Поиск ресурсов для будущих космических миссий: NASA и IBM представили ИИ для исследования Луны

NASA совместно с IBM Research представила первую открытую базовую модель искусственного интеллекта, созданную специально для исследования Луны. Она поможет ученым быстрее анализировать огромные массивы космических данных, составлять карты кратеров, искать залежи льда и изучать геологическую историю спутника Земли. Модель NASA-IBM Lunar Foundation Model уже доступна на платформе Hugging Face, а её исходный код для тестирования и экспериментов опубликован на GitHub.

Разработка стала результатом сотрудничества NASA, IBM Research и ряда академических учреждений. Основой для обучения модели стали данные орбитального аппарата Lunar Reconnaissance Orbiter (LRO), который в течение 17 лет собрал самый полный и высокодетализированный архив изображений лунной поверхности.

«Базовая модель NASA-IBM демонстрирует возможности, открывающиеся благодаря применению ИИ к петабайтам научных данных NASA. Именно в этом мы видим истинный потенциал ИИ: преобразование массивов данных в новые научные открытия», — заявил руководитель отдела научных данных NASA Кевин Мерфи.

ВАС ЗАИНТЕРЕСУЕТ

Луна могла появиться спустя всего пять часов после столкновения Земли с другой планетой

В ходе обучения система обработала около двух миллионов фрагментов изображений лунной поверхности. В набор вошло более миллиона снимков с разрешением один метр на пиксель и почти 964 тысячи мультиспектральных изображений с разрешением 100 метров на пиксель.

Помимо материалов LRO, в модели использовались данные миссий GRAIL и Lunar Prospector от NASA, а также японской миссии SELENE агентства JAXA. Общий массив данных LRO превышает совокупный объем данных всех остальных планетарных миссий NASA и фактически образует почти бесшовную карту всей поверхности Луны.

После предварительного обучения планетологи могут быстро адаптировать модель к различным исследовательским задачам, используя лишь небольшие объемы данных. Среди основных направлений и — т картографирование кратеров, поиск молодых вулканических структур и определение районов возможного залегания льда вблизи полюсов Луны.

Особое внимание модель уделяет участкам, находящимся в постоянной тени. Именно там температура достаточно низкая, чтобы лёд мог сохраняться миллиарды лет, что делает эти районы перспективными как для изучения истории Луны, так и для поиска ресурсов будущих космических миссий.

ВАС ЗАИНТЕРЕСУЕТ

ABC News: США и Китай ускоряют космическую гонку за Луну

Модель также ускоряет поиск так называемых irregular mare patches — необычных вулканических образований, которые могут свидетельствовать о том, что геологическая активность Луны продолжалась дольше, чем считалось ранее.

По результатам тестирования NASA-IBM Lunar Foundation Model не уступала или даже превосходила другие мощные базовые модели. Она показала сопоставимую точность при картографировании кратеров и сегментации вулканических образований, а также продемонстрировала лучшие результаты в оценке стабильности полярного льда. Быстрое автоматическое обнаружение кратеров имеет особое значение для науки, ведь именно их подсчёт помогает определять возраст различных участков поверхности и воссоздавать историю формирования Солнечной системы.

Lunar Foundation Model стала очередным проектом партнерства NASA и IBM по развитию научных моделей ИИ. В эту линейку уже входят модели Prithvi для анализа данных наблюдения за Землей и прогнозирования наводнений, урожайности и ураганов, а также модель Surya для прогнозирования солнечных вспышек и космической погоды.

В прошлом году компания Google представила модель ИИ AlphaEarth Foundations, которая работает по принципу «виртуального спутника» и позволяет создавать подробные карты поверхности Земли в режиме реального времени с разрешением до 10 квадратных метров. Система анализирует триллионы геопространственных измерений и снимков миссий NASA и ESA, что позволяет отслеживать вырубку лесов, урбанизацию, состояние водоемов и климатические изменения без необходимости ждать пролета физического спутника над нужной точкой.