В рамках продолжающегося сотрудничества NASA, IBM Research и различных академических учреждений была запущена открытая модель NASA-IBM Lunar Foundation Model, созданная специально для лунной науки. Модель, обученная преимущественно на данных Lunar Reconnaissance Orbiter (LRO) NASA, стала доступна на Hugging Face; полный код опубликован на GitHub.
Модель призвана обеспечивать быстрый анализ больших наборов данных о поверхности Луны, помогая картографировать поверхность, изучать геологическое прошлое и планировать будущие исследования. В отличие от алгоритмов, которые традиционно обучаются с нуля для каждой миссии, foundation-модели предварительно обучаются на больших неразмеченных наборах данных, а затем могут адаптироваться к различным научным задачам с помощью небольшого объёма размеченных данных.
Данные, собранные LRO за последние 17 лет, были использованы для обучения, поскольку они подробно охватывают большую часть лунной поверхности. Объём данных, полученных в рамках этой миссии, превышает совокупный объём данных всех остальных планетарных миссий NASA и предоставляет почти непрерывную мозаику Луны с высоким разрешением. Модель обучалась примерно на 2 миллионах фрагментов изображений из набора данных, включающего более 1 миллиона изображений с высоким разрешением, полученных камерами с разрешением 1 метр, а также около 964 000 мультиспектральных изображений с разрешением 100 метров. Кроме того, использовались изображения и данные о рельефе, полученные в рамках миссий NASA GRAIL и Lunar Prospector, а также миссии JAXA Selenological and Engineering Explorer. Модель можно адаптировать для картографирования кратеров, выявления молодых вулканических образований и прогнозирования местоположения льда вблизи полюсов.
Почему это важно
Эта работа направлена на то, чтобы данные о Луне перестали быть лишь архивами, обработанными для отдельных миссий, и превратились в общую исследовательскую инфраструктуру, которую можно адаптировать для различных научных задач. Подход с открытым исходным кодом может позволить исследователям Луны развивать собственные анализы на готовой основе и использовать одни и те же данные для разных целей. Это может изменить процесс обработки данных, особенно для команд, занимающихся картографированием поверхности, геологическими исследованиями и планированием исследований. Однако то, насколько успешно модель будет справляться с различными научными задачами и в какой степени её можно будет адаптировать к ситуациям, не представленным в данных, использованных для обучения, остаётся вопросом, на который предстоит ответить по мере распространения практического применения.
Предыстория
NASA — не новое имя в архиве FikirPilot: за последние 90 дней мы опубликовали 29 новостей, в которых оно упоминалось; самая свежая датирована 11 сентября 2026 года.