IBM и NASA выпустили модель искусственного интеллекта, созданную на основе данных о Луне, собранных за десятилетия
Компания IBM проявляет интерес к сектору гибридных облачных вычислений в Малайзии.
- В четверг компании IBM и NASA выпустили открытую модель лунной поверхности NASA-IBM Lunar Foundation Model, доступную бесплатно на платформе Hugging Face, чтобы помочь ученым анализировать данные о Луне, собранные за десятилетия, и обнаруживать лед, кратеры и вулканические образования.
- При использовании половины объема данных он превзошел общепринятый эталон на 23% по обнаружению льда и на 19% по обнаружению кратеров.
- Для НАСА более точные карты подповерхностного льда и безопасные места посадки являются необходимым условием для долгосрочного присутствия человека на Луне.
Теперь исследователи могут использовать модель искусственного интеллекта с открытым исходным кодом от IBM и NASA для анализа многолетних наблюдений за Луной на предмет наличия льда, кратеров и вулканического рельефа, используя недавно выпущенную модель NASA-IBM Lunar Foundation Model, в рамках подготовки к возвращению людей на поверхность Луны. Система доступна для бесплатной загрузки на Hugging Face, а полный код опубликован на GitHub, сообщает NASA Science.
Изучение лунной поверхности всегда было относительно медленным процессом, и существовали два варианта: либо ручная обработка карт и изображений, либо обучение узкоспециализированной модели машинного обучения с низким разрешением для каждого отдельного запроса. Оба варианта дорогостоящи в реализации и часто упускают из виду мелкие детали, необходимые ученым в их исследованиях, говорится в заявлении.
Выпуск базовой модели, однако, полезен, поскольку исследователи могут использовать предварительно обученную модель для каждой новой задачи, вместо того чтобы создавать новую при работе с другими геологическими особенностями. Лунная модель — это последнее дополнение к семейству моделей открытой науки Prithvi от IBM, которое уже охватывает приложения в геопространственном анализе, метеорологии и гелиофизике. Хуан Бернабе-Морено, директор IBM Research Europe, UK and Ireland, сказал, что новая система дает ученым возможность анализировать лунные наблюдения в больших масштабах иdentзакономерности, которые может быть трудно обнаружить при изучении отдельных наборов данных.
«Эта модель дает ученым основу для масштабного исследования Луны, позволяя объединять наблюдения, полученные с помощью различных приборов, и выявлять закономерности, которые трудно увидеть по отдельности», — сказала Бернабе-Морено.
Модель лунного фундамента превосходит по производительности эталонные показатели
НАСА и IBM сравнили модель с SwinV2-B, системой машинного зрения, разработанной Microsoft и широко используемой в качестве базовой для анализа изображений. Новая модель сократила ошибки на 23% при использовании для обнаружения ледяных отложений и превзошла SwinV2-B на 19% в поиске и классификации кратеров, несмотря на то, что она обучалась на вдвое меньшем объеме данных. В технической статье IBM сообщается об улучшении производительности на 3% при использовании модели для идентификацииdentобразований, известных как нерегулярные морские пятна, при этом требуется меньше тонкой настройки.
Модель была протестирована в реальных условиях 5 августа, когда IBM загрузила в нее изображение, показывающее место удара, оставшееся после столкновения ракеты SpaceX Falcon 9 с Луной. Несмотря на то, что новое место удара находилось почти непосредственно над уже существующим кратером, модель правильноdentего как новообразованный кратер.
Цель по-прежнему состоит в том, чтобы сделать возможным постоянное присутствие человека на Луне. Картирование постоянно затененных областей вблизи лунных полюсов остается серьезной проблемой, поскольку эти области являются одними из самых труднодоступных для наблюдения на Луне и могут содержать залежи подповерхностного льда. В IBM заявили, что лед может обеспечить водой и кислородом будущие лунные базы, а также предоставить сырье для ракетного топлива, которое могло бы поддерживать миссии на Марс.
Набор данных может сохраниться дольше, чем сама модель
Организации также опубликовали то, что они назвали первым унифицированным набором данных о Луне, готовым к использованию в машинном обучении. Этот набор данных объединяет более 30 пространственно выровненных слоев, собранных девятью приборами в ходе четырех отдельных лунных миссий.
Этот набор данных включает изображения, полученные с помощью лунного разведывательного орбитального аппарата НАСА и гравитационной миссии GRAIL, а также данные с японского орбитального аппарата SELENE/Kaguya. Бернабе-Морено заявил, что примерно два миллиона совместно зарегистрированных точек данных могут стать долгосрочным вкладом в саму модель. «Именно данные создают индустрию моделей искусственного интеллекта», — заявил он.
Выпуск модели искусственного интеллекта является результатом партнерства, которое началось более пяти десятилетий назад, еще во времена программы «Аполлон».
Самые умные криптоаналитики уже читают нашу рассылку. Хотите присоединиться? Вступайте в их ряды.
Опейеми Оланреваджу
Опейеми специализируется на создании и совершенствовании высококачественного контента, посвященного криптовалютам, мировым финансовым рынкам и экономике. Он окончил Университет Ибадана со степенью MBBS. Работал главным редактором в редакционном издании своего колледжа, а ранее — в CFA. Более шести лет он помогал обеспечивать уникальность контента в качестве редактора новостей в Cryptopolitan.
