IBM i NASA udostępniają otwarto‑źródłowy model fundacyjny Księżyca wraz z zestawem danych SomBench

IBM i NASA 10 września 2026 r. ogłosiły otwarto‑źródłowe udostępnienie modelu fundacyjnego NASA‑IBM Lunar Foundation Model, multimodalnego, wielorozdzielczościowego modelu bazowego do zdalnego rozpoznawania Księżyca, wraz z SomBench, współzarejestrowanym zestawem danych księżycowych stworzonym do jego trenowania.

W komunikacie, datowanym w Yorktown Heights w stanie Nowy Jork, IBM opisało system jako jeden z pierwszych publicznie dostępnych modeli fundacyjnych do naukowej eksploracji Księżyca, wytrenowany na obszernej bazie obserwacji księżycowych opracowanej przez badaczy IBM i NASA. Wagi modelu zostały opublikowane na Hugging Face na licencji Apache‑2.0, a kod dostrajania jest utrzymywany w repozytorium GitHub NASA‑IMPACT, a adaptacja downstream realizowana jest za pośrednictwem TerraTorch. Karta modelu przedstawia wydanie jako wielokrotnego użytku reprezentację dla zdalnego rozpoznawania Księżyca: dostrajanie lub adaptację LoRA enkodera do wykrywania, segmentacji i gęstej regresji na obrazach LROC oraz współzarejestrowanych produktach terenu, z podzbiorami modalności i siatkami patchów, które mogą różnić się od pre‑treningu.

Zgodnie z komunikatem, badacze mogą zastosować model w kilku obszarach badań księżycowych: przewidywanie, gdzie w obszarach stale zacienionych może występować lód, które są trudne do obserwacji, a jednocześnie mogą zawierać zasoby niezbędne dla przyszłej bazy księżycowej; mapowanie Irregular Mare Patches, wulkanicznych struktur badanych w celu zrozumienia historii wulkanicznej Księżyca i jego ewolucji termicznej; oraz wykrywanie, kontekstualizacja i klasyfikacja kraterów, co dostarcza wskazówek o wieku terenu i geologii oraz pomaga NASA wybierać bezpieczne miejsca lądowania, unikając zagrożeń takich jak strome zbocza i głazy.

“NASA od dziesięcioleci buduje niezwykły zapis naukowy Księżyca, ale zbieranie danych to tylko część zadania,” powiedział Kevin Murphy, dyrektor ds. danych naukowych i pełniący obowiązki dyrektora ds. danych i sztucznej inteligencji w centrali NASA, dodając, że model pokazuje, co jest możliwe, gdy AI zostaje zastosowana do petabajtów danych naukowych NASA.

IBM stwierdziło, że model rozwija istniejącą współpracę między obiema organizacjami i dołącza do rodziny otwartych modeli fundacyjnych Prithvi dostępnych na Hugging Face, obejmujących geoprzestrzenne, pogodowe, heliofizyczne, a teraz także księżycowe. Komunikat prezentuje otwarte udostępnienie jako szerszą wizję, w której badacze zaczynają od wspólnego modelu i dostosowują go do nowych zadań, zamiast budować nowy system algorytmiczny dla każdego pytania naukowego.

Juan Bernabe‑Moreno, dyrektor IBM Research Europe, UK i Irlandii, powiedział, że model daje naukowcom podstawę do badania Księżyca w skali, łącząc obserwacje z różnych instrumentów, ujawniając wzorce trudne do zauważenia w izolacji, oraz „zapewniając otwartą platformę, na której globalna społeczność badawcza może budować dalsze rozwiązania.”

Architektura i wstępne uczenie

Karta modelu opisuje enkoder‑dekoder ViT‑B (768 wymiarów, 12 warstw, 12 głowic uwagi) wytrenowany od podstaw na zestawie SomBench: około 2 milionów współzarejestrowanych pakietów kafelków księżycowych obejmujących 11 modalności na dwóch skalach przestrzennych, obrazy z LROC Narrow Angle Camera o rozdzielczości około 1 metra na piksel oraz obrazy z Wide Angle Camera o rozdzielczości około 100 metrów na piksel. System adaptuje przepis TerraMind masked‑token z dwoma rozszerzeniami. Geometria akwizycji każdego kafelka, w tym kąty oświetlenia, kotwice w układzie słonecznym oraz rozmiar kafelka, jest tokenizowana jako explicite wejścia enkodera; autorzy stwierdzają, że wygląd powierzchni księżycowej jest determinowany bardziej przez geometrię oświetlenia niż przez wewnętrzną zmienność powierzchni. Kafelki z kotwicami NAC i WAC są również trenowane razem w jednej pętli mieszanej partii w natywnej rozdzielczości, tak że jeden zestaw wag obejmuje obie rodziny rozdzielczości przy różnicy skali 100‑krotnej.

