rakiety SpaceX z powierzchnią Księżyca w pobliżu krateru Einstein. Model porównał zdjęcia Lunar Reconnaissance Orbiter sprzed i po uderzeniu, rozpoznał istniejące wcześniej kratery i jednocześnie wyróżnił nowo powstałą formację.

To real opportunity we see with AI: turning large-scale data into new discoveries - Kevin Murphy, Chief Science Data Officer, NASA Headquarters

The NASA-IBM Lunar Foundation Model gives scientists a foundation to explore the Moon at scale - Juan Bernabe-Moreno, Director, IBM Research Europe, UK and Ireland

Znaczenie dla programu Artemis

NASA prowadzi program Artemis, w ramach którego planuje powrót ludzi na powierzchnię Księżyca, obecnie zapowiadany na 2028 rok. Identyfikacja miejsc, gdzie prawdopodobnie zalega lód, ma bezpośrednie znaczenie dla wyboru lokalizacji przyszłych lądowań, ponieważ lód wodny można teoretycznie przetworzyć na wodę pitną, tlen czy paliwo rakietowe dla załogowych misji.

Model jest częścią szerszej strategii NASA dotyczącej wykorzystania sztucznej inteligencji w nauce. Agencja gromadzi od dekad ogromne ilości danych z sond kosmicznych, ale ich ręczna analiza przez naukowców jest czasochłonna. Modele fundamentowe trenowane na dużych zbiorach danych satelitarnych mają przyspieszyć wyszukiwanie wzorców, które umykają tradycyjnym, dedykowanym algorytmom.

Otwarty dostęp

NASA-IBM Lunar Foundation Model jest dostępny publicznie na Hugging Face, a pełny kod źródłowy opublikowano na GitHubie. Model zintegrowano z otwartym zestawem narzędzi TerraTorch, co ma ułatwić naukowcom spoza NASA i IBM dostrajanie go do własnych zastosowań badawczych na niewielkich, wyspecjalizowanych zbiorach danych.

Otwarte udostępnienie modelu i danych treningowych oznacza, że z narzędzia mogą korzystać zespoły badawcze na całym świecie, niezależnie od tego, czy mają bezpośredni dostęp do surowych danych misji NASA. Autorzy projektu podkreślają, że taka otwartość ma budować globalną społeczność naukową wokół badań księżycowych, a nie ograniczać narzędzie do zespołów NASA i IBM.