IBM und NASA veröffentlichen KI-Modell, das auf jahrzehntelangen Mond-Daten basiert
IBM zielt auf den Hybrid-Cloud-Sektor in Malaysia.
- IBM und NASA haben am Donnerstag das Open-Source-NASA-IBM-Lunar-Foundation-Model veröffentlicht, das kostenlos auf Hugging Face verfügbar ist, um Wissenschaftlern bei der Analyse von Jahrzehnten an Mond-Daten zu helfen und Eisvorkommen, Krater sowie vulkanische Landschaften zu identifizieren.
- Es erreichte eine um 23 % höhere Genauigkeit bei der Eisdetektion und eine um 19 % höhere Genauigkeit bei der Erkennung von Kratern im Vergleich zu einem gängigen Benchmark, wobei es nur die Hälfte der Daten benötigte.
- Für NASA sind genauere Karten des unterirdischen Eises und sicherer Landeplätze Voraussetzungen für eine dauerhafte menschliche Präsenz auf dem Mond.
Forscher können nun ein quelloffenes KI-Modell von IBM und NASA nutzen, um durch jahrzehntelange Mondbeobachtungen nach Eis, Kratern und vulkanischem Terrain zu suchen, um sich auf die Rückkehr von Menschen zur Mondoberfläche vorzubereiten. Das System steht als kostenloser Download auf Hugging Face zur Verfügung, der vollständige Code wurde auf GitHub veröffentlicht, so NASA Science.
Die Erforschung der Mondoberfläche war immer ein relativ langsamer Prozess mit zwei möglichen Optionen: entweder das manuelle Durchsuchen von Karten und Bildern oder das Trainieren eines schmalen, niedrigauflösenden Machine-Learning-Modells für jede einzelne Anfrage. Beide Optionen sind teuer in der Anwendung und verpassen oft die feinen Details, die Wissenschaftler in ihren Forschungen benötigen, sagte IBM in seiner Ankündigung.
Die Veröffentlichung eines Foundation-Modells hilft jedoch, da Forscher dann ein vortrainiertes Modell für jede neue Aufgabe verwenden können, anstatt ein neues zu erstellen, wenn sie mit einem anderen geologischen Merkmal arbeiten. Das Mondmodell ist die neueste Ergänzung zu IBMs Prithvi-Familie von Open-Science-Modellen, die bereits Anwendungen in der Geodatenanalyse, Wetter- und Heliophysik umfasst. Juan Bernabe-Moreno, Direktor von IBM Research Europa, UK und Irland, sagte, das neue System gebe Wissenschaftlern die Möglichkeit, Mondbeobachtungen im großen Maßstab zu analysieren und Muster zu identifizieren, die bei der Untersuchung einzelner Datensätze schwer zu erkennen sind.
„Das Modell gibt Wissenschaftlern eine Grundlage, um den Mond im großen Maßstab zu erforschen, indem es Beobachtungen über Instrumente hinweg verbindet und Muster aufdeckt, die isoliert schwer zu sehen sind“, sagte Bernabe-Moreno.
Mond-Foundation-Modell übertrifft Leistungs-Benchmarks
NASA und IBM maßen das Modell gegen SwinV2-B, ein von Microsoft trainiertes Vision-System, das weit verbreitet als Baseline für die Bildanalyse verwendet wird. Das neue Modell reduzierte die Fehlerquote bei der Lokalisierung von Eisablagerungen um 23 % und schlug SwinV2-B um 19 % bei der Suche und Klassifizierung von Kratern, obwohl es mit der Hälfte der Daten trainiert wurde. IBMs technisches Papier berichtete von einer Leistungsverbesserung von 3 %, wenn das Modell zur Identifizierung vulkanischer Merkmale, sogenannter Irregular Mare Patches, verwendet wurde, wobei gleichzeitig weniger Feinabstimmung erforderlich war.
Das Modell wurde am 5. August einem Live-Test unterzogen, als IBM ihm ein Bild des Einschlagorts fütterte, das nach einem Aufprall einer SpaceX Falcon 9-Rakete auf den Mond entstanden war. Trotz des fast direkt über einem bestehenden Krater erscheinenden neuen Einschlags identifizierte das Modell ihn korrekt als neu gebildeten Krater.
Das Ziel bleibt es, eine nachhaltige menschliche Präsenz auf dem Mond zu ermöglichen. Die Kartierung von dauerhaft schattierten Regionen in der Nähe der Mondpole bleibt eine große Herausforderung, da diese Bereiche zu den am schwersten zu beobachtenden Gebieten auf dem Mond gehören und Ablagerungen von Untergrundeis enthalten könnten. IBM sagte, das Eis könnte Wasser und Sauerstoff für zukünftige Mondbasen liefern und gleichzeitig Rohstoffe für Raketentreibstoff bereitstellen, der Missionen zum Mars unterstützen könnte.
Der Datensatz könnte das Modell überdauern
Die Organisationen veröffentlichten auch das, was sie als den ersten vereinheitlichten, für maschinelles Lernen vorbereiteten Datensatz des Mondes bezeichneten. Der Datensatz bringt mehr als 30 räumlich ausgerichtete Schichten zusammen, die von neun Instrumenten über vier separate Mondmissionen gesammelt wurden.
Dieser Datensatz bezieht Bilder aus der Lunar Reconnaissance Orbiter- und GRAIL-Schwerkraftmission der NASA ein und fügt Daten des japanischen SELENE/Kaguya-Orbiters hinzu. Bernabe-Moreno sagte, dass die rund zwei Millionen ko-registrierten Datenpunkte sich als der bleibende Beitrag gegenüber dem Modell selbst erweisen könnten. „Die Daten sind es, die die Branche der KI-Modelle wirklich vorantreiben“, erklärte er.
Die Veröffentlichung des KI-Modells baut auf einer Partnerschaft auf, die mehr als fünf Jahrzehnte zurückreicht bis zum Apollo-Programm.
Wenn Sie dies lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie mit unserem Newsletter auf dem Laufenden.
Opeyemi Olanrewaju
Opeyemi spezialisiert sich auf die Erstellung und Verfeinerung hochwertiger Inhalte mit Fokus auf Kryptowährungen, globale Finanzmärkte und die Wirtschaft. Er absolvierte sein Studium an der University of Ibadan mit einem MBBS-Abschluss. Er war Chefredakteur der redaktionellen Publikation seines Colleges und zuvor bei CFA tätig. Seit über sechs Jahren sorgt er als News Editor bei Cryptopolitan für die Einzigartigkeit der Inhalte.
