美國國家航空暨太空總署（NASA）與IBM日前宣布推出開源人工智慧模型「NASA-IBM Lunar Foundation Model」，協助科學家分析數十年來累積的大量月球觀測資料。模型能整合不同儀器與解析度的資訊，協助研究人員辨識月球表面的重要地理特徵，包括潛在冰層、隕石坑及火山地形，進一步提升月球科學研究效率，並為未來持續探索月球及建立長期人類活動提供支援。
美國國家航空暨太空總署（NASA）與IBM日前宣布推出開源人工智慧模型「NASA-IBM Lunar Foundation Model」，協助科學家分析數十年來累積的大量月球觀測資料。模型能整合不同儀器與解析度的資訊，協助研究人員辨識月球表面的重要地理特徵，包括潛在冰層、隕石坑及火山地形，進一步提升月球科學研究效率，並為未來持續探索月球及建立長期人類活動提供支援。
整合多項任務資料 打造開源月球AI工具
NASA與IBM表示，研究團隊同步建立開源月球資料集，整合來自9種儀器、4項任務的30多個空間對齊資料層，涵蓋NASA月球勘測軌道器（LRO）、GRAIL等任務的資料，並納入日本宇宙航空研究開發機構（JAXA）SELENE／Kaguya的月球觀測資訊。透過整合不同來源、不同解析度的資料，模型能協助科學家找出單一儀器或傳統分析方法較難發現的關聯。
從潛在冰層到隕石坑 提升月球研究效率
月球極區的永久陰影區可能存在冰，是未來月球探索的重要研究目標。NASA-IBM模型可結合多模態及多解析度觀測資料，預測哪些區域具有較高的冰存在可能性。官方技術測試顯示，在潛在月球冰層辨識方面，模型相較於基準模型可將誤差最高降低約22%；在火山地形辨識方面，模型的表現則改善約3%。
「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/
此外，模型也能協助辨識與繪製月球隕石坑。隕石坑能提供月球地質歷史的重要線索，其分布與地形資訊也可協助研究人員評估安全著陸區域、避開陡坡與巨石等地形障礙，並為未來月球基礎設施規劃提供參考。整體而言，IBM表示，新模型在辨識月球表面重要地理特徵方面，最高可比廣泛使用的方法提升23%。
開源AI助攻未來月球探索
NASA與IBM此次將模型及相關資料以開源形式提供給研究社群，希望讓更多科學家能夠使用、測試並進一步開發新的月球研究應用。開源模式也能促進不同研究團隊交流，讓長年累積的大量月球觀測資料得到更有效率的分析與運用。
隨著月球探索任務持續增加，未來將產生更多來自不同儀器與任務的觀測資料。NASA與IBM期待透過人工智慧協助研究人員從龐大資料中發掘新的科學線索，加深對月球地質與資源的了解，並為未來人類重返月球及建立長期月球活動能力提供新的科技工具。
資料來源：Space.com、IBM Newsroom
這篇文章 NASA攜手IBM推出月球AI模型 助攻月球資源與地質研究 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。
