IBM e NASA apresentam novo modelo de inteligência artificial para exploração lunar

IBM e NASA apresentam modelo de IA para exploração lunar.

IBM e NASA anunciaram o lançamento do NASA-IBM Lunar Foundation Model, um modelo de inteligência artificial em código aberto focado na exploração científica da Lua. Esta iniciativa representa um marco na disponibilização de modelos de base para a pesquisa lunar.

O modelo transforma uma vasta quantidade de dados lunares, coletados ao longo de décadas por diversos instrumentos, em uma plataforma acessível para a comunidade científica global. Com isso, os pesquisadores poderão identificar padrões e relações ocultas em um volume de informações que antes não poderia ser processado de forma eficiente.

Desafios que o modelo resolve

A superfície lunar é dinâmica e apresenta constantes transformações. Sensores e instrumentos têm gerado petabytes de dados sobre crateras, depósitos de gelo e formações vulcânicas. Até o momento, a interpretação desses dados era feita principalmente de forma manual, o que demandava alta capacidade computacional e nem sempre garantia a precisão necessária para a identificação de características geológicas.

O NASA-IBM Lunar Foundation Model visa acelerar a análise desses dados, combinando observações de diferentes resoluções e conectando informações de fontes variadas.

Três aplicações centrais do modelo

Os pesquisadores poderão aplicar o modelo em três áreas principais:

• Detecção de crateras: O modelo classifica e contextualiza crateras em resolução métrica, superando o modelo de referência SwinV2-B em quase 19%. O mapeamento de crateras é crucial para a seleção de locais seguros para pouso e planejamento de infraestruturas lunares.
• Possíveis depósitos de gelo lunar: Regiões permanentemente sombreadas podem conter gelo abaixo da superfície, essencial para futuras bases lunares e produção de combustível em missões a Marte. O modelo demonstrou uma redução de até 22% no erro de identificação nessas áreas.
• História vulcânica: O modelo identifica formações conhecidas como Irregular Mare Patches, que ajudam a entender a evolução térmica da Lua, com um desempenho 3% superior ao do modelo de referência.

Kevin Murphy, diretor-chefe de dados científicos da NASA, destacou que, embora a coleta de dados seja fundamental, é igualmente importante tornar esses dados mais acessíveis e exploráveis. O novo modelo ilustra como a inteligência artificial pode transformar vastos conjuntos de dados em novas descobertas científicas.

Dataset inédito e família Prithvi

Além do modelo, IBM e NASA criaram o primeiro conjunto de dados lunar unificado e de código aberto, preparado para machine learning. Este dataset reúne mais de 30 camadas de dados de nove instrumentos de quatro missões, incluindo o Lunar Reconnaissance Orbiter e a missão GRAIL da NASA, além da missão SELENE/Kaguya da JAXA. O resultado é uma visão multimodal da superfície e subsolo lunar, com milhares de imagens e mapas geofísicos.

Juan Bernabe-Moreno, diretor da IBM Research Europa, ressaltou que desvendar os mistérios da Lua exige a capacidade de extrair conhecimento de grandes volumes de dados. O modelo oferece uma base para explorar a Lua em escala, conectando observações de diferentes instrumentos e revelando padrões que seriam difíceis de identificar isoladamente.

O NASA-IBM Lunar Foundation Model faz parte da família Prithvi de modelos fundacionais abertos, que já inclui aplicações em dados geoespaciais, meteorologia e heliofísica. Essa abordagem busca substituir o desenvolvimento de novos sistemas algorítmicos para cada questão científica por um modelo compartilhado e adaptável a novas tarefas.