IBM e NASA lançam modelo de IA para explorar a Lua

IBM e NASA lançaram nesta quinta-feira (10) o NASA-IBM Lunar Foundation Model, um modelo de inteligência artificial (IA) em código aberto voltado à exploração científica da Lua.

É um dos primeiros modelos de base disponibilizados publicamente para esse fim.

O lançamento transforma décadas de dados lunares coletados por diferentes instrumentos em uma plataforma acessível à comunidade científica global.

O modelo pode ajudar pesquisadores a identificar padrões e relações ocultas em um volume de informações que nenhum instrumento isolado foi capaz de processar em escala equivalente.

Desafios que o modelo resolve A superfície da Lua está em constante transformação.

Ao longo de décadas, sensores e instrumentos geraram petabytes de dados sobre crateras, depósitos de gelo e formações vulcânicas.

Até agora, os cientistas dependiam, em grande parte, da interpretação manual de mapas e imagens ou de modelos de aprendizado de máquina de baixa resolução criados para tarefas específicas, abordagens que exigem elevada capacidade computacional e nem sempre oferecem a precisão necessária para identificar características geológicas.

O NASA-IBM Lunar Foundation Model se propõe a acelerar esse processo ao combinar observações multimodais em diferentes resoluções e conectar dados de fontes distintas.

Leia também: IA no Brasil avança, mas empresas ainda enfrentam desafio do ROI Três aplicações centrais do modelo Os pesquisadores poderão usar o modelo em três frentes principais: Detecção de crateras: o modelo identifica, contextualiza e classifica crateras em resolução de escala métrica.

Em resolução de contexto (aproximadamente 100 metros), supera o modelo de referência SwinV2-B (ImageNet) em quase 19%, utilizando apenas metade dos dados de treinamento.

O mapeamento de crateras é considerado fundamental para a seleção de locais seguros de pouso e o planejamento de infraestruturas na superfície lunar.

Possíveis depósitos de gelo lunar: regiões permanentemente sombreadas podem abrigar gelo abaixo da superfície, recurso essencial para futuras bases lunares e para a produção de combustível em missões a Marte.

Um artigo técnico da IBM e da NASA mostra que o modelo reduziu em até 22% o erro de identificação (RMSE) nessas áreas em comparação ao SwinV2-B (ImageNet).

História vulcânica: o modelo identifica formações conhecidas como Irregular Mare Patches, usadas para compreender a evolução térmica da Lua.