IBM und NASA veröffentlichen KI-Modell, das auf jahrzehntelangen Monddaten basiert

Forscher können nun ein Open-Source-KI-Modell von IBM und der NASA nutzen, um jahrzehntelange Mondbeobachtungen nach Eis, Kratern und vulkanischem Gelände zu durchsuchen. Das neu veröffentlichte NASA-IBM Lunar Foundation Model dient der Vorbereitung der Rückkehr von Menschen zum Mond. Das System steht laut NASA Science kostenlos auf Hugging Face zum Download bereit; der vollständige Quellcode ist auf GitHub veröffentlicht.

Die Erforschung der Mondoberfläche war schon immer ein relativ langwieriger Prozess mit zwei möglichen Vorgehensweisen: Entweder wurden Karten und Bilder manuell durchgesehen oder für jede einzelne Anfrage ein eng gefasstes, niedrigauflösendes Machine-Learning-Modell trainiert. Beide Optionen sind kostspielig und liefern oft nicht die Details, die Wissenschaftler für ihre Forschung benötigen, so IBM in seiner Mitteilung.

Die Veröffentlichung eines Basismodells ist jedoch hilfreich, da Forschende für jede neue Aufgabe ein vortrainiertes Modell verwenden können, anstatt für jede geologische Formation ein neues zu erstellen. Das Mondmodell ist die neueste Ergänzung der IBM Prithvi-Familie offener Wissenschaftsmodelle, die bereits Anwendungen in der Geodatenanalyse, der Wetterforschung und der Heliophysik umfasst. Juan Bernabe-Moreno, Direktor von IBM Research Europe, Großbritannien und Irland, erklärte, das neue System ermögliche es Wissenschaftlern, Mondbeobachtungen in großem Umfang zu analysieren und Muster zudent, die bei der Untersuchung einzelner Datensätze möglicherweise schwer zu erkennen wären.

„Das Modell bietet Wissenschaftlern eine Grundlage, um den Mond in großem Maßstab zu erforschen, Beobachtungen verschiedener Instrumente miteinander zu verknüpfen und Muster aufzudecken, die isoliert betrachtet schwer zu erkennen sind“, sagte Bernabe-Moreno.

Leistungsbenchmarks für die Kanten des Lunar Foundation-Modells

NASA und IBM verglichen das Modell mit SwinV2-B, einem von Microsoft trainierten Bildverarbeitungssystem, das häufig als Referenz für die Bildanalyse eingesetzt wird. Das neue Modell reduzierte die Fehlerquote bei der Lokalisierung von Eisvorkommen um 23 % und übertraf SwinV2-B um 19 % bei der Erkennung und Klassifizierung von Kratern, obwohl es mit nur der Hälfte der Daten trainiert wurde. Laut IBMs Fachartikel verbesserte sich die Leistung um 3 % bei der IdentifizierungdentStrukturen, bekannt als Irregular Mare Patches, wobei gleichzeitig weniger Feinabstimmung erforderlich war.

Das Modell wurde am 5. August einem Praxistest unterzogen, als IBM ihm ein Bild der Einschlagstelle einer SpaceX Falcon 9-Rakete auf dem Mond zur Verfügung stellte. Obwohl der neue Einschlag fast direkt über einem bereits bestehenden Krater lag,dentdas Modell ihn korrekt als neu entstandenen Krater.

Ziel bleibt es, eine dauerhafte menschliche Präsenz auf dem Mond zu ermöglichen. Die Kartierung permanent beschatteter Regionen in der Nähe der Mondpole stellt weiterhin eine große Herausforderung dar, da diese Gebiete zu den am schwersten zu beobachtenden Regionen des Mondes gehören und möglicherweise unterirdische Eisvorkommen enthalten. Laut IBM könnte dieses Eis Wasser und Sauerstoff für zukünftige Mondbasen liefern und gleichzeitig Rohstoffe für Raketentreibstoff bereitstellen, der Missionen zum Mars ermöglichen könnte.

Der Datensatz könnte das Modell überdauern

Die Organisationen veröffentlichten außerdem den ersten einheitlichen, für maschinelles Lernen geeigneten Datensatz des Mondes. Dieser Datensatz vereint mehr als 30 räumlich ausgerichtete Schichten, die von neun Instrumenten im Rahmen von vier verschiedenen Mondmissionen erfasst wurden.

Dieser Datensatz vereint Bildmaterial der NASA-Mission Lunar Reconnaissance Orbiter und GRAIL mit Daten der japanischen Raumsonde SELENE/Kaguya. Bernabe-Moreno erklärte, die rund zwei Millionen zusammengeführten Datenpunkte könnten sich als der nachhaltigste Beitrag erweisen, der über das Modell selbst hinausgeht. „Die Daten sind die Grundlage für die Entwicklung von KI-Modellen“, betonte er.

Die Veröffentlichung des KI-Modells baut auf einer Partnerschaft auf, die bis zum Apollo-Programm vor mehr als fünf Jahrzehnten zurückreicht.