Пошук ресурсів для майбутніх космічних місій: NASA та IBM представили ШІ для дослідження Місяця

11 вересня 2026 р. 20:10

11 вересня 2026 р. 20:10

NASA разом із IBM Research представило першу відкриту базову модель штучного інтелекту, створену спеціально для дослідження Місяця. Вона допоможе науковцям швидше аналізувати величезні масиви космічних даних, картувати кратери, шукати поклади льоду та вивчати геологічну історію супутника Землі. Модель NASA-IBM Lunar Foundation Model вже доступна на платформі Hugging Face, а її вихідний код для тестування та експериментів опублікували на GitHub.

Розробка стала результатом співпраці NASA, IBM Research та низки академічних установ. Основою для навчання моделі стали дані орбітального апарата Lunar Reconnaissance Orbiter (LRO), який протягом 17 років зібрав найповніший високодеталізований архів зображень місячної поверхні.

«Базова модель NASA-IBM демонструє можливості, що відкриваються завдяки застосуванню ШІ до петабайтів наукових даних NASA. Саме в цьому ми вбачаємо справжній потенціал ШІ: перетворення масивів даних на нові наукові відкриття», — заявив керівник відділу наукових даних NASA Кевін Мерфі.

Під час навчання система опрацювала близько двох мільйонів фрагментів зображень місячної поверхні. До набору увійшли понад мільйон знімків із роздільною здатністю один метр на піксель та майже 964 тисячі мультиспектральних зображень із роздільною здатністю 100 метрів на піксель.

Окрім матеріалів LRO, модель використовувала дані місій GRAIL і Lunar Prospector від NASA, а також японської місії SELENE агентства JAXA. Загальний масив LRO перевищує сукупний обсяг даних усіх інших планетарних місій NASA й фактично утворює майже безшовну карту всієї поверхні Місяця.

Після попереднього навчання планетологи можуть швидко адаптувати модель до різних дослідницьких завдань, використовуючи лише невеликі обсяги даних. Серед основних напрямів — картографування кратерів, пошук молодих вулканічних структур і визначення районів можливого залягання льоду поблизу полюсів Місяця.

Особливу увагу модель приділяє ділянкам, що перебувають у постійній тіні. Саме там температура достатньо низька, щоб лід міг зберігатися мільярди років, що робить ці райони перспективними як для вивчення історії Місяця, так і для пошуку ресурсів майбутніх космічних місій.

Модель також прискорює пошук так званих irregular mare patches — незвичних вулканічних утворень, які можуть свідчити про те, що геологічна активність Місяця тривала довше, ніж вважалося раніше.

За результатами тестування NASA-IBM Lunar Foundation Model не поступалася або навіть перевершувала інші потужні базові моделі. Вона показала порівнянну точність під час картографування кратерів і сегментації вулканічних утворень, а також продемонструвала кращі результати в оцінюванні стабільності полярного льоду. Швидке автоматичне виявлення кратерів має особливе значення для науки, адже саме їхній підрахунок допомагає визначати вік різних ділянок поверхні та відтворювати історію формування Сонячної системи.

Lunar Foundation Model стала черговим проєктом партнерства NASA та IBM із розвитку наукових моделей ШІ. До цієї лінійки вже входять моделі Prithvi для аналізу даних спостереження за Землею та прогнозування повеней, врожайності й ураганів, а також модель Surya для прогнозування сонячних спалахів і космічної погоди.

Минулого року компанія Google представила модель ШІ AlphaEarth Foundations, яка працює за принципом «віртуального супутника» та дозволяє створювати детальні карти поверхні Землі в режимі реального часу з роздільною здатністю до 10 квадратних метрів. Система аналізує трильйони геопросторових вимірювань і знімків місій NASA та ESA, що дає змогу відстежувати вирубку лісів, урбанізацію, стан водойм і кліматичні зміни без необхідності чекати прольоту фізичного супутника над потрібною точкою.

Технології