NASA och IBM släpper gratis AI som hittar Månens vattenisförekomster 22% mer exakt

Att hitta vattenis på månen är ett av de svåraste problemen inom planetforskningen. Isen är inte jämnt fördelad, den gömmer sig i permanent skuggade kratrar vid polerna, och att identifiera den från omloppsbana kräver att man skiljer svaga spektralsignaler från instrumentbrus. IBM och NASA:s Lunar Foundation Model är utformad specifikt för det problemet.

Lunar Foundation Model är en öppen AI som tränats på fler än två miljoner bilder från fem månomloppsfarkoster: Lunar Reconnaissance Orbiter, GRAIL, Lunar Prospector, SELENE/Kaguya och flera andra. Den finns tillgänglig på Hugging Face och GitHub via IBM:s geospatiala ramverk TerraTorch, utan kostnad.

I riktmärkestester identifierar modellen vattenisavlagringar 22 % mer exakt än tidigare metoder. Den hittar också månkratrar 19 % precisare. Anmärkningsvärt nog uppnår den den prestandan med hälften så mycket märkt träningsdata som jämförbara modeller kräver – en viktig egenskap för månvetenskap, där märkta dataset är dyra att ta fram.

Det praktiska värdet ligger i resurskartläggning för Artemisprogrammet. NASA planerar att etablera en varaktig mänsklig närvaro nära månens sydpol, där vattenis skulle kunna omvandlas till dricksvatten, syre och raketbränsle. Att veta var isen faktiskt finns, och hur mycket det finns, påverkar direkt val av landningsplats och infrastrukturplanering.

Modellen släpps under en öppen licens eftersom både IBM och NASA bidrar till den från offentligt finansierad forskning. Att göra den fritt tillgänglig innebär att forskare vid universitet, rymdorganisationer och privata företag kan använda, utvärdera och förbättra den utan licenshinder. TerraTorch, det IBM-ramverk den körs på, hanterar den underliggande geospatiala datapipelinen.

Förbättringssiffran på 22 % är ett riktmärkesresultat – en jämförelse mot andra modeller på en standardiserad testdatamängd, inte en mätning från ett verkligt operativt uppdrag. Huruvida Lunar Foundation Model kommer att förbättra faktiska missionsbeslut beror på hur väl riktmärkesförhållandena speglar verkliga månobservationsdata, som varierar med omloppsgeometri, instrumentkalibrering och solbelysningsvinklar. Oberoende validering av grupper som inte är anslutna till IBM eller NASA har ännu inte publicerats.

Lunar Foundation Model finns tillgänglig på Hugging Face och GitHub. IBM och NASA har inte satt någon tidsplan för att integrera modellen i aktiv Artemis-missionsplanering.

Taggar: artificiell intelligens, nasa, IBM, öppen källkod AI, Lunar Foundation Model, månforskning