NASA、IBM Researchおよびさまざまな学術機関との継続的な協力により、月科学に特化したオープンソースのNASA-IBM Lunar Foundation Modelが立ち上げられた。NASAのLunar Reconnaissance Orbiter（LRO）のデータを主に用いて訓練されたこのモデルはHugging Faceで利用でき、コード全体はGitHubで公開されている。
このモデルは、月面に関する大規模なデータセットを迅速に分析できるようにし、月面のマッピング、地質史の研究、将来の研究計画に役立てることを目指している。従来、ミッションごとにゼロから訓練されていたアルゴリズムとは異なり、ファウンデーションモデルはラベルの付いていない大規模なデータセットで事前学習され、その後、少量のラベル付きデータによってさまざまな科学的タスクに適応させることができる。
LROが過去17年間に収集したデータは、月面の大部分を詳細にカバーしているため、訓練に使用された。このミッションで生成されたデータは、NASAの他のすべての惑星ミッションの合計を上回り、月のほぼ途切れのない高解像度モザイクを提供している。モデルは、1メートル解像度の1 millionを超える高解像度カメラ画像と、100メートル解像度の約964,000枚のマルチスペクトル画像からなるデータセット内の約2 million枚の画像タイルを使って訓練された。さらに、NASAのGRAILおよびLunar Prospectorミッション、ならびにJAXAのSelenological and Engineering Explorerミッションによる画像と地形データも使用された。このモデルは、クレーターのマッピング、若い火山地形の特定、極付近にある氷の位置の予測といった研究に適応できる。
なぜ重要なのか
この研究は、月のデータを個々のミッションのためだけに処理されるアーカイブから、さまざまな科学的疑問に応用できる共通の研究基盤へと転換することを目指している。オープンソースのアプローチにより、月研究者は既存の基盤を活用して独自の分析を発展させ、同じデータを異なる目的で評価できるようになる可能性がある。これにより、特に表面マッピング、地質調査、研究計画に取り組むチームにとって、データ処理のプロセスが再構築される可能性がある。しかし、モデルがさまざまな科学的タスクでどの程度成功するのか、また訓練に使用されたデータ以外の状況にどの程度適応できるのかは、応用が広がるにつれて答えが求められる問題として残っている。
背景
NASAはFikirPilotのアーカイブにおいて新しい名前ではない。過去90日間に、この名前が登場する29本のニュースを掲載しており、最新のものは2026年9月11日付だ。