IBMとNASAが数十年にわたる月面データに基づいて構築されたAIモデルを公開

研究者たちは、IBMとNASAが共同開発したオープンソースのAIモデル「NASA​​-IBM Lunar Foundation Model」を用いて、数十年にわたる月面観測データから氷、クレーター、火山地形を選別し、人類を月面に再び送り込む準備を進めることができるようになった。NASA Scienceによると、このシステムはHugging Faceで無料でダウンロードでき、コードベース全体はGitHubで公開されている。.

月面の研究はこれまで、地図や画像を手作業で精査するか、個々のリクエストごとに狭く低解像度の機械学習モデルを訓練するという2つの方法のいずれかを選択する必要があり、比較的時間がかかるプロセスでした。IBMは発表の中で、これらの方法はどちらも実行コストが高く、科学者が研究に必要な細かい情報を見落とすことが多いと述べてい ます。

しかし、基盤モデルがリリースされたことで、研究者は異なる地質学的特徴を扱う際に新しいモデルを構築する代わりに、事前学習済みのモデルを新しいタスクごとに使用できるようになりました。この月面モデルは、すでに地理空間分析、気象、太陽物理学のアプリケーションに広がっているIBMのPrithviオープンサイエンスモデルファミリーへの最新の追加です。IBMリサーチヨーロッパ、英国、アイルランドのディレクターであるJuan Bernabe-Moreno氏は、この新しいシステムにより、科学者は大規模に月面観測を分析し、個々のデータセットを研究する際には検出が難しいパターンを特定できるようになったと述べdentいます。.

「このモデルは、科学者たちが月を大規模に探査するための基盤を提供し、様々な観測機器のデータを結びつけ、単独では見つけにくいパターンを明らかにするものです」とベルナベ＝モレノ氏は述べた。.

月面基礎モデルは性能ベンチマークを上回る

NASAと IBMは 、画像解析の基準として広く使われているMicrosoftがトレーニングしたビジョンシステムであるSwinV2-Bと比較して、このモデルを評価した。新しいモデルは、氷床の位置特定においてエラーを23%削減し、クレーターの発見と分類においては、SwinV2-Bの半分のデータでトレーニングしたにもかかわらず、19%上回った。IBMの技術論文によると、このモデルをdent、微調整の必要性も少なかったという。

このモデルは8月5日に実地試験にかけられ、IBMはスペースX社のファルコン9ロケットが月に衝突した後に残された衝突地点の画像を入力した。新たな衝突地点は既存のクレーターのほぼ真上に現れたにもかかわらず、モデルはそれを新しく形成されたクレーターとして正しくdentした。.

目標は、月面における持続的な人類の存在を可能にすることである。月の極付近の永久影領域をマッピングすることは、依然として大きな課題となっている。これらの領域は月面上で最も観測が困難な場所の一つであり、地下に氷の堆積物が存在する可能性があるからだ。IBMは、この氷が将来の月面基地に水と酸素を供給するだけでなく、火星探査ミッションを支えるロケット燃料の原料にもなり得ると述べている。.

データセットはモデルよりも長く存続する可能性がある

両組織はまた、月面に関する初の統一された機械学習対応データセットを公開した。このデータセットは、4つの異なる月探査ミッションで9つの観測機器によって収集された、空間的に整列された30以上のレイヤーを統合したものである。.

このデータセットは、 に加え 、日本のSELENE/かぐや探査機からのデータも収録している。ベルナベ＝モレノ氏は、約200万点に及ぶ位置合わせされたデータポイントが、モデルそのものよりも永続的な貢献となる可能性があると述べた。「データこそが、AIモデル産業を真に生み出すものだ」と彼は語った。

このAIモデルの発表は、50年以上前に遡るアポロ計画に端を発するパートナーシップに基づいている。.