IBM e NASA hanno annunciato il nuovo NASA-IBM Lunar Foundation Model, uno dei primi foundation model open source disponibili per l’esplorazione scientifica della Luna.
Addestrato su un ampio dataset di osservazioni lunari, il modello è progettato per aiutare la comunità scientifica a trasformare decenni di dati complessi provenienti da molteplici strumenti di osservazione in informazioni utili a supportare la creazione di una presenza umana sostenibile sulla Luna.
Superare i limiti delle analisi tradizionali e manuali
La topografia lunare è in continua evoluzione. Nel corso del tempo, la superficie della Luna ha visto la formazione di crateri, la distribuzione di depositi di ghiaccio e fenomeni di attività vulcanica. Per decenni, sensori e strumenti scientifici hanno monitorato costantemente il nostro satellite, generando petabyte di dati. Tuttavia, per studiarne la superficie, gli scienziati sono spesso costretti ad analizzare manualmente mappe e immagini oppure a utilizzare modelli di machine learning specifici per singole attività, con una risoluzione limitata. Questi approcci possono richiedere ingenti risorse computazionali e non sempre garantiscono il livello di accuratezza necessario per identificare e analizzare le caratteristiche geografiche della superficie lunare.
Il nuovo NASA-IBM Lunar Foundation Model consentirà ai ricercatori di accelerare il progresso scientifico individuando relazioni nascoste tra dati lunari di diversa natura e risoluzione.
I ricercatori potranno utilizzare il NASA-IBM Lunar Foundation Model per studiare diversi fenomeni lunari, tra cui: potenziali depositi di ghiaccio lunare, studio della storia vulcanica della Luna e rilevamento dei crateri.
Un dataset unificato e l’ecosistema open source “Prithvi”
Nonostante l’enorme quantità di dati disponibili sulla Luna, finora non esisteva un dataset pubblico e unificato in grado di integrare informazioni multimodali e multi-risoluzione in un formato adatto alle moderne tecniche di machine learning. Parallelamente al modello, gli scienziati di IBM e NASA hanno realizzato il primo dataset lunare open source di questo tipo: una raccolta unificata e pronta per il machine learning che aggrega oltre 30 livelli spazialmente allineati provenienti da nove strumenti scientifici utilizzati in quattro missioni spaziali. Il dataset combina decine di migliaia di immagini e mappe che descrivono proprietà geofisiche della superficie lunare, provenienti dal Lunar Reconnaissance Orbiter (LRO) della NASA e dalla missione GRAIL, integrando inoltre dati complementari raccolti dalla missione giapponese SELENE/Kaguya della Japan Aerospace Exploration Agency. Il risultato è una visione ricca e multimodale della superficie e del sottosuolo lunare, messa a disposizione della comunità scientifica internazionale.
Attraverso il rilascio open source del modello, scienziati e ricercatori di tutto il mondo possono accedere a sistemi di intelligenza artificiale avanzati per accelerare il progresso nell’esplorazione lunare. Il modello entra inoltre a far parte della famiglia Prithvi di foundation model aperti, che comprende applicazioni dedicate all’osservazione geospaziale della Terra, alla meteorologia, all’eliofisica e ora anche all’esplorazione della Luna. Nel loro insieme, questi modelli offrono una visione più ampia: invece di costruire un nuovo sistema algoritmico per ogni quesito scientifico, i ricercatori possono partire da un modello condiviso e adattarlo a nuovi compiti per accelerare le scoperte nei diversi ambiti.
