La NASA et IBM lancent un modèle d'intelligence artificielle open source pour décoder les données lunaires

Le partenariat entre la NASA et IBM Research ouvre une nouvelle ère dans notre compréhension du proche voisin céleste. Le lancement du modèle fondamental lunaire NASA-IBM offre aux chercheurs un outil puissant pour interpréter des données complexes. Cette initiative se distingue comme l'un des premiers modèles d'intelligence artificielle open source dédiés à la science lunaire. Elle déplace le focus de l'analyse manuelle vers la découverte automatisée. Les scientifiques peuvent ainsi traiter de vastes quantités d'informations avec une efficacité accrue.

Au cœur de ce modèle se trouve un ensemble de données impressionnant issu du Lunar Reconnaissance Orbiter de la NASA. L'entraînement repose sur plus de deux millions de tuiles d'images collectées sur près de vingt ans. Ces images incluent des clichés haute résolution à un mètre et des images multispectrales à cent mètres. Le système intègre également des données topographiques issues de la mission GRAIL de la NASA et de SELENE de la JAXA. Cette approche globale permet au modèle d'apprendre des motifs que les algorithmes traditionnels pourraient manquer.

Contrairement aux systèmes spécialisés nécessitant un développement sur mesure pour chaque tâche, ce modèle pré-entraîné s'adapte rapidement. Les scientifiques peuvent l'affiner en utilisant de petites quantités de données étiquetées. Cette flexibilité ouvre plusieurs voies de recherche clés. Les chercheurs cartographient désormais les cratères pour déterminer l'âge de la surface avec plus de précision. Ils identifient aussi les irrégularités des plaines mariales qui éclairent l'histoire volcanique de la Lune. Une autre application cruciale consiste à estimer la stabilité de la glace d'eau près des pôles. Comprendre ces dépôts est vital pour planifier les futures missions humaines.

Le modèle montre de solides performances dans la prédiction de l'emplacement de la glace polaire. Il conserve des détails fins utiles pour identifier les ressources essentielles à l'exploration à long terme. Il détecte également les changements subtils en surface. Cela inclut les nouveaux cratères d'impact causés par des corps de fusée. En comparant les images avant et après les événements, l'IA met en évidence les modifications passées inaperçues. Cette capacité améliore notre capacité à surveiller l'activité lunaire en temps réel.

Ce projet s'aligne sur la stratégie plus large de la NASA visant à intégrer l'intelligence artificielle dans les flux de travail scientifiques. Il complète d'autres initiatives réussies comme les modèles Prithvi pour l'observation terrestre et le modèle Surya pour l'héliophysique. Le développement a impliqué des équipes des centres spatiaux Marshall, Goddard et Ames. Des partenaires académiques tels que l'Institut SETI et l'Université Howard ont également contribué à cet effort. La publication de ce modèle en tant que science ouverte encourage la collaboration mondiale et la reproductibilité de la recherche.