# NASA और IBM ने 17 साल के चंद्र डेटा से बनाया ओपन-सोर्स मॉडल

> NASA‑IBM Lunar Foundation Model अब Hugging Face पर उपलब्ध है। यह चंद्रमा की करीब 2 million तस्वीरों के टाइल से बर्फ़ के भंडार और क्रेटर का अनुमान बेहतर बनाता है।

Oossa · 2026-10-04 · https://oossa.com/hi/nasa-and-ibm-release-open-source-lunar-model-built-on-17-years-of-orbiter-data

NASA और IBM Research ने चंद्रमा के लिए नया AI मॉडल सार्वजनिक कर दिया है। NASA‑IBM Lunar Foundation Model ओपन-सोर्स है और Hugging Face से डाउनलोड किया जा सकता है; इसका कोड GitHub पर उपलब्ध है। इसे Lunar Reconnaissance Orbiter और अन्य मिशनों के 17 साल के डेटा पर प्रशिक्षित किया गया है। इस विशाल संग्रह को ऐसे टूल में बदला गया है जिसे वैज्ञानिक केवल कुछ लेबल किए गए उदाहरणों से अपनी ज़रूरत के मुताबिक ढाल सकते हैं।

## मॉडल क्या कर सकता है

यह मॉडल एक साथ उच्च-रिज़ॉल्यूशन (करीब 1 meter per pixel) और कम-रिज़ॉल्यूशन (100 m per pixel) वाली तस्वीरों पर काम करता है। इसमें रोशनी के कोण और सूर्य की स्थिति को भी स्पष्ट इनपुट के तौर पर शामिल किया जाता है, जिससे सतह की असली बनावट और परछाइयों में फ़र्क करने में मदद मिलती है। परीक्षणों में, ध्रुवीय बर्फ़ के अनुमान की त्रुटि सबसे अच्छे आधार मॉडल की तुलना में 22 % तक कम रही। कम-रिज़ॉल्यूशन पर क्रेटर खोजने में यह करीब 19 % अधिक सटीक था, जबकि इसके लिए लेबल किया गया डेटा आधा ही इस्तेमाल किया गया।

## इसे कैसे बनाया गया

शोधकर्ताओं ने SomBench नाम का डेटा सेट तैयार किया, जो अब तक का सबसे बड़ा सह-पंजीकृत बहुआयामी चंद्र डेटा संग्रह है। इसमें 11 तरह के डेटा से करीब 2 million “टाइल बंडल” शामिल हैं। ये चार मिशनों के नौ उपकरणों से मिली 30 से अधिक संरेखित परतों को कवर करते हैं। मॉडल को FlexiViT नाम की तकनीक से शुरू से प्रशिक्षित किया गया। इससे एक ही मॉडल को दोबारा प्रशिक्षित किए बिना तस्वीर के अलग-अलग पैच आकारों पर काम करने की सुविधा मिलती है।

## तथ्य

- मॉडल को Lunar Reconnaissance Orbiter के 17 साल के अवलोकनों से बने करीब 2 million टाइल बंडल पर प्रशिक्षित किया गया।
- करीब 1 million टाइल उच्च-रिज़ॉल्यूशन (≈1 m/pixel) NAC तस्वीरें हैं; लगभग 964,000 टाइल 100 m/pixel पर मल्टीस्पेक्ट्रल Wide Angle Camera तस्वीरें हैं।
- SwinV2‑B आधार मॉडल की तुलना में ध्रुवीय बर्फ़ के भंडार के अनुमान की त्रुटि 22 % तक घटी।
- लेबल किए गए डेटा का केवल आधा इस्तेमाल करते हुए, कम-रिज़ॉल्यूशन पर क्रेटर खोजने की सटीकता करीब 19 % बढ़ी।
- मॉडल और इसके डेटा सेट Hugging Face पर जारी किए गए हैं; कोड GitHub पर है और इसे TerraTorch टूलकिट में शामिल किया गया है।

## यह क्यों मायने रखता है

ग्रह-विज्ञान के शोधकर्ताओं को यह ओपन मॉडल ऐसा तैयार AI टूल देता है जो हाथ से लेबल किए गए कम उदाहरणों के सहारे बर्फ़ और क्रेटर पहचान सकता है। इससे चंद्र संसाधनों पर शोध तेज़ हो सकता है। भविष्य के चंद्र अभियानों पर नज़र रखने वालों के लिए, बर्फ़ के बेहतर नक्शे यह तय करने में मददगार हो सकते हैं कि कहाँ उतरना है या रॉकेट ईंधन के लिए पानी कहाँ से निकालना है। हालांकि, यह मॉडल प्रत्यक्ष माप का विकल्प नहीं है; इसके भौगोलिक निर्देशांक अब भी कई दर्जन डिग्री तक गलत हो सकते हैं।

## स्रोत और संदर्भ

1. [NASA and IBM's open source lunar model turns 17 years of orbiter data into a foundation for lunar science](https://the-decoder.com/nasa-and-ibms-open-source-lunar-model-turns-17-years-of-orbiter-data-into-a-foundation-for-lunar-science/) – The Decoder, 2026-10-04

अंतिम अपडेट: 2026-10-04