Grazie alla collaborazione in corso tra NASA, IBM Research e diverse istituzioni accademiche, è stato lanciato il NASA-IBM Lunar Foundation Model open source dedicato alla scienza lunare. Addestrato principalmente sui dati del Lunar Reconnaissance Orbiter (LRO) della NASA, il modello è disponibile su Hugging Face; l’intero codice è disponibile su GitHub.
Il modello mira a consentire l’analisi rapida di grandi set di dati relativi alla superficie lunare, contribuendo alla mappatura della superficie, allo studio della storia geologica e alla pianificazione delle future ricerche. A differenza degli algoritmi tradizionalmente addestrati da zero per ogni missione, i foundation model vengono preaddestrati su ampi set di dati non etichettati; successivamente possono essere adattati a diversi compiti scientifici con una piccola quantità di dati etichettati.
I dati raccolti da LRO negli ultimi 17 anni sono stati utilizzati per l’addestramento perché coprono dettagliatamente gran parte della superficie lunare. I dati prodotti da questa missione sono più estesi della somma di quelli di tutte le altre missioni planetarie della NASA e offrono un mosaico ad alta risoluzione della Luna quasi continuo. Il modello è stato addestrato con circa 2 milioni di tasselli di immagini appartenenti a un set di dati composto da oltre 1 milione di immagini ad alta risoluzione acquisite da una fotocamera con risoluzione di 1 metro e da circa 964.000 immagini multispettrali con risoluzione di 100 metri. Sono stati inoltre utilizzati immagini e dati del terreno provenienti dalle missioni GRAIL e Lunar Prospector della NASA e dalla missione Selenological and Engineering Explorer di JAXA. Il modello potrà essere adattato per mappare i crateri, individuare giovani formazioni vulcaniche e stimare la posizione del ghiaccio vicino ai poli.
Perché è importante
Questo lavoro mira a trasformare i dati lunari da archivi elaborati esclusivamente per singole missioni in un’infrastruttura di ricerca condivisa, adattabile a diverse domande scientifiche. L’approccio open source potrebbe consentire ai ricercatori lunari di sviluppare le proprie analisi a partire da una base già pronta e di valutare gli stessi dati per scopi diversi. Ciò potrebbe riorganizzare il processo di elaborazione dei dati, soprattutto per i team impegnati nella mappatura della superficie, nelle analisi geologiche e nella pianificazione della ricerca. Tuttavia, la misura in cui il modello avrà successo in diversi compiti scientifici e il livello di adattabilità a situazioni diverse dai dati utilizzati per l’addestramento restano interrogativi a cui si dovrà rispondere con la diffusione delle applicazioni.
Contesto
NASA non è un nome nuovo nell’archivio di FikirPilot: negli ultimi 90 giorni abbiamo pubblicato 29 notizie in cui compare questo nome; la più recente è datata 11 settembre 2026.