La NASA e IBM hanno presentato un modello aperto per l'analisi della superficie lunare

NASA e IBM hanno rilasciato un modello fondamentale specializzato per l'elaborazione dei dati geospaziali della Luna. Il progetto è finalizzato all'automatizzazione dell'analisi delle immagini satellitari e di altri dati planetari raccolti durante le missioni spaziali.

Il modello è stato addestrato su un set di dati multimodali che include informazioni sulla topografia e sulla composizione della superficie del satellite della Terra. Durante il test, la rete neurale ha mostrato risultati superiori alle architetture standard nei compiti di rilevamento di crateri e valutazione della presenza di ghiaccio. L'utilizzo di pesi specializzati consente al sistema di interpretare più precisamente le caratteristiche geologiche del rilievo in condizioni di bassa illuminazione.

Lo sviluppo fa parte della strategia di implementazione del machine learning nella ricerca planetaria. Il codice sorgente e l'architettura del modello sono disponibili per la comunità scientifica, consentendo ai ricercatori di adattare la soluzione a compiti di cartografia specifici. L'integrazione delle conoscenze esperte di USRA ha garantito un'elevata precisione nella classificazione degli oggetti sulla superficie.

L'implementazione di strumenti simili riduce il tempo di elaborazione dei terabyte di dati provenienti dai veicoli orbitali. In precedenza, compiti simili richiedevano la marcatura manuale o l'utilizzo di algoritmi di visione computerizzata meno efficienti. Ora i ricercatori possono automatizzare la ricerca di risorse necessarie per la pianificazione di future missioni di atterraggio e la creazione di basi permanenti sulla Luna.