Resumen:
Según el sitio web oficial de la Administración Nacional de Aeronáutica y del Espacio (NASA) y las redes sociales oficiales de IBM Research, las dos instituciones lanzaron y abrieron el primer modelo lunar. Los pesos y el código del modelo están abiertos a investigadores de todo el mundo para descargarlos, ajustarlos y probarlos. Esta es una de las primeras herramientas de análisis inteligente disponibles públicamente específicamente para la ciencia lunar. El objetivo es transformar décadas de datos de observación lunar dispersos en herramientas de análisis reutilizables para mapear cráteres, identificar formas de relieve volcánico y evaluar el potencial del hielo de agua polar.
El "modelo NASA-IBM" reproduce el patrón de detección del hielo lunar (de azul a amarillo), y el modelo conserva muchos de los finos patrones de exploración en los datos de referencia. Fuente de la imagen: Instituto de Investigación NASA/IBM
La investigación lunar se ha enfrentado durante mucho tiempo a la contradicción de grandes cantidades de datos y dificultades de integración. Los datos de entrenamiento para este modelo provienen principalmente del Lunar Reconnaissance Orbiter de la NASA. LRO ha estado en órbita durante unos 17 años, cubriendo la mayor parte de la superficie lunar, y su escala de datos supera a las otras misiones planetarias de la NASA combinadas. El modelo utiliza aproximadamente 2 millones de cortes de imágenes lunares, incluidas más de 1 millón de imágenes de cámaras de ángulo estrecho con una resolución de 1 metro y casi 964.000 imágenes multiespectrales con una resolución de 100 metros, e integra datos de terreno y de teledetección de las misiones de gravedad GRAIL, Lunar Prospector y JAXA SELENE de Japón. Junto con el conjunto de datos publicado, se integran 9 instrumentos, 4 tareas y más de 30 capas de datos alineadas espacialmente para resolver el problema de que es difícil llamar a diferentes resoluciones y cargas de manera unificada.
Este modelo es de gran importancia para la exploración de recursos lunares. La temperatura de los cráteres de sombra permanente de la Luna es extremadamente baja y puede conservar el hielo de agua durante millones de años, lo que dificulta la observación directa con medios ópticos. El modelo integra observaciones multiresolución y multimodales para estimar la aparición y estabilidad del hielo polar, lo que ayuda a los investigadores a reducir el alcance de la verificación de campo. El hielo de agua no solo está relacionado con el agua potable y el oxígeno respirable de la base lunar, sino que también puede producir oxígeno e hidrógeno mediante electrólisis para proporcionar materias primas propulsoras para misiones al espacio profundo. Este es el punto de partida para misiones humanas a largo plazo a la Luna y misiones posteriores a Marte.
Al mismo tiempo, en términos de aterrizaje seguro de futuras naves espaciales y comprensión geológica de los lugares de aterrizaje, el nuevo modelo puede ayudar en la rápida extracción y clasificación de cráteres, reduciendo la carga de trabajo de interpretación manual.
Este modelo se incorpora a la estrategia de "Inteligencia artificial científica" de la Oficina Principal de Datos Científicos de la NASA y lo completan en colaboración múltiples centros, universidades e institutos de investigación. Para la comunidad académica, un conjunto de datos lunares unificados y reproducibles es mucho más importante que un único indicador algorítmico. Las futuras misiones de exploración lunar seguirán produciendo nuevas imágenes y los investigadores podrán perfeccionar el mismo modelo para conectar observaciones de múltiples misiones y períodos de tiempo en una comprensión consistente, en lugar de reinventar la rueda cada vez.
Comentarios