Le modèle d’IA pourrait aider les scientifiques à mieux identifier la glace lunaire, les volcans et les cratères.
Un nouveau modèle d'IA open source formé sur les nombreuses données d'observation lunaire de la NASA devrait aider les scientifiques à mieux s'orienter dans les plans de colonisation lunaire.
Le modèle de fondation lunaire NASA-IBM est l'un des premiers modèles de fondation accessibles au public pour l'exploration scientifique de la Lune, quelques mois seulement après que l'IA Prithvi des deux organisations est entrée dans l'histoire en devenant le premier modèle de fondation géospatiale à être déployé en orbite.
La voisine lunaire de la Terre présente une topographie aride et variée, couverte de cratères, de glace et d'activité volcanique – le tout capté au fil des décennies par divers capteurs et instruments. Les pétaoctets de données collectées sont cependant dispersés sur des cartes et des images qui nécessitent un examen physique, ou ne sont accessibles que par des modèles d'apprentissage automatique spécifiques à une tâche.
Un modèle d’IA spécifique à un domaine pourrait changer la façon dont les scientifiques analysent les données, accélérant potentiellement la façon dont la géographie lunaire est identifiée et comprise. Le modèle Lunar Foundation y parvient en combinant des observations multimodales et multi-résolutions.
Selon IBM et la NASA, le nouveau modèle peut être utilisé pour étudier les dépôts potentiels de glace lunaire dans les régions d'ombre permanente de la Lune, ce qui pourrait indiquer la présence d'eau et d'oxygène.
Il pourrait également être utilisé pour étudier les caractéristiques volcaniques lunaires, appelées Irregular Mare Patches, et mieux identifier les cratères afin de garantir des sites d'atterrissage plus sûrs pour les vaisseaux spatiaux.
« La NASA a passé des décennies à constituer un dossier scientifique extraordinaire sur la Lune, mais la collecte de données ne constitue qu'une partie du travail », a déclaré Kevin Murphy, responsable des données scientifiques et responsable par intérim des données et de l'IA à la NASA.
« Nous devons également rendre les données plus faciles à explorer et à utiliser pour les scientifiques. Le modèle NASA-IBM Lunar Foundation montre ce qui est possible lorsque nous intégrons l'IA aux pétaoctets de données scientifiques de la NASA. C'est une réelle opportunité que nous voyons avec l'IA : transformer des données à grande échelle en de nouvelles découvertes. »
Parallèlement au modèle, les scientifiques d'IBM et de la NASA ont également construit le premier ensemble de données lunaires open source de ce type, constitué de couches de données provenant de neuf instruments répartis sur quatre missions.
L'ensemble de données comprend des dizaines de milliers d'images et de cartes de la surface lunaire provenant du Lunar Reconnaissance Orbiter de la NASA et de la mission GRAIL, ainsi que des données de l'Agence japonaise d'exploration aérospatiale.
