# NASA och IBM släpper öppen månmodell baserad på 17 års data

> NASA-IBM Lunar Foundation Model finns nu på Hugging Face. Modellen använder nästan 2 miljoner bildrutor från månen för att förbättra prognoser om isavlagringar och kratrar.

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

NASA och IBM Research har gjort en ny AI-modell för månen tillgänglig för allmänheten. NASA-IBM Lunar Foundation Model är öppen källkod och kan laddas ner från Hugging Face, medan koden finns på GitHub. Den har tränats på 17 års data från Lunar Reconnaissance Orbiter och andra uppdrag och omvandlar arkivet till ett verktyg som forskare kan anpassa med bara några få märkta exempel.

## Vad modellen kan göra

Modellen kan hantera högupplösta bilder (cirka 1 meter per pixel) och bilder med grövre upplösning (100 m per pixel) samtidigt. Den använder också ljusvinklar och solens position som uttryckliga indata, vilket hjälper den att skilja verkliga ytformationer från skuggor. I tester minskade den felet i prognoser om is vid polerna med upp till 22 % jämfört med den bästa baslinjemodellen. Vid identifiering av kratrar i grövre skala var den cirka 19 % mer träffsäker, trots att den bara använde hälften så mycket märkt data.

## Så byggdes modellen

Forskarna sammanställde en datamängd kallad SomBench, den hittills största samregistrerade multimodala datakorpusen för månen. Den innehåller nästan 2 miljoner ”rutpaket” med 11 olika datatyper och omfattar fler än 30 samordnade lager från nio instrument på fyra uppdrag. Modellen tränades från grunden med en teknik som kallas FlexiViT, som gör att samma modell kan hantera olika storlekar på bildutsnitt utan att tränas om.

## Fakta

- Modellen tränades på nästan 2 miljoner rutpaket från 17 års observationer med Lunar Reconnaissance Orbiter.
- Cirka 1 miljon rutor är högupplösta NAC-bilder (≈1 m/pixel); ungefär 964 000 är multispektrala bilder från Wide Angle Camera med upplösningen 100 m/pixel.
- Felet i prognoser om isavlagringar vid polerna minskade med upp till 22 % jämfört med baslinjemodellen SwinV2-B.
- Träffsäkerheten vid identifiering av kratrar i grövre skala ökade med nästan 19 %, samtidigt som bara hälften så mycket märkt data användes.
- Modellen och datamängderna finns på Hugging Face; koden finns på GitHub och är integrerad i verktygspaketet TerraTorch.

## Varför det spelar roll

För planetforskare erbjuder den öppna modellen ett färdigt AI-verktyg som kan hitta is och kratrar med färre handmärkta exempel, vilket kan påskynda forskningen om månens resurser. För alla som följer framtida månuppdrag kan bättre iskartor hjälpa till att avgöra var man ska landa eller utvinna vatten till raketbränsle. Modellen ersätter dock inte direkta mätningar; dess geografiska koordinater kan fortfarande avvika med tiotals grader.

## Källor och referenser

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

Senast uppdaterad: 2026-10-04