NASA и IBM Research открыли доступ к новой ИИ-модели Луны. NASA–IBM Lunar Foundation Model — модель с открытым исходным кодом: её можно скачать на Hugging Face, а код размещён на GitHub. Для обучения использовали данные за 17 лет работы Lunar Reconnaissance Orbiter и других миссий. На их основе создали инструмент, который учёные могут адаптировать, имея лишь несколько размеченных примеров.
Что умеет модель
Модель одновременно обрабатывает снимки высокого разрешения (около 1 метра на пиксель) и снимки с более низким разрешением (100 м на пиксель). Она также учитывает углы освещения и положение Солнца, что помогает отличать реальные особенности поверхности от теней. В ходе испытаний модель снизила погрешность при прогнозировании залежей полярного льда до 22 % по сравнению с лучшей базовой моделью. При обнаружении кратеров на снимках с низким разрешением она показала примерно на 19 % более высокую точность, хотя использовала лишь половину размеченных данных.
Как создавали модель
Исследователи собрали набор данных SomBench — крупнейший на сегодня совмещённый мультимодальный массив лунных данных. В него входят почти 2 млн «наборов фрагментов» 11 типов, охватывающих более 30 совмещённых слоёв данных с девяти приборов четырёх миссий. Модель обучили с нуля методом FlexiViT, который позволяет ей работать с изображениями, разбитыми на фрагменты разного размера, без повторного обучения.
Почему это важно
Для планетологов открытая модель — готовый ИИ-инструмент, который помогает находить лёд и кратеры, используя меньше размеченных вручную примеров, и ускоряет исследования лунных ресурсов. Более точные карты льда могут помочь выбрать места посадки будущих миссий и определить, где добывать воду для ракетного топлива. Однако модель не заменяет прямые измерения: погрешность определения географических координат всё ещё может составлять десятки градусов.
