IBM lanza el modelo de IA de código abierto Lunar Foundation junto con la NASA

IBM y la NASA han lanzado un sistema de inteligencia artificial de código abierto llamado NASA-IBM Lunar Foundation model. Disponible a través de la plataforma Hugging Face, el sistema tiene como objetivo ayudar a los investigadores a analizar décadas de datos geológicos recopilados de la superficie de la Luna. Junto con el lanzamiento, las organizaciones ofrecen acceso público a un conjunto de datos unificado y listo para el aprendizaje automático que contiene miles de mapas lunares y capas de imágenes.

Anteriormente, los científicos planetarios dependían en gran medida de evaluaciones de datos manuales o de modelos más pequeños y específicos para cada tarea. Estas herramientas tradicionales consumían muchos recursos computacionales y a menudo carecían de la precisión necesaria para estudios geográficos complejos. Por el contrario, la arquitectura base recién lanzada permite a los científicos ajustar un único sistema central para diversas tareas de investigación, eliminando la necesidad de diseñar modelos especializados desde cero para cada desafío distinto de mapeo de superficies.

El conjunto de datos recientemente accesible combina más de 30 capas alineadas espacialmente derivadas de nueve instrumentos diferentes en cuatro misiones espaciales históricas. Las entradas clave incluyen decenas de miles de mapas geofísicos e imágenes de alta resolución recopiladas por instrumentos del Lunar Reconnaissance Orbiter de la NASA y la misión GRAIL. La combinación de estas fuentes dispares en un repositorio estandarizado y listo para máquinas permite un entrenamiento multimodal avanzado en diversos conjuntos de datos de ciencias planetarias.

Las pruebas iniciales revelan que el modelo mejora el rendimiento al detectar estructuras geológicas como cráteres y parches lunares irregulares, que son formaciones volcánicas clave. También reduce las tasas de error al identificar depósitos de hielo subterráneo. Localizar con precisión los depósitos de hielo es fundamental para la exploración espacial a largo plazo, ya que las reservas de agua y oxígeno son necesarias para mantener al personal en la Luna y fabricar combustible para posibles futuras misiones a Marte.

Juan Bernabe-Moreno, director de IBM Research Europe, UK e Ireland, afirmó que el modelo base proporciona una base escalable para conectar observaciones entre instrumentos científicos e identificar patrones sutiles. IBM, que colabora con la NASA desde hace más de 50 años, espera que la tecnología ayude a identificar sitios de aterrizaje seguros, libres de rocas peligrosas o pendientes pronunciadas, durante futuras operaciones con astronautas.

Al hacer que tanto el modelo base como el conjunto de datos multimodal subyacente sean de acceso público, la asociación permite la exploración científica abierta en instituciones de investigación globales. Los investigadores académicos y los estudiantes ahora pueden aprovechar los modelos geoespaciales de IA preentrenados directamente sin necesidad de construir arquitecturas de modelos personalizadas ni consolidar de forma independiente archivos dispares de agencias espaciales. Esta distribución de código abierto reduce significativamente las barreras técnicas para estudiar la geología planetaria y las características de la superficie.

Por qué importa para IA para Estudiantes, Estudio e Investigación

Para los estudiantes investigadores y académicos en ciencia de datos y astronomía, este lanzamiento elimina la fricción de procesar conjuntos de datos espaciales sin procesar y no alineados. En lugar de pasar meses construyendo modelos personalizados o limpiando datos de sensores, los investigadores pueden ajustar un modelo base preentrenado en Hugging Face para estudiar las características de la superficie lunar, acelerar la investigación de tesis y contribuir a herramientas de exploración espacial de código abierto.

Qué hacer

• Accede a los pesos y al repositorio del modelo NASA-IBM Lunar Foundation directamente en Hugging Face.
• Descarga el conjunto de datos multimodal unificado que contiene imágenes alineadas espacialmente y mapas de sensores de las misiones de la NASA.
• Adapta el modelo base para tareas de investigación específicas como la identificación de cráteres, depósitos de hielo o características volcánicas.

Herramientas mencionadas

• Hugging Face

Fuente: 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)