La NASA e IBM liberaron un modelo abierto de IA para analizar datos de la superficie lunar. El sistema puede ayudar a localizar zonas con potencial de hielo, detectar cráteres y adaptar el análisis a otras tareas científicas.
El NASA-IBM Lunar Foundation Model fue entrenado principalmente con observaciones del Lunar Reconnaissance Orbiter. Su código, datos y recursos técnicos están disponibles para que equipos de investigación puedan probarlo y ajustarlo.
El conjunto abierto combina más de 30 capas de información obtenidas por nueve instrumentos de cuatro misiones. Entre ellas se encuentran el Lunar Reconnaissance Orbiter, GRAIL y la misión japonesa SELENE, también conocida como Kaguya.
El modelo identifica patrones y áreas que requieren un examen más detallado, pero no confirma por sí solo la presencia de hielo ni selecciona lugares de alunizaje de manera autónoma. Sus resultados necesitan revisión científica y pueden complementarse con nuevas mediciones.
La NASA evalúa el modelo en hielo lunar y detección de cráteres
Una de las pruebas se concentró en encontrar regiones con alta probabilidad de contener hielo lunar. IBM afirma que el modelo redujo hasta un 22% el error frente a SwinV2-B, un sistema utilizado como referencia en la evaluación.
Ese porcentaje corresponde a las pruebas comunicadas por IBM y la NASA, no a una validación independiente. El resultado señala qué zonas presentan patrones compatibles con los datos de entrenamiento, sin demostrar que exista hielo en un punto determinado.
El trabajo técnico también evaluó la detección de cráteres de aproximadamente 100 metros. Los autores reportaron una mejora cercana al 19% utilizando la mitad de los datos de entrenamiento requeridos por el método de comparación.
La reducción de datos puede facilitar la adaptación del sistema a tareas donde las muestras etiquetadas son escasas o costosas de preparar. Aun así, el rendimiento puede variar según el instrumento, la resolución disponible y el tipo de terreno examinado.
Más de 30 capas lunares disponibles para investigación
Las capas fueron alineadas para que mediciones procedentes de misiones e instrumentos distintos puedan analizarse sobre una referencia común. El conjunto incorpora observaciones relacionadas con la topografía, la composición y otras características físicas de la Luna.
El modelo está integrado en TerraTorch, una biblioteca abierta de IBM destinada al trabajo con datos geoespaciales. Los archivos del modelo se distribuyen mediante Hugging Face, mientras que GitHub reúne el código y los materiales necesarios para ejecutarlo, evaluarlo y adaptarlo.
La publicación abierta permite reproducir las pruebas descritas por los autores y desarrollar aplicaciones sin comenzar el entrenamiento desde cero. Los equipos todavía deben aportar datos adecuados, comprobar la precisión en su tarea concreta y documentar los errores observados.
El proyecto amplía el uso de la IA para ciencia con un recurso especializado en observaciones lunares. La NASA lo propone para estudiar posibles depósitos de hielo, la historia volcánica y los cráteres a distintas resoluciones.