Wejścia obejmują dziewięć gęstych warstw podobnych do obrazu oraz dwie modalności kontekstowe podobne do sekwencji: optyczne metadane per‑kafelek z ośmioma polami oraz kontekst statycznej mapy z 28 polami pochodzącymi z produktów Diviner, LOLA, Mini‑RF, Kaguya, WAC, GRAIL i Lunar Prospector. Osadzenie patchów FlexiViT umożliwia dostrojenie punktu kontrolnego do innych rozmiarów patchy bez ponownego trenowania rdzenia, a tokenizacja modalności‑po‑modalności pozwala na usuwanie lub dodawanie modalności w czasie dostrajania. Wstępne uczenie odbyło się na 16 GPU H100 przez 150 000 kroków przy globalnym batchu 1 536 w formacie bf16, co daje łącznie około 1 100 godzin GPU, wykorzystując dziewięć tokenizatorów VQ‑VAE specyficznych dla modalności z kwantyzacją FSQ, dekoder DDPM oraz funkcję celu krzyżowej entropii nad dyskretnymi słownikami tokenów.

Zgłoszone wyniki benchmarków

IBM stwierdziło, że model przewyższa powszechnie używane metody nawet o 23 % w identyfikacji kluczowych cech geograficznych na powierzchni Księżyca, w tym potencjalnych złóż lodu, kraterów i formacji wulkanicznych. Cytując techniczny dokument NASA‑IBM, firma podała, że model zmniejszył błąd (RMSE) aż o 22 % w porównaniu z modelem SwinV2‑B (ImageNet) przy identyfikacji obszarów o wysokim potencjale lodu; lepiej o 3 % uchwycił rozmiar Irregular Mare Patches niż SwinV2‑B przy użyciu nieidealnych etykiet; oraz dorównał najnowocześniejszym modelom takim jak SwinV2‑B w wykrywaniu kraterów w skali metrowej, przewyższając go o prawie 19 % przy przybliżonej skali kontekstowej 100 metrów, wykorzystując przy tym połowę danych treningowych.

Tablica benchmarków w karcie modelu podaje RMSE prognozy lodu polarnego na poziomie 0,0293 przy pełnym dostrojeniu, w porównaniu z 0,0377 dla najlepszego baseline’u (SwinV2‑B) oraz 0,0397 dla kontroli z losową inicjalizacją, wskazując prognozę lodu jako największą różnicę. Dla segmentacji Irregular Mare Patch podano IoU1 równy 0,5709 w porównaniu z 0,5687 dla ConvNeXtV2‑B, a dla wykrywania krateru Robbins na obrazach WAC mAP wynosi 0,2581 przy użyciu LoRA w porównaniu z 0,2420 dla SwinV2‑B; karta stwierdza, że warianty wstępnie wytrenowane przy użyciu 50 % danych treningowych już dorównują lub przewyższają SwinV2‑B wytrenowany na pełnym zestawie. Autorzy ostrzegają, że liderzy w benchmarkach kraterów NAC i Irregular Mare Patch należy traktować jako porównywalne, ponieważ różnice są mniejsze niż rozproszenie pomiędzy seedami. Benchmarki przeprowadzono w TerraTorch z loaderami, podziałami, augmentacjami, funkcją straty i metrykami utrzymanymi stałymi dla wszystkich backbone’ów, przy użyciu baseline’ów takich jak ResNet‑50, ViT‑B MAE, ConvNeXt‑B, ConvNeXt‑V2‑B, SwinV2‑B, DaViT‑B, DeepLabV3+ i SegFormer, podawanych jako średnia i odchylenie standardowe z pięciu seedów.

Korpus SomBench i wymienione ograniczenia

IBM poinformowało, że jego naukowcy, współpracując z NASA, stworzyli pierwszy otwarto‑źródłowy zestaw danych księżycowych tego typu, agregując ponad 30 przestrzennie wyrównanych warstw z dziewięciu instrumentów w czterech misjach, w tym Lunar Reconnaissance Orbiter i misję GRAIL NASA oraz japońską agencję JAXA SELENE/Kaguya. Karta zestawu danych SomBench opisuje dwa toru: WACLowRes, 963 609 kafelków obejmujących 51,2 km przy 100 m na piksel, pochodzących z 54 080 rekordów eksperymentalnych Wide Angle Camera i zajmujących łącznie 38 TB; oraz NACHighRes, 1 000 113 kafelków obejmujących 512 m przy 1 m na piksel z 1 095 rekordów Narrow Angle Camera, zajmujących łącznie 1,4 TB. Korpus jest udostępniony na licencji CC BY 4.0, a pełny zestaw danych jest hostowany w AWS. Podziały są przydzielane na poziomie strefy Lunar Transverse Mercator w proporcjach 75/15/10, kafelki leżące na granicy dwóch stref są odrzucane, aby zapobiec wyciekom przestrzennym, a podział testowy jest zarezerwowany do oceny downstream.

Karta modelu stwierdza, że system nie jest produktem generatywnym o stopniu naukowym, nie utrzymuje żadnego odniesienia geodezyjnego i nie został zwalidowany do decyzji operacyjnych, takich jak certyfikacja miejsc lądowania czy usuwanie zagrożeń; zauważa również, że wyniki prognozy lodu opierają się na mapie rozmytego nakładania wiedzy, a nie na zmierzonym lodzie. Wymienione ograniczenia obejmują nieodizolowane jeszcze wkłady ablacjowe oraz ograniczenie wstępnego treningu NAC do 1 095 współzarejestrowanych klatek, podczas gdy karta zestawu danych wskazuje na heterogeniczną rozdzielczość przestrzenną i niepewność geolokalizacji rzędu kilku metrów. Praca była wspierana przez NASA w ramach Grantu nr 80MSFC25M0084.