O modelo lunar de código aberto da NASA e IBM transforma 17 anos de dados orbitais em base para a ciência lunar
decoder ·
A NASA e a IBM lançaram o Modelo de Fundação Lunar da NASA-IBM, uma ferramenta de IA de código aberto projetada para tornar acessíveis ao aprendizado de máquina décadas de dados de observação lunar. Treinado do zero em quase dois milhões de pacotes de tiles que abrangem 17 anos de dados de missões como LRO e GRAIL, o modelo aborda a escassez de dados rotulados na ciência lunar ao aproveitar grandes volumes de entradas não rotuladas. Uma inovação chave é a inclusão explícita da geometria de iluminação como entrada, o que ajuda o modelo a distinguir entre propriedades da superfície e efeitos de iluminação de forma mais eficaz do que métodos anteriores. O modelo demonstra melhorias significativas na previsão de depósitos de gelo nos polos, reduzindo o erro de previsão em até 22% em comparação com modelos de referência. Ele também tem desempenho competitivo na detecção de crateras em várias escalas e na segmentação de Manchas Irregulares Mare (Irregular Mare Patches), embora não substitua instrumentos de medição física para posicionamento geodésico preciso. Ao atribuir caminhos de processamento separados a diferentes camadas de dados e usar técnicas como FlexiViT, o modelo adapta-se a diversos tamanhos de patch de imagem sem necessidade de retreinamento. Este lançamento marca um marco na colaboração entre NASA e IBM sob seu Acordo de Atividade Espacial, seguindo modelos anteriores de observação da Terra, como o Prithvi. O modelo, o código-fonte e os conjuntos de dados estão disponíveis publicamente via Hugging Face, GitHub e o toolkit TerraTorch.
decoder