IBM과 NASA, 수십 년간의 달 데이터로 구축된 AI 모델 출시

연구자들은 이제 새로 출시된 NASA-IBM 달 기반 모델을 사용하여 달 표면으로의 인간 귀환을 준비하며, 수십 년간의 달 관측 데이터에서 얼음, 크레이터 및 화산 지형을 찾기 위해 IBM과 NASA의 오픈 소스 AI 모델을 사용할 수 있습니다. NASA Science에 따르면 이 시스템은 Hugging Face에서 무료로 다운로드할 수 있으며, 전체 코드베이스는 GitHub에 게시되었습니다.

달 표면 연구는 항상 두 가지 가능한 옵션 중 하나를 사용하여 비교적 느린 과정이었습니다. 이는 수동으로 지도와 이미지를 검토하거나, 각 개별 요청마다 좁고 저해상도의 머신러닝 모델을 훈련하는 것이 포함됩니다. IBM은 발표에서 이 두 옵션 모두 실행 비용이 많이 들고 과학자들이 연구에서 필요로 하는 미세한 세부 사항을 자주 놓친다고 밝혔습니다.

파운데이션 모델의 출시는 연구자들이 새로운 작업을 위해 매번 새로운 모델을 구축하는 대신 사전 훈련된 모델을 사용할 수 있게 해주므로 도움이 됩니다. 이 달 모델은 지리공간 분석, 날씨 및 헬리오페이직스 분야에서 이미 적용되고 있는 IBM의 Prithvi 오픈 사이언스 모델 패밀리의 최신 추가 사항입니다. IBM 연구 유럽, 영국 및 아일랜드 책임자인 후안 베르나베모레노는 새로운 시스템이 과학자들에게 대규모로 달 관측 데이터를 분석하고 개별 데이터셋을 연구할 때 감지하기 어려울 수 있는 패턴을 식별할 수 있는 방법을 제공한다고 말했습니다.

“이 모델은 과학자들에게 대규모로 달을 탐구할 수 있는 기반을 제공하며, 기기 간 관측을 연결하고 고립되어 있을 때는 보기 어려운 패턴을 드러냅니다,”라고 베르나베모레노는 말했습니다.

달 기반 모델, 성능 벤치마크 근접

NASA와 IBM은 모델을 이미지 분석의 기준점으로 널리 사용되는 마이크로소프트 훈련 비전 시스템인 SwinV2-B와 비교 측정했습니다. 새로운 모델은 얼음 매장층 위치 지정 시 오류를 23% 줄였고, 반의 데이터로 훈련했음에도 불구하고 크레이터 발견 및 분류에서 SwinV2-B보다 19% 더 우수한 성능을 보였습니다. IBM의 기술 논문은 모델을 Irregular Mare Patches(불규칙한 해저 평원 패치)로 알려진 화산 지형 식별에 사용할 때 성능이 3% 향상되었지만, 미세 조정 요구 사항이 적었음을 보고했습니다.

이 모델은 8월 5일 라이브 테스트를 거쳤으며, 이때 IBM은 SpaceX 팰컨 9 로켓이 달에 충돌한 후 남은 충돌 지점을 보여주는 이미지를 입력했습니다. 새로운 충돌 지점이 기존 크레이터 바로 위에 거의 위치했음에도 불구하고, 모델은 이를 새로 형성된 크레이터로 올바르게 식별했습니다.

목표는 여전히 달에서의 지속적인 인간 존재를 가능하게 하는 것입니다. 달 극 근처의 영구 음영 지역을 매핑하는 것은 이러한 지역이 달에서 관측하기 가장 어려운 지역 중 하나이며 지하 얼음 매장층을 포함할 수 있기 때문에 주요 과제로 남아 있습니다. IBM은 이 얼음이 미래 달 기지에 물과 산소를 공급할 수 있을 뿐만 아니라 화성 임무를 지원할 수 있는 로켓 연료의 원자재도 제공할 수 있다고 말했습니다.

데이터셋이 모델을 더 오래 지속될 수 있음

이들은 또한 달에 대한 최초의 통합 머신러닝 준비 데이터셋을 출시했다고 밝혔습니다. 이 데이터셋은 4개의 별도 달 임무에 걸쳐 9개의 기기가 수집한 30개 이상의 공간 정렬 레이어를 통합합니다.

이 데이터셋 인용 NASA의 달 궤도 탐사선(LRO)과 GRAIL 중력 임무, 그리고 일본의 SELENE/Kaguya 궤도선에서 수집한 이미지를 포함합니다. 베르나베모레노는 약 200만 개의 정합된 데이터 포인트가 모델 자체보다 더 오래 지속되는 공헌이 될 수 있다고 말했습니다. “데이터가 실제로 AI 모델 산업을 만들어냅니다,”라고 그는 말했습니다.

AI 모델의 출시는 아폴로 프로그램으로 거슬러 올라가는 50년 이상의 파트너십을 바탕으로 합니다.