资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
IBM与NASA联合发布开源月球基础模型，助力重返月球计划
为筹备人类重返月球表面，研究人员现可使用由IBM和NASA联合开发的开源AI模型——NASA-IBM月球基础模型（Lunar Foundation Model）。该模型能够处理数十年的月球观测数据，用于识别冰层、陨石坑及火山地形。据NASA科学部门介绍，该系统已在Hugging Face平台免费开放下载，其完整代码库也已发布于GitHub。
突破传统研究瓶颈
长期以来，月球表面研究一直是一个相对缓慢的过程，主要依赖两种传统方式：一是人工查阅地图和图像，二是针对每一项特定需求训练专用的窄域、低分辨率机器学习模型。IBM在公告中指出，这两种方式不仅运行成本高昂，且往往难以捕捉科学家在研究中所需的关键细节。
基础模型的发布有效解决了这一难题。研究人员无需为不同的地质特征重新构建模型，而是可以直接使用预训练模型应对新任务。该月球模型是IBM“Prithvi”系列开源科学模型的又一重要成员，该系列此前已广泛应用于地理空间分析、气象学和日球物理等领域。
IBM欧洲、英国和爱尔兰研究院院长Juan Bernabe-Moreno表示：“新系统为科学家提供了一种大规模分析月球观测数据的手段，使其能够识别出在单独研究数据集时难以察觉的模式。”他补充道：“该模型为科学家提供了探索月球的基础，通过连接不同仪器的观测数据，揭示出孤立视角下难以发现的规律。”
性能表现超越基准
NASA和IBM将该模型与SwinV2-B进行了对比测试。SwinV2-B是由微软训练的视觉系统，被广泛用于图像分析的基线评估。结果显示，尽管该月球模型仅使用了减半的训练数据，但在定位冰层沉积物时错误率降低了23%，在发现和分类陨石坑方面比SwinV2-B高出19%。IBM的技术论文指出，在识别被称为“不规则月海斑块”（Irregular Mare Patches）的火山特征时，模型性能提升了3%，且所需的微调工作更少。
8月5日，该模型通过了实地测试。当时，IBM向模型输入了一张显示SpaceX猎鹰9号火箭撞击月球后留下的撞击点图像。尽管新的撞击痕迹几乎直接覆盖在一个现有的陨石坑上，模型仍正确将其识别为新形成的陨石坑。
目标：建立可持续的月球存在
最终目标是实现人类在月球的持续驻留。目前，绘制月球极地永久阴影区的地图仍是一项重大挑战，因为这些区域是月球上最难观测的地方，但可能蕴藏着地下冰层沉积物。IBM表示，这些冰层可为未来的月球基地提供水和氧气，同时也可作为原材料生产火箭燃料，从而支持火星任务。
数据集的价值或超越模型本身
此外，双方还发布了他们所称的第一个统一且适用于机器学习的月球数据集。该数据集整合了来自四次独立月球任务的九个仪器所收集的30多个空间对齐图层。其中包含了NASA“月球勘测轨道飞行器”（LRO）和“重力恢复与内部实验室”（GRAIL）重力任务的数据，并增加了日本“SELENE/Kaguya”轨道器的数据。
Bernabe-Moreno表示，这约两百万个共注册数据点可能是比模型本身更具持久价值的贡献。“数据才是真正催生AI模型产业的核心要素，”他强调道。
此次AI模型的发布，建立在一段跨越五十多年的合作伙伴关系之上，其渊源可追溯至阿波罗计划时代。
