NASA y IBM lanzan un modelo de IA de código abierto para descifrar datos lunares

La colaboración entre la NASA y IBM Research abre una nueva era en nuestra comprensión del vecino celeste más cercano. El lanzamiento del Modelo Base Lunar de NASA-IBM ofrece a los investigadores una herramienta potente para interpretar datos complejos de la Luna. Esta iniciativa se destaca como uno de los primeros modelos de inteligencia artificial de código abierto dedicados a la ciencia lunar. Cambia el enfoque desde el análisis manual hacia el descubrimiento automatizado. Esto permite a los científicos procesar grandes volúmenes de información con mayor eficiencia.

En el centro de este modelo hay un impresionante conjunto de datos extraído del Orbitador de Reconocimiento Lunar de la NASA. El entrenamiento incluye más de dos millones de imágenes divididas en mosaicos recopiladas durante casi veinte años. Estas fotos capturan detalles con cámaras de alta resolución a un metro por píxel e imágenes multiespectrales a cien metros por píxel. El sistema también incorpora datos topográficos de la misión GRAIL de la NASA y SELENE de JAXA. Este enfoque integral permite que el modelo aprenda patrones que los algoritmos tradicionales podrían pasar por alto.

A diferencia de sistemas especializados que requieren desarrollo personalizado para cada tarea, este modelo preentrenado se adapta rápidamente. Los científicos pueden ajustarlo usando pequeñas cantidades de datos etiquetados. Esta flexibilidad abre varias vías clave de investigación. Los expertos ahora están mapeando cráteres para determinar las edades de la superficie con mayor precisión. También identifican parches irregulares en los mares lunares, lo que proporciona pistas sobre la historia volcánica de la Luna. Otra aplicación crítica consiste en estimar la estabilidad del hielo de agua cerca de los polos. Comprender estos depósitos es vital para planificar futuras misiones humanas.

El modelo muestra un rendimiento sólido al predecir dónde podría encontrarse el hielo polar. Preserva detalles a pequeña escala que ayudan a identificar recursos esenciales para la exploración a largo plazo. Además detecta cambios sutiles en la superficie, como nuevos cráteres causados por restos de cohetes. Al comparar imágenes antes y después de eventos, la IA resalta variaciones que de otro modo pasarían desapercibidas. Esta capacidad mejora nuestra habilidad para monitorear la actividad lunar en tiempo real.

Este proyecto se alinea con la estrategia más amplia de la NASA para integrar la inteligencia artificial en los flujos de trabajo científicos. Complementa otras iniciativas exitosas como los Modelos Prithvi para la observación terrestre y el Modelo Surya para heliofísica. El desarrollo contó con equipos del Centro de Vuelo Espacial Marshall, el Centro de Vuelo Espacial Goddard y el Centro de Investigación Ames de la NASA. Socios académicos como el Instituto SETI y la Universidad Howard también contribuyeron al esfuerzo. La publicación de este modelo como ciencia abierta fomenta la colaboración global y la investigación reproducible.