AI Radar — лентаIBM и NASA открыли модель для анализа лунной поверхности. Что она умеет
IBM и NASA опубликовали Lunar Foundation Model — универсальный инструмент на базе ViT-B, обученный на ~2 млн тайлов из 11 модальностей.
Модель берёт данные с девяти приборов четырёх миссий (NAC, WAC, Diviner, LOLA, Mini-RF и других) и выдаёт одну карту вместо девяти отдельных.
Цифры обучения. Предобучение прошло на 16 H100 GPU за ~1100 GPU-часов (150 000 шагов, батч 1 536). Датасет SomBench разбит 75/15/10.
Результаты. На бенчмарках модель превосходит широко используемые методы: до 23% лучше в идентификации ключевых географических объектов, до 22% лучше в определении участков с высоким потенциалом лунного льда (RMSE 0,0293 vs 0,0377 у SwinV2-B), 19% лучше в обнаружении кратеров на масштабе ~100 м при использовании половины обучающих данных.
Зачем это нужно. Модель с открытым кодом (Apache-2.0) на Hugging Face позволяет учёным быстрее искать водяной лёд для будущей базы и топлива для марсианских миссий, картировать вулканические формации и находить безопасные места посадки. Не нужно собирать данные и обучать модель с нуля.
Модель не является научным генеративным продуктом и не поддерживает геодезическую систему координат: абсолютная геолокация может отличаться на десятки метров, а для сертификации посадочных площадок она не валидирована.
Что это значит: открытый и массово адаптируемый инструмент, который ускоряет анализ лунных данных для подготовки к освоению.
Оригинальная публикация в Telegram