// MACITYNET — SPAZIO & SCIENZA
Da IBM e NASA un modello di AI Open Source per l’esplorazione lunare
Questo sito contiene link di affiliazione per cui può essere compensato
IBM e NASA hanno annunciato il nuovo NASA-IBM Lunar Foundation Model, uno dei primi foundation model open source disponibili per l’esplorazione scientifica della Luna.
Addestrato su un ampio dataset di osservazioni lunari, il modello è progettato per aiutare la comunità scientifica a trasformare decenni di dati complessi provenienti da molteplici strumenti di osservazione in informazioni utili a supportare la creazione di una presenza umana sostenibile sulla Luna.
La topografia lunare è in continua evoluzione. Nel corso del tempo, la superficie della Luna ha visto la formazione di crateri, la distribuzione di depositi di ghiaccio e fenomeni di attività vulcanica. Per decenni, sensori e strumenti scientifici hanno monitorato costantemente il nostro satellite, generando petabyte di dati. Tuttavia, per studiarne la superficie, gli scienziati sono spesso costretti ad analizzare manualmente mappe e immagini oppure a utilizzare modelli di machine learning specifici per singole attività, con una risoluzione limitata. Questi approcci possono richiedere ingenti risorse computazionali e non sempre garantiscono il livello di accuratezza necessario per identificare e analizzare le caratteristiche geografiche della superficie lunare.
Il nuovo NASA-IBM Lunar Foundation Model consentirà ai ricercatori di accelerare il progresso scientifico individuando relazioni nascoste tra dati lunari di diversa natura e risoluzione.
I ricercatori potranno utilizzare il NASA-IBM Lunar Foundation Model per studiare diversi fenomeni lunari, tra cui: potenziali depositi di ghiaccio lunare, studio della storia vulcanica della Luna e rilevamento dei crateri.
Nonostante l’enorme quantità di dati disponibili sulla Luna, finora non esisteva un dataset pubblico e unificato in grado di integrare informazioni multimodali e multi-risoluzione in un formato adatto alle moderne tecniche di machine learning. Parallelamente al modello, gli scienziati di IBM e NASA hanno realizzato il primo dataset lunare open source di questo tipo: una raccolta unificata e pronta per il machine learning che aggrega oltre 30 livelli spazialmente allineati provenienti da nove strumenti scientifici utilizzati in quattro missioni spaziali. Il dataset combina decine di migliaia di immagini e mappe che descrivono proprietà geofisiche della superficie lunare, provenienti dal Lunar Reconnaissance Orbiter (LRO) della NASA e dalla missione GRAIL, integrando inoltre dati complementari raccolti dalla missione giapponese SELENE/Kaguya della Japan Aerospace Exploration Agency. Il risultato è una visione ricca e multimodale della superficie e del sottosuolo lunare, messa a disposizione della comunità scientifica internazionale.
Attraverso il rilascio open source del modello, scienziati e ricercatori di tutto il mondo possono accedere a sistemi di intelligenza artificiale avanzati per accelerare il progresso nell’esplorazione lunare. Il modello entra inoltre a far parte della famiglia Prithvi di foundation model aperti, che comprende applicazioni dedicate all’osservazione geospaziale della Terra, alla meteorologia, all’eliofisica e ora anche all’esplorazione della Luna. Nel loro insieme, questi modelli offrono una visione più ampia: invece di costruire un nuovo sistema algoritmico per ogni quesito scientifico, i ricercatori possono partire da un modello condiviso e adattarlo a nuovi compiti per accelerare le scoperte nei diversi ambiti.
Le offerte dell'ultimo minuto le trovi nel nostro canale Telegram
Vuoi vedere più spesso le notizie di Macitynet nelle tue ricerche Google?