Le NASA-IBM Lunar Foundation Model, un modèle open source consacré à la science lunaire, a été lancé dans le cadre de la collaboration continue entre NASA, IBM Research et diverses institutions universitaires. Entraîné principalement à partir des données du Lunar Reconnaissance Orbiter (LRO) de NASA, le modèle est disponible sur Hugging Face ; l’intégralité du code se trouve sur GitHub.
Le modèle vise à permettre l’analyse rapide de vastes ensembles de données consacrés à la surface lunaire, afin de contribuer à la cartographie de la surface, à l’étude de son histoire géologique et à la planification de futures recherches. Contrairement aux algorithmes traditionnellement entraînés à partir de zéro pour chaque mission, les modèles de fondation sont préentraînés sur de vastes ensembles de données non étiquetées, puis peuvent être adaptés à différentes tâches scientifiques à l’aide d’une petite quantité de données étiquetées.
Les données recueillies par LRO au cours des 17 dernières années ont été utilisées pour l’entraînement, car elles couvrent en détail une grande partie de la surface lunaire. Les données produites par cette mission sont plus volumineuses que celles de l’ensemble des autres missions planétaires de NASA et offrent une mosaïque presque continue de la Lune en haute résolution. Le modèle a été entraîné à partir d’environ 2 millions de tuiles d’images issues d’un ensemble de données comprenant plus de 1 million d’images de caméra haute résolution avec une résolution de 1 mètre, ainsi qu’environ 964 000 images multispectrales avec une résolution de 100 mètres. Des images et des données topographiques provenant également des missions GRAIL et Lunar Prospector de NASA et de la mission Selenological and Engineering Explorer de JAXA ont été utilisées. Le modèle pourra être adapté à des travaux de cartographie des cratères, d’identification de jeunes formations volcaniques et de prédiction de l’emplacement de la glace près des pôles.
Pourquoi est-ce important
Cette étude vise à faire des données lunaires plus que de simples archives traitées pour des missions individuelles, afin d’en faire une infrastructure de recherche commune pouvant être adaptée à différentes questions scientifiques. L’approche open source pourrait permettre aux chercheurs spécialisés dans la Lune de développer leurs propres analyses à partir d’une base existante et d’évaluer les mêmes données à des fins différentes. Cette situation pourrait notamment réorganiser le processus de traitement des données pour les équipes travaillant sur la cartographie de la surface, les études géologiques et la planification des recherches. Toutefois, la mesure dans laquelle le modèle réussira dans différentes tâches scientifiques et la mesure dans laquelle il pourra être adapté à des situations extérieures aux données utilisées pour son entraînement resteront des questions auxquelles il faudra répondre à mesure que les applications se généraliseront.
Contexte
NASA n’est pas un nom nouveau dans les archives de FikirPilot : nous avons publié 29 articles mentionnant ce nom au cours des 90 derniers jours ; le plus récent est daté du 11 septembre 2026.