За десятилетия исследования Луны NASA накопило настолько много информации, что ее обработка превратилась в отдельную проблему. Один только аппарат Lunar Reconnaissance Orbiter (LRO) передал больше данных, чем все остальные планетарные миссии агентства вместе взятые.
Чтобы ускорить их анализ, NASA совместно с IBM разработало Lunar Foundation Model — специализированную ИИ-модель для исследования Луны. Основой для ее обучения стали данные LRO, который за 17 лет работы получил практически полную мозаику поверхности спутника Земли в высоком разрешении.
Модель способна помогать ученым автоматически распознавать особенности лунного рельефа. Среди потенциальных применений NASA называет картирование кратеров, обнаружение относительно молодых вулканических образований и моделирование районов, где возле полюсов Луны могут находиться залежи водяного льда.
Последняя задача особенно важна для будущих лунных миссий. Запасы льда рассматриваются не только как научно интересный объект, но и как потенциальный местный источник воды и сырья для производства топлива при долговременном присутствии человека на Луне.
Lunar Foundation Model стала продолжением сотрудничества NASA и IBM в области научного искусственного интеллекта. Ранее партнеры создавали аналогичные модели для анализа наблюдений Земли и гелиофизических данных.
NASA рассчитывает, что такие системы позволят быстрее превращать накопленные петабайты информации в новые научные результаты. При этом Lunar Foundation Model выпущена с открытым исходным кодом и доступна исследователям бесплатно, что позволит использовать и дорабатывать ее за пределами самого космического агентства.
