# NASA·IBM, 17년간의 달 궤도선 자료로 오픈소스 달 모델 공개

> Hugging Face에 공개된 NASA-IBM Lunar Foundation Model은 달 영상 타일 약 200만 개를 활용해 얼음 퇴적지와 크레이터 예측을 개선한다.

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

NASA와 IBM Research가 새로운 달 AI 모델을 공개했다. 오픈소스인 NASA-IBM Lunar Foundation Model은 Hugging Face에서 내려받을 수 있으며, 코드는 GitHub에 공개돼 있다. 이 모델은 Lunar Reconnaissance Orbiter와 다른 임무에서 수집한 17년간의 자료로 학습했으며, 과학자들이 소량의 라벨링 사례만으로도 활용 목적에 맞게 조정할 수 있도록 방대한 자료를 도구로 만들었다.

## 모델의 기능

이 모델은 고해상도(픽셀당 약 1m) 이미지와 저해상도(픽셀당 100m) 이미지를 동시에 처리한다. 조명 각도와 태양의 위치도 입력값으로 받아 실제 지형과 그림자를 구분하는 데 도움을 준다. 시험 결과, 극지 얼음 예측 오차가 최고 22% 줄어 기존 기준 모델 중 가장 성능이 좋은 모델보다 나은 결과를 보였다. 저해상도에서 크레이터를 탐지하는 정확도는 라벨링 자료를 절반만 사용하고도 약 19% 높아졌다.

## 개발 과정

연구진은 현재까지 가장 규모가 큰, 위치가 일치하는 다중 모달 달 데이터 모음인 SomBench를 구축했다. 이 데이터에는 11가지 데이터 유형의 ‘타일 묶음’ 약 200만 개가 포함돼 있으며, 네 차례 임무에서 사용된 9개 장비의 30개가 넘는 정합 레이어를 담고 있다. 모델은 FlexiViT라는 기법을 사용해 처음부터 학습했다. 이 기법을 이용하면 재학습하지 않고도 같은 모델이 서로 다른 이미지 패치 크기를 처리할 수 있다.

## 팩트

- 이 모델은 Lunar Reconnaissance Orbiter의 17년간 관측 자료를 바탕으로 타일 묶음 약 200만 개를 학습했다.
- 약 100만 개의 타일은 고해상도(약 1m/픽셀) NAC 이미지이며, 약 964,000개는 100m/픽셀 해상도의 다중분광 Wide Angle Camera 이미지다.
- 극지 얼음 퇴적지 예측 오차는 SwinV2-B 기준 모델과 비교해 최대 22% 줄었다.
- 저해상도 크레이터 탐지 정확도는 라벨링 자료를 절반만 사용하고도 약 19% 향상됐다.
- 모델과 데이터셋은 Hugging Face에 공개됐으며, 코드는 GitHub에 있고 TerraTorch 툴킷에도 통합됐다.

## 왜 중요한가

행성 과학자들은 이 공개 모델을 활용해 직접 라벨링한 사례를 많이 마련하지 않고도 얼음과 크레이터를 찾아 연구를 앞당길 수 있다. 향후 달 탐사를 지켜보는 이들에게는 더 정확한 얼음 지도가 착륙 지점이나 로켓 연료용 물을 채굴할 장소를 정하는 데 도움이 될 수 있다. 다만 이 모델은 직접 측정을 대신하지 못하며, 지리 좌표는 여전히 수십 도까지 오차가 날 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-04