IBM a NASA otevřený zdrojový lunární základní model se datasetem SomBench

IBM a NASA dne 10. září 2026 oznámily otevřenou verzi NASA-IBM Lunar Foundation Model, multimodálního, víceúrovňového základního modelu pro lunární dálkový průzkum, spolu se SomBench, ko‑registrovaným lunárním datasetem vytvořeným pro jeho trénink.

V oznámení, datovaném z Yorktown Heights, New York, IBM popsal systém jako jeden z prvních veřejně dostupných základních modelů pro vědecký výzkum Měsíce, trénovaný na rozsáhlém datasetu lunárních pozorování sestaveném výzkumníky IBM a NASA. Váhy modelu jsou zveřejněny na Hugging Face pod licencí Apache-2.0, s kódem pro doladění udržovaným v repozitáři NASA-IMPACT na GitHubu a následnou adaptací prováděnou pomocí TerraTorch. Karta modelu představuje vydání jako znovupoužitelnou reprezentaci pro lunární dálkový průzkum: doladění nebo LoRA‑adaptaci enkodéru pro detekci, segmentaci a hustou regresi na snímcích LROC a ko‑registrovaných produktů terénu, s podmnožinami modalit a mřížkami patchů, které se mohou lišit od předtréninku.

Podle oznámení mohou výzkumníci použít model na několik oblastí lunárního výzkumu: předpovídání, kde by mohl být led v trvale stinných regionech, které jsou obtížně pozorovatelné, ale mohou obsahovat zdroje považované za nezbytné pro budoucí lunární základnu; mapování Irregular Mare Patches, vulkanických útvarů, které vědci studují k pochopení vulkanické historie a tepelného vývoje Měsíce; a detekci, kontextualizaci a klasifikaci kráterů, práce, která odhaluje stopy o stáří terénu a geologii a pomáhá NASA vybírat bezpečná přistávací místa při vyhýbání se nebezpečím, jako jsou strmé svahy a balvany.

“NASA strávila desetiletí budováním výjimečného vědeckého záznamu o Měsíci, ale sběr dat je jen částí úkolu,” řekl Kevin Murphy, hlavní vědecký datový úředník a úřadující hlavní datový a AI úředník v ústředí NASA, a dodal, že model ukazuje, co je možné, když se AI nasadí na petabajty vědeckých dat NASA.

IBM uvedl, že model rozšiřuje zavedenou spolupráci mezi oběma organizacemi a připojuje se k rodině otevřených základních modelů Prithvi dostupných na Hugging Face, pokrývající geoprostor, počasí, heli fyziku a nyní i Měsíc. Oznámení představuje otevřené vydání jako širší vizi, ve které výzkumníci vycházejí ze sdíleného modelu a přizpůsobují jej novým úkolům místo toho, aby pro každou vědeckou otázku budovali nový algoritmický systém.

Juan Bernabe-Moreno, ředitel IBM Research Europe, UK a Irsko, řekl, že model poskytuje vědcům základ pro rozsáhlý průzkum Měsíce, propojuje pozorování napříč přístroji, odhaluje vzory, které je obtížné vidět izolovaně, a „poskytuje otevřenou platformu, na které může globální výzkumná komunita stavět.“

Architektura a předtrénování

Karta modelu popisuje enkodér‑dekodér ViT‑B (768 rozměrů, 12 vrstev, 12 pozorovacích hlav) trénovaný od nuly na SomBench: přibližně 2 miliony ko‑registrovaných lunárních dlaždicových balíků zahrnujících 11 modalit ve dvou prostorových měřítcích, snímky LROC Narrow Angle Camera s rozlišením přibližně 1 metr na pixel a Wide Angle Camera s rozlišením přibližně 100 metrů na pixel. Systém přizpůsobuje recept na maskované tokeny TerraMind se dvěma rozšířeními. Geometrie pořízení každé dlaždice, včetně úhlů osvětlení, slunečních referenčních bodů a rozměrů dlaždice, je tokenizována jako explicitní vstupy enkodéru; autoři uvádějí, že vzhled lunární povrchu je ovlivněn spíše geometrií osvětlení než vnitřní variací povrchu. Dlaždice ukotvené na NAC a WAC jsou také trénovány společně v jediném smíšeném batchovém cyklu v nativním rozlišení, takže jedna sada vah pokrývá obě rodiny rozlišení napříč 100× rozdílem ve měřítku.

