IBM ha presentado un nuevo modelo de IA de código abierto con la esperanza de acelerar la labor de los investigadores de la NASA en su ambicioso objetivo de llevar a la humanidad de regreso a la Luna.

El modelo NASA-IBM Lunar Foundation, disponible en Hugging Face, permitirá a los investigadores analizar décadas de datos de observación lunar y identificar características geológicas críticas para comprender la posibilidad de establecer una presencia humana sostenida en la Luna. El modelo ha sido entrenado por investigadores de IBM y NASA sobre un conjunto de datos multimodal masivo de la NASA, que también se divulgará junto con el modelo para ampliar el acceso a sistemas avanzados de IA y favorecer avances en la exploración lunar.

Hacia la Luna (y más allá)

En su nivel más inmediato, el modelo facilitará una forma mucho más eficiente de estudiar petabytes de datos recopilados en la superficie lunar para identificar lugares potencialmente peligrosos, como depósitos de hielo o cráteres.

Actualmente, los científicos suelen apoyarse en análisis manual o en modelos de IA de baja resolución y específicos para una tarea, lo que puede resultar costoso en términos computacionales y, a veces, carecer de la precisión necesaria para un análisis geográfico detallado.

Con la nueva versión, en lugar de crear un nuevo modelo de IA para cada tema potencial, los investigadores podrán adaptar un único modelo fundacional para investigar una variedad de características geológicas lunares.

El modelo ya ha mostrado utilidad, identificando cráteres y rasgos volcánicos con mayor precisión y reduciendo significativamente los errores al localizar posibles depósitos de hielo.

IBM, que lleva trabajando con la NASA más de cinco décadas, incluida su participación en las misiones Apolo, considera que el modelo podría ayudar a futuros astronautas a navegar con mayor seguridad y a localizar recursos esenciales, además de contribuir a comprender mejor la historia geológica de la Luna.

“Descubrir los misterios de la Luna exige la capacidad de aprender a partir de un volumen extraordinario de datos científicos”, afirmó Juan Bernabe-Moreno, Director de IBM Research Europe, UK and Ireland.

“El NASA-IBM Lunar Foundation Model brinda a los científicos una base para explorar la Luna a escala, conectando observaciones entre instrumentos, revelando patrones que son difíciles de ver de forma aislada y proporcionando una plataforma abierta sobre la que la comunidad científica global puede construir.”

El lanzamiento del conjunto de datos marcará la primera vez que se pone a disposición de forma unificada y pública una reserva de datos lista para aprendizaje automático. Reúne más de 30 capas espaciales alineadas de nueve instrumentos de cuatro misiones, incluidos decenas de miles de imágenes y mapas que muestran propiedades geofísicas únicas de la superficie lunar a partir de la NASA’s Lunar Reconnaissance Orbiter (LRO) y la misión GRAIL de la NASA.

La identificación de depósitos de hielo lunar podría ser particularmente crucial, ya que la presencia de agua y oxígeno será fundamental para establecer una base humana en la Luna e incluso para generar combustible para futuras misiones a Marte.

El escaneo de las características volcánicas de la Luna, conocidas como las “Iregular Mare Patches”, puede ayudar a comprender mejor la historia volcánica de la Luna y su evolución térmica, así como a identificar posibles lugares para alunizajes y otras operaciones superficiales.

Finalmente, estudiar los cráteres lunares ofrece una gran cantidad de información sobre su historia, incluida la edad de diferentes terrenos, su geología e incluso la composición química del interior temprano de la Luna, además de ayudar a identificar sitios de aterrizaje seguros sin peligros como pendientes pronunciadas y rocas sueltas.

from Latest from TechRadar https://ift.tt/TV8NQ6t
via IFTTT IA