# NASA ve IBM, 17 yıllık Ay verileriyle açık kaynaklı model geliştirdi

> Hugging Face’te kullanıma açılan NASA-IBM Ay Temel Modeli, buz birikintileri ve kraterlere ilişkin tahminleri iyileştirmek için yaklaşık 2 milyon Ay görüntüsü karosu kullanıyor.

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

NASA ve IBM Research, yeni bir Ay yapay zekâ modelini kamuya açtı. Açık kaynaklı NASA-IBM Ay Temel Modeli, Hugging Face’ten indirilebiliyor; kodu ise GitHub’da yer alıyor. Lunar Reconnaissance Orbiter ve diğer görevlerden elde edilen 17 yıllık verilerle eğitilen model, bu arşivi bilim insanlarının yalnızca birkaç etiketli örnekle uyarlayabileceği bir araca dönüştürüyor.

## Model neler yapabiliyor?

Model, yüksek çözünürlüklü (piksel başına yaklaşık 1 metre) ve düşük çözünürlüklü (piksel başına 100 m) görüntüleri aynı anda işleyebiliyor. Ayrıca aydınlatma açılarını ve Güneş’in konumunu doğrudan girdi olarak kullanıyor; bu da gerçek yüzey şekillerini gölgelerden ayırmasına yardımcı oluyor. Testlerde kutup bölgelerindeki buz tahminlerinde hata oranını, en iyi temel modele kıyasla %22’ye kadar düşürdü. Düşük çözünürlüklü görüntülerde krater tespitinde ise etiketli verinin yalnızca yarısını kullanmasına rağmen yaklaşık %19 daha başarılı oldu.

## Nasıl geliştirildi?

Araştırmacılar, bugüne kadarki en büyük ortak kayda alınmış çok modlu Ay veri kümesi olan SomBench’i oluşturdu. Dört görevdeki dokuz cihazdan alınan ve birbiriyle hizalanmış 30’dan fazla katmanı kapsayan veri kümesi, 11 farklı veri türünden yaklaşık 2 milyon “karo paketi” içeriyor. Model, aynı modelin yeniden eğitime gerek kalmadan farklı görüntü parçası boyutlarını işlemesini sağlayan FlexiViT adlı teknikle sıfırdan eğitildi.

## Gerçekler

- Model, Lunar Reconnaissance Orbiter’ın 17 yıllık gözlemlerinden derlenen yaklaşık 2 milyon karo paketiyle eğitildi.
- Yaklaşık 1 milyon karo, yüksek çözünürlüklü (≈1 m/piksel) NAC görüntülerinden; yaklaşık 964.000’i ise 100 m/piksel çözünürlüklü çok bantlı Wide Angle Camera görüntülerinden oluşuyor.
- Kutup bölgelerindeki buz birikintilerine ilişkin tahmin hatası, SwinV2-B temel modeline kıyasla %22’ye kadar azaldı.
- Düşük çözünürlüklü görüntülerde krater tespitinin doğruluğu, etiketli verinin yalnızca yarısı kullanılırken yaklaşık %19 arttı.
- Model ve veri kümeleri Hugging Face’te yayımlandı; kod GitHub’da yer alıyor ve TerraTorch araç setine entegre edildi.

## Neden önemli

Gezegen bilimcileri için bu açık model, elle etiketlenmiş daha az örnekle buz ve kraterleri belirleyebilen hazır bir yapay zekâ sunarak Ay kaynaklarına yönelik araştırmaları hızlandırabilir. Gelecekteki Ay görevlerini takip edenler açısından daha isabetli buz haritaları, iniş yapılacak veya roket yakıtı için su çıkarılacak bölgelerin belirlenmesine yardımcı olabilir. Ancak model doğrudan ölçümlerin yerini tutmuyor; coğrafi koordinatları hâlâ onlarca derece sapabiliyor.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-04