Vstupy zahrnují devět hustých vrstev podobných obrazu plus dvě sekvenčně‑podobé kontextové modality: optická metadata na úrovni dlaždice s osmi poli a kontext statické mapy se 28 poli čerpajícími z produktů Diviner, LOLA, Mini‑RF, Kaguya, WAC, GRAIL a Lunar Prospector. Vkládání patchů FlexiViT umožňuje doladit kontrolní bod na jiné velikosti patchů bez nutnosti přeškolení základní sítě, a tokenizace po modalitách umožňuje při doladění modalitu odebrat nebo přidat. Předtrénování probíhalo na 16 GPU H100 po 150 000 kroků s globálním batch‑em 1 536 v bf16, což představuje přibližně 1 100 GPU‑hodin, s využitím devíti modalit‑specifických VQ‑VAE tokenizérů s FSQ kvantizací, DDPM dekodérem a cílem cross‑entropy nad diskrétními tokenovými slovníky.

Uvedené výsledky benchmarků

IBM uvedl, že model překonává široce používané metody až o 23 % při identifikaci klíčových geografických prvků na povrchu Měsíce, včetně potenciálních ledových depozit, kráterů a vulkanických útvarů. V citaci technického dokumentu NASA‑IBM společnost oznámila, že model snížil chybu (RMSE) až o 22 % ve srovnání s modelem SwinV2‑B (ImageNet) při identifikaci oblastí s vysokým potenciálem lunárního ledu; zachytil rozsah Irregular Mare Patches o 3 % lépe než SwinV2‑B při použití nedokonalých štítků; a dosáhl úrovně špičkových modelů jako SwinV2‑B při detekci kráterů v měřítku metr, přičemž jej překonal téměř o 19 % při přibližně 100‑metrovém kontextovém měřítku s využitím poloviny tréninkových dat.

Benchmarková tabulka na kartě modelu uvádí RMSE polarní ledové perspektivity 0,0293 při plném doladění, oproti 0,0377 pro nejlepší referenční model (SwinV2‑B) a 0,0397 pro kontrolu s náhodnou inicializací, a identifikuje ledovou perspektivitu jako největší rozdíl. Pro segmentaci Irregular Mare Patch uvádí IoU1 0,5709 oproti 0,5687 pro ConvNeXtV2‑B, a pro detekci kráteru Robbins na snímcích WAC mAP 0,2581 s použitím LoRA oproti 0,2420 pro SwinV2‑B; karta uvádí, že předtrénované varianty s 50 % tréninkových dat již odpovídají nebo překonávají SwinV2‑B trénovaný na kompletním souboru. Autoři upozorňují, že špičky v benchmarkech NAC kráteru a Irregular Mare Patch by měly být považovány za srovnatelné, protože rozdíly jsou menší než rozptyl napříč semeny. Benchmarky byly provedeny pomocí TerraTorch s načítači, rozdělení, augmentacemi, ztrátou a metrikami pevně nastavenými napříč základními sítěmi, s referenčními modely zahrnujícími ResNet‑50, ViT‑B MAE, ConvNeXt‑B, ConvNeXt‑V2‑B, SwinV2‑B, DaViT‑B, DeepLabV3+ a SegFormer, uváděny jako průměr a směrodatná odchylka z pěti semínek.

Korpus SomBench a uvedená omezení

IBM uvedl, že jeho vědci ve spolupráci s NASA vytvořili první otevřený lunární dataset svého druhu, který agreguje více než 30 prostorově zarovnaných vrstev z devíti přístrojů napříč čtyřmi misemi, včetně Lunar Reconnaissance Orbiter a mise GRAIL od NASA a japonské agentury JAXA SELENE/Kaguya. SomBench dataset card popisuje dvě stopy: WACLowRes, 963 609 dlaždic pokrývajících 51,2 km při 100 metrech na pixel čerpajících z 54 080 záznamů Wide Angle Camera Experiment Data a celkem 38 TB; a NACHighRes, 1 000 113 dlaždic pokrývajících 512 m při 1 metru na pixel z 1 095 záznamů Narrow Angle Camera, celkem 1,4 TB. Korpus je vydán pod licencí CC BY 4.0, přičemž celý dataset je hostován na AWS. Rozdělení jsou přiřazena na úrovni zón Lunar Transverse Mercator s cílem 75/15/10, dlaždice přesahující dvě zóny jsou vynechány, aby se zabránilo prostorovému úniku, a testová část je vyhrazena pro následné hodnocení.

Karta modelu uvádí, že systém není vědeckého stupně generativní produkt, neudržuje žádný geodetický referenční rámec a není ověřen pro operační rozhodnutí, jako je certifikace přistávacího místa nebo vyčištění nebezpečí; také poznamenává, že výstupy ledové perspektivity představují znalostmi řízenou fuzzy‑overlay mapu spíše než měřený led. Uvedená omezení zahrnují dosud neizolované příspěvky ablace a předtrénování NAC omezené na 1 095 ko‑registrovaných snímků, zatímco karta datasetu upozorňuje na heterogenní prostorové rozlišení a nejistotu absolutní geolokace v řádu desítek metrů. Práce byla podpořena NASA pod číslem ocenění 80MSFC25M0084.