NASAとIBMが月の水氷を22%高精度に検出する無料AIを公開

月面で水氷を見つけることは、惑星科学における最も難しい課題の一つです。氷は均等に分布しているわけではなく、極域の永久影に覆われたクレーターの中に隠れており、軌道上からそれを特定するには、機器のノイズから微弱なスペクトル信号を区別する必要があります。IBMとNASAのLunar Foundation Modelは、まさにその問題のために設計されました。

Lunar Foundation Modelは、5機の月周回探査機（Lunar Reconnaissance Orbiter、GRAIL、Lunar Prospector、SELENE/かぐや、その他）から得られた200万枚以上の画像でトレーニングされたオープンソースのAIです。これは、IBMの地理空間フレームワークTerraTorchを通じて、Hugging FaceとGitHubで無料で提供されています。

ベンチマークテストでは、このモデルは従来の方法よりも22%高い精度で水氷の堆積物を特定します。また、月のクレーターを19%高い精度で発見します。特筆すべきは、同等のモデルが必要とするラベル付きトレーニングデータの半分でこの性能に達していることです。これは、ラベル付きデータセットの作成にコストがかかる月科学にとって重要な特性です。

実際的な価値は、アルテミス計画における資源マッピングにあります。NASAは月の南極付近に持続的な人類の存在を確立する計画であり、そこでは水氷が飲料水、酸素、ロケット推進剤に変換される可能性があります。氷が実際にどこにあり、どれだけ存在するかを知ることは、着陸地点の選定とインフラ計画に直接影響します。

このモデルは、IBMとNASAの両方が公的資金による研究から貢献しているため、オープンライセンスで公開されています。これを自由に利用できるようにすることで、大学、宇宙機関、民間企業の科学者がライセンスの障壁なく使用、評価、改善できるようになります。このモデルが実行されるIBMのフレームワークTerraTorchは、基盤となる地理空間データパイプラインを処理します。

22%の改善という数字はベンチマーク結果であり、標準化されたテストデータセットでの他のモデルとの比較であり、実際の運用ミッションからの測定値ではありません。Lunar Foundation Modelが実際のミッションの意思決定を改善するかどうかは、ベンチマーク条件が実際の月観測データ（軌道ジオメトリ、機器校正、太陽照明角度によって異なる）をどの程度反映しているかに依存します。IBMやNASAと関係のないグループによる独立した検証はまだ発表されていません。

Lunar Foundation ModelはHugging FaceとGitHubで利用可能です。IBMとNASAは、このモデルをアクティブなアルテミスミッション計画に統合するタイムラインを設定していません。

タグ: 人工知能, オープンソースAI, nasa, IBM, Lunar Foundation Model, 月探査