IBM veröffentlicht Open Source Lunar Foundation AI-Modell gemeinsam mit der NASA

IBM und die NASA haben ein Open-Source-System für künstliche Intelligenz namens NASA-IBM Lunar Foundation-Modell auf den Markt gebracht. Das über die Plattform Hugging Face verfügbare System soll Forscher dabei unterstützen, jahrzehntelange geologische Daten zu analysieren, die von der Oberfläche des Mondes gesammelt wurden. Gleichzeitig mit der Veröffentlichung gewähren die Organisationen öffentlichen Zugang zu einem einheitlichen, für maschinelles Lernen vorbereiteten Datensatz, der Tausende von Mondkarten und Bildschichten enthält.

Zuvor waren Planetenforscher stark auf manuelle Datenauswertungen oder kleinere, aufgabenspezifische Modelle angewiesen. Diese traditionellen Werkzeuge waren rechenintensiv und ließen oft die für komplexe geologische Studien erforderliche Präzision vermissen. Im Gegensatz dazu ermöglicht die neu veröffentlichte Foundation-Architektur Wissenschaftlern, ein einziges Kernsystem für verschiedene Forschungsaufgaben anzupassen, wodurch es nicht mehr notwendig ist, für jede einzelne Oberflächenkartierungsherausforderung spezielle Modelle von Grund auf neu zu entwickeln.

Der neu zugängliche Datensatz kombiniert über 30 räumlich ausgerichtete Ebenen aus neun verschiedenen Instrumenten über vier historische Weltraummissionen hinweg. Zu den wichtigsten Eingaben gehören Zehntausende geophysikalische Karten und hochauflösende Bilder, die von Instrumenten des NASA Lunar Reconnaissance Orbiters und der GRAIL-Mission gesammelt wurden. Die Zusammenführung dieser unterschiedlichen Quellen in einem standardisierten, maschinenbereiten Repository ermöglicht ein fortschrittliches multimodales Training über disparate Datensätze der Planetenwissenschaften hinweg.

Erste Tests zeigen, dass das Modell die Leistung bei der Erkennung geologischer Strukturen wie Kratern und Irregular Mare Patches – wichtigen vulkanischen Formationen – verbessert. Es senkt zudem die Fehlerquoten bei der Identifizierung von unterirdischen Eissagern. Die genaue Bestimmung von Eisstandorten ist für die langfristige Weltraumforschung von entscheidender Bedeutung, da Wasser- und Sauerstoffreserven notwendig sind, um Personal auf dem Mond zu unterstützen und Treibstoff für mögliche zukünftige Marsmissionen herzustellen.

Juan Bernabe-Moreno, Director von IBM Research Europe, UK and Ireland, erklärte, dass das Foundation-Modell eine skalierbare Basis bietet, um Beobachtungen über wissenschaftliche Instrumente hinweg zu verknüpfen und subtile Muster zu erkennen. IBM, das seit mehr als 50 Jahren mit der NASA zusammenarbeitet, geht davon aus, dass die Technologie bei zukünftigen Astronauteneinsätzen dabei helfen wird, sichere Landeplätze frei von gefährlichen Felsbrocken oder steilen Hängen zu identifizieren.

Durch die öffentlich zugängliche Bereitstellung sowohl des Foundation-Modells als auch des zugrundeliegenden multimodalen Datensatzes ermöglicht die Partnerschaft offene wissenschaftliche Erkundungen in globalen Forschungseinrichtungen. Akademische Forscher und Studierende können nun vortrainierte geospatiale AI-Modelle direkt nutzen, ohne eigene Modellarchitekturen erstellen oder Archive verschiedener Weltraumagenturen eigenständig zusammenführen zu müssen. Diese Open-Source-Distribution senkt technische Hürden für die Erforschung der Planetengeologie und von Oberflächenmerkmalen erheblich.

Warum das für AI für Studierende, Studium & Forschung wichtig ist

Für studentische Forscher und Akademiker in den Bereichen Data Science und Astronomie beseitigt diese Veröffentlichung die Reibungsverluste bei der Verarbeitung von rohen, nicht ausgerichteten Datensätzen von Weltraumagenturen. Anstatt monatelang eigene Modelle zu bauen oder Sensordaten zu bereinigen, können Forscher ein vortrainiertes Foundation-Modell auf Hugging Face anpassen, um Mondoberflächenmerkmale zu untersuchen, die Abschlussarbeit zu beschleunigen und zu Open-Source-Werkzeugen für die Weltraumforschung beizutragen.

Was jetzt zu tun ist

• Greifen Sie direkt auf Hugging Face auf die Gewichtungen und das Repository des NASA-IBM Lunar Foundation-Modells zu.
• Laden Sie den einheitlichen multimodalen Datensatz herunter, der räumlich ausgerichtete Bilder und Sensorkarten von NASA-Missionen enthält.
• Passen Sie das Foundation-Modell für spezifische Forschungsaufgaben wie die Identifizierung von Kratern, Eislagern oder vulkanischen Merkmalen an.

Erwähnte Tools

• Hugging Face

Quelle: IBM is launching a new open source AI model to get NASA back to the Moon — and making petabytes of lunar data available to study – TechRadar (techradar.com)