IBM和NASA联合发布用于月球探测的人工智能模型

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？