IBM e NASA Collaborano per Analizzare i Dati Lunari con un Modello Open Source

IBM e NASA hanno annunciato il lancio del NASA-IBM Lunar Foundation Model, un modello di intelligenza artificiale open source progettato per analizzare enormi quantità di dati lunari raccolti negli ultimi cinquant’anni. Pubblicato su Hugging Face, questo modello multimodale è stato addestrato su un vasto dataset della NASA, che sarà reso disponibile al pubblico, consentendo l’adattamento a diverse analisi geologiche senza la necessità di creare modelli specifici per ogni compito.

Il modello si propone di facilitare lo studio di aree potenzialmente pericolose o strategiche della superficie lunare, come depositi di ghiaccio, crateri e formazioni vulcaniche. Grazie a una maggiore accuratezza nell’individuazione di crateri e caratteristiche vulcaniche, il modello riduce gli errori nella localizzazione di possibili depositi di ghiaccio.

Il dataset unificato, disponibile per il machine learning, comprende oltre 30 layer spazialmente allineati provenienti da nove strumenti su quattro missioni, con decine di migliaia di immagini e mappe che mostrano le proprietà geofisiche della superficie lunare. Tra queste, ci sono anche osservazioni del Lunar Reconnaissance Orbiter e della missione GRAIL.

IBM sottolinea che questo modello può svolgere un ruolo cruciale nella navigazione sicura degli astronauti, nell’identificazione di risorse essenziali e nella comprensione della storia geologica della Luna. Questi elementi sono considerati fondamentali per stabilire una presenza umana sostenuta e per la produzione di carburante per future missioni.

Juan Bernabe-Moreno, direttore di IBM Research Europe, ha affermato che la foundation model offre una base per esplorare la Luna su scala, connettendo osservazioni tra strumenti e rivelando pattern difficili da individuare isolatamente. La combinazione del modello e del dataset mira a fornire alla comunità di ricerca una piattaforma aperta per analisi automatizzate e studi geologici su larga scala.