- IBM 和 NASA 于周四在 Hugging Face 上免费发布了开源的 NASA-IBM 月球基础模型，以帮助科学家分析数十年的月球数据，并发现冰、陨石坑和火山地形。.
- 在仅使用一半数据的情况下，它在冰检测方面比常用基准提高了 23%，在陨石坑检测方面提高了 19%。.
- 对于美国宇航局来说，更精确的地下冰层地图和安全着陆点是人类在月球上长期存在的先决条件。.
研究人员现在可以利用IBM和NASA联合开发的开源人工智能模型，通过分析数十年来月球的观测数据，寻找冰层、陨石坑和火山地形。该模型名为NASA-IBM月球基金会模型，是为人类重返月球做准备。据NASA科学部门称，该系统可在Hugging Face网站免费下载，其完整代码库已发布在GitHub上。.
IBM在公告中指出，研究月球表面一直是一个相对缓慢的过程，通常只有两种选择：一是手动梳理地图和图像；二是针对每个单独的需求训练一个分辨率较低、范围较窄的机器学习模型。这两种方法运行成本都很高，而且往往会遗漏科学家研究中所需的精细 细节。
基础模型的发布确实有所帮助，因为研究人员可以针对每个新任务使用预训练模型，而无需在处理不同的地质特征时重新构建模型。该月球模型是 IBM Prithvi 开放科学模型系列的最新成员，该系列模型已涵盖地理空间分析、气象和太阳物理学等领域的应用。IBM 欧洲、英国和爱尔兰研究院院长 Juan Bernabe-Moreno 表示，新系统为科学家提供了一种大规模分析月球观测数据的方法，并dent出在研究单个数据集时可能难以发现的模式。.
“该模型为科学家们大规模探索月球奠定了基础，将不同仪器的观测结果联系起来，揭示了单独来看难以发现的模式，”贝尔纳贝-莫雷诺说。.
月球基金会模型边缘性能基准
NASA 和 IBM 将该模型与 SwinV2-B 进行了对比测试。SwinV2-B 是微软训练的视觉系统，被广泛用作图像分析的基准模型。新模型在定位冰沉积物时误差降低了 23%，在寻找和分类陨石坑方面也比 SwinV2-B 快了 19%，尽管它的训练数据只有 SwinV2-B 的一半。IBM 的技术论文指出，该模型在识别被dent“不规则月海斑块”的火山特征时，性能提高了 3%，而且所需的微调也更少。
8月5日，IBM对该模型进行了实际测试，向其输入了一张SpaceX猎鹰9号火箭撞击月球后留下的撞击坑图像。尽管新的撞击坑几乎直接位于一个现有陨石坑的正上方，但该模型仍然正确地dent其识别为一个新形成的陨石坑。.
最终目标仍然是实现人类在月球上的长期存在。绘制月球两极附近永久阴影区的地图仍然是一项重大挑战，因为这些区域是月球上最难观测的区域之一，而且可能蕴藏着地下冰层。IBM表示，这些冰可以为未来的月球基地提供水和氧气，同时也能为火星任务提供火箭燃料的原材料。.
数据集的寿命可能比模型更长。
这些机构还发布了他们所称的首个统一的、可用于机器学习的月球数据集。该数据集整合了由四次独立月球探测任务中的九种仪器收集的30多个空间对齐的图层。.
该数据 集整合了 来自美国宇航局月球勘测轨道飞行器（LRO）和GRAIL重力探测任务的图像，并加入了来自日本SELENE/Kaguya探测器的数据。贝尔纳贝-莫雷诺表示，大约两百万个经过配准的数据点或许比模型本身更具持久价值。“数据才是人工智能模型产业的真正基石，”他说道。
该人工智能模型的发布建立在双方长达五十多年的合作关系之上，这段合作关系可以追溯到阿波罗计划时期。.
最顶尖的加密货币专家都在阅读我们的简报。想 加入他们？
奥佩耶米·奥兰雷瓦朱
Opeyemi 专注于创作和润色以加密货币、全球金融市场和经济为主题的高质量内容。他毕业于伊巴丹大学，获得医学学士学位。他曾担任大学校刊的总编辑，此前也曾在特许金融分析师协会 (CFA) 工作。六年来，他一直担任 Cryptopolitan的新闻编辑，致力于维护其内容的独特性。.
