11 сентября 2026 г.
Набор лунных данных впервые открыли для обучения ИИ: NASA и IBM выложили модель с 11 модальностями
11 сентября NASA и IBM опубликовали открытую NASA-IBM Lunar Foundation Model для анализа лунных данных. Модель ViT-B обучили примерно на 2 млн совмещённых лунных тайлов с 11 модальностями и разрешением около 1 и 100 м/пиксель. Вместе с ней NASA открыла набор из более 30 пространственно выровненных слоёв девяти приборов из четырёх миссий.
Учёные разбирали лунные данные вручную или собирали отдельные нейросети под конкретную задачу. Такие системы требовали много вычислений и не всегда давали нужную точность.
Теперь. Единая модель работает с данными LRO, GRAIL, Lunar Prospector и SELENE, собранными за 50 лет и измеряемыми петабайтами. Предобучение заняло 150 тысяч шагов на 16 ускорителях H100, всего около 1100 GPU-часов.
Замер. В поиске полярного льда авторы снизили ошибку на 22% против SwinV2. В обнаружении кратеров модель показала почти на 19% лучший результат при разрешении 100 м/пиксель, используя вдвое меньше обучающих данных. На задаче картирования irregular mare patches преимущество составило 3% при сопоставимой точности и меньшей стоимости.
Для работы. Код NASA-IMPACT ставится на Python 3.12.2 через `pip install -e .`, веса скачиваются через `snapshot_download`, а для поиска льда есть готовая команда `terratorch fit --config configs/finetune/ice_prospectivity.yaml`. Модель помогает искать лёд, изучать вулканические структуры и анализировать кратеры, но результат поиска льда не измеряет фактический лёд, а поля модели не являются калиброванными прогнозами.
Открытая модель и набор данных переводят лунные наблюдения из архива отдельных миссий в общую основу для новых геологических задач.
Первоисточник
