NASA和IBM推出了開放式模型來分析月球表面

NASA 和 IBM 發佈了一個專門的基礎模型，旨在處理月球的地理空間數據。該項目旨在自動化衛星圖像和其他行星數據的分析，這些數據是在太空任務中收集的。

該模型是在一個多模式數據集上訓練的，該數據集包括地球衛星的拓撲和表面成分信息。在測試過程中，神經網絡表現出超越標準架構的結果，尤其是在 隕石坑檢測 和 冰層潛在性評估 任務中。使用專門的權重使系統能夠更準確地解釋地質特徵，尤其是在低光照條件下。

該開發是將機器學習融入行星研究戰略的一部分。模型的原始碼和架構對科學界開放，允許研究人員根據特定的繪圖任務進行修改。 USRA 的專家知識保證了對表面物體的高精度分類。

實施此類工具可以縮短處理從軌道飛行器接收的太字節數據的時間。以前，類似的任務需要手動標記或使用效率較低的計算機視覺算法。現在，研究人員可以自動化搜索資源，這些資源對於規劃未來的登陸和在月球上建立永久基地是必要的。