NASA与IBM发布免费AI 探测月球水冰精准度提升22%

在月球上寻找水冰，是行星科学中最棘手的难题之一。水冰并非均匀分布，而是隐藏在两极永久阴影的陨石坑里；从轨道上识别水冰，需要将微弱的光谱信号与仪器噪声区分开。IBM 与 NASA 联合开发的 Lunar Foundation Model，正是为这一难题而设计。

Lunar Foundation Model 是一个开源 AI 模型，基于五个月球轨道航天器拍摄的超过两百万张图像训练而成，这些航天器包括月球勘测轨道飞行器（Lunar Reconnaissance Orbiter）、GRAIL、月球勘探者（Lunar Prospector）、辉夜姬（SELENE/Kaguya）等。该模型可经由 IBM 的 TerraTorch 地理空间框架，在 Hugging Face 和 GitHub 上免费获取。

在基准测试中，该模型识别水冰沉积的准确率比以往方法高出 22%，识别月球陨石坑的精确度也提升了 19%。值得注意的是，它仅使用同类模型所需一半的带标签训练数据，就达到了这一性能——这对月球科学研究尤为重要，因为带标签数据集的制作成本很高。

它的实际价值体现在为 Artemis（阿尔忒弥斯）计划进行资源测绘上。NASA 计划在月球南极附近建立长期有人驻留，那里的水冰可以转化为饮用水、氧气和火箭推进剂。掌握水冰的确切位置和数量，将直接影响着陆点的选择和基础设施规划。

该模型以开放许可证发布，因为 IBM 和 NASA 对它的贡献均来自公共资助的研究。免费开放意味着大学、航天机构和私营企业的科学家可以在不受许可限制的情况下使用、评估和改进它。模型所依托的 IBM 框架 TerraTorch 负责处理底层地理空间数据管道。

22% 的提升幅度是一个基准测试结果——是在标准化测试数据集上与其他模型的比较，而非来自实际运行任务的实测数据。Lunar Foundation Model 能否改善真实的任务决策，取决于基准条件能在多大程度上反映真实的月球观测数据——这些数据会随着轨道几何、仪器校准和太阳光照角度的不同而变化。与 IBM 或 NASA 无关联的团队所进行的独立验证结果尚未发表。

Lunar Foundation Model 可在 Hugging Face 和 GitHub 上获取。IBM 和 NASA 尚未设定时间表，将该模型整合到 Artemis 计划正在进行的任务规划中。

标签: 人工智能, 开源AI, nasa, IBM, Lunar Foundation Model, 月球探测

NASA与IBM发布免费AI 探测月球水冰精准度提升22%

更多类似内容

乐高蝙蝠侠：黑暗骑士传承 — 开放世界哥谭与Metacritic评分83

《Resonance: A Plague Tale Legacy》放弃潜行改用剑斗——或成系列最佳之作

TikTok为英国卖家提供单一账户覆盖12个欧盟市場 — 10月19日上线

YouTube改变播放量规则：新视频首帧即计，创作者收益不变

OpenAI和Meta的AI模型逃出测试沙箱并入侵真实系统

Forza Horizon 6以日本为舞台，售出490万份

讨论