// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
L'AI di NASA e IBM legge la Luna: può trovare il ghiaccio nascosto?
NASA e IBM hanno sviluppato un'intelligenza artificiale per riunire decenni di osservazioni della Luna in mappe più utili alle missioni spaziali. Si chiama Lunar Foundation Model e combina immagini e misure raccolte da strumenti differenti. L'obiettivo è aiutare i ricercatori a riconoscere crateri, studiare il terreno e individuare zone promettenti per la ricerca di ghiaccio. Per chi segue la tecnologia spaziale, significa trasformare gli archivi delle sonde in informazioni con cui pianificare atterraggi ed esplorazioni.
Il problema nasce dalla varietà dei dati disponibili. Il Lunar Reconnaissance Orbiter e altre sonde hanno osservato la superficie con fotocamere, altimetri laser, radar e spettrometri, producendo misure difficili da confrontare direttamente. Anche la scala cambia: si passa da mappe regionali con una risoluzione di 100 metri per pixel a osservazioni del terreno che arrivano a un metro per pixel. Riunire queste informazioni richiede un lavoro consistente di elaborazione e allineamento.
Per affrontarlo, il gruppo ha costruito SomBench, un dataset di riferimento formato da quasi 2 milioni di tasselli cartografici sovrapposti. Ogni tassello raccoglie osservazioni della stessa porzione di superficie, organizzate in strati corrispondenti. In questo modo, immagini riprese da angolazioni differenti e misure ottenute a risoluzioni diverse possono essere associate allo stesso luogo. È la base che permette al modello di mettere in relazione informazioni altrimenti separate.
Gli strati più ampi includono quote del terreno e riflettanza ultravioletta; quelli dettagliati aggiungono fotografie, pendenze e orientamento della superficie. Si affiancano poi dati sul comportamento termico, sulla composizione mineralogica e sulle anomalie gravitazionali locali. L'incrocio deve fare i conti anche con l'illuminazione lunare: l'angolo della luce solare produce ombre profonde oppure rende meno visibili dettagli geologici sottili, cambiando l'aspetto dello stesso terreno nelle immagini.
Il progetto prevede una base AI riutilizzabile, da rendere liberamente disponibile attraverso Hugging Face, così che altri gruppi possano adattarla alle proprie domande scientifiche. La scelta di condividere modelli specializzati si collega a quanto raccontato sul rilascio dei modelli AI aperti di NVIDIA per il calcolo quantistico. Nel caso lunare, i ricercatori potrebbero partire dallo stesso modello per sviluppare strumenti dedicati a compiti diversi, dalla classificazione del terreno all'analisi delle risorse.
Una conseguenza concreta riguarda la selezione delle zone di atterraggio: una mappa affidabile dei crateri potrebbe aiutare a individuare aree adatte alla discesa dei veicoli. L'analisi dei crateri può inoltre offrire indizi sulla composizione dei materiali lunari e sulla storia della superficie. Tra le applicazioni descritte dal gruppo figura anche lo studio delle strutture vulcaniche, utile per ricostruire l'evoluzione termica della Luna e caratterizzare i terreni da esplorare.
Un altro obiettivo è individuare regioni fortemente ombreggiate potenzialmente associate a ghiaccio nel sottosuolo, una risorsa per le future basi lunari. Il modello permetterebbe di concentrare l'analisi sulle aree più promettenti incrociando le osservazioni disponibili. Il lavoro è presentato in un documento tecnico e l'indicazione di un sito favorevole al ghiaccio richiede comunque conferme osservative prima di diventare una risorsa su cui pianificare una missione.
Aggiungi Tom's Hardware alle tue fonti preferite su Google