IBM e NASA: un modello open source per l’analisi dei dati lunari

IBM e NASA hanno recentemente collaborato per rendere disponibile il NASA-IBM Lunar Foundation Model, un modello di intelligenza artificiale open source. Questo strumento, pubblicato su Hugging Face, è progettato per analizzare enormi quantità di dati lunari raccolti negli ultimi cinquant’anni.

Il modello, che è multimodale, è stato addestrato su un ampio dataset fornito dalla NASA, il quale sarà reso accessibile al pubblico. Grazie a questa innovazione, è possibile adattare un singolo modello di base a diverse analisi geologiche, evitando la necessità di sviluppare modelli specifici per ogni singolo compito.

Uno degli aspetti più interessanti di questo strumento è la sua capacità di facilitare lo studio di aree della superficie lunare che potrebbero risultare pericolose o strategiche. Tra queste, sono inclusi i depositi di ghiaccio, i crateri e le formazioni vulcaniche. Il modello ha dimostrato di avere una maggiore accuratezza nell’individuazione di crateri e caratteristiche vulcaniche, riducendo al contempo gli errori nella localizzazione di potenziali depositi di ghiaccio.

Il dataset unificato, disponibile per il machine learning, comprende oltre 30 layer spazialmente allineati provenienti da nove strumenti utilizzati in quattro missioni. Questo dataset include decine di migliaia di immagini e mappe che mostrano le proprietà geofisiche della superficie lunare, con osservazioni provenienti dal Lunar Reconnaissance Orbiter e dalla missione GRAIL.

IBM sottolinea che il modello non solo potrà facilitare la navigazione sicura degli astronauti, ma sarà anche cruciale per l’identificazione di risorse essenziali e per la comprensione della storia geologica della Luna. Questi elementi sono considerati fondamentali per stabilire una presenza umana sostenuta sulla Luna e per la produzione di carburante per future missioni.

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