IBM e NASA lançam modelo fundacional lunar de código aberto com conjunto de dados SomBench

IBM e NASA, em 10 de setembro de 2026, anunciaram o lançamento de código aberto do NASA-IBM Lunar Foundation Model, um modelo fundacional multimodal e multiresolução para sensoriamento remoto lunar, juntamente com o SomBench, o conjunto de dados lunar co‑registrado criado para treiná‑lo.

No comunicado, datado de Yorktown Heights, Nova Iorque, a IBM descreveu o sistema como um dos primeiros modelos fundacionais disponíveis publicamente para a exploração científica da Lua, treinado em um extenso conjunto de observações lunares curado por pesquisadores da IBM e da NASA. Os pesos do modelo são publicados no Hugging Face sob a licença Apache-2.0, com o código de ajuste fino mantido em um repositório GitHub da NASA-IMPACT e a adaptação downstream realizada através do TerraTorch. O cartão do modelo enquadra o lançamento como uma representação reutilizável para sensoriamento remoto lunar: ajuste fino ou adaptação LoRA do codificador para detecção, segmentação e regressão densa em imagens LROC e produtos de terreno co‑registrados, com subconjuntos de modalidades e grades de blocos que podem diferir do pré‑treinamento.

De acordo com o comunicado, os pesquisadores podem aplicar o modelo a várias linhas de estudo lunar: prever onde gelo pode estar presente em regiões permanentemente sombreadas, que são difíceis de observar mas podem conter recursos essenciais para uma futura base lunar; mapear Irregular Mare Patches, características vulcânicas que os cientistas estudam para entender a história vulcânica e a evolução térmica da Lua; e detectar, contextualizar e classificar crateras, trabalho que revela pistas sobre a idade e a geologia do terreno e ajuda a NASA a selecionar locais de pouso seguros, evitando perigos como encostas íngremes e rochas.

“A NASA dedicou décadas à construção de um registro científico extraordinário da Lua, mas coletar dados é apenas parte do trabalho”, disse Kevin Murphy, chief science data officer e acting chief data and AI officer na NASA Headquarters, acrescentando que o modelo demonstra o que é possível quando a IA é aplicada aos petabytes de dados científicos da NASA.

A IBM afirmou que o modelo amplia uma colaboração estabelecida entre as duas organizações e se junta à família Prithvi de modelos fundacionais abertos disponíveis no Hugging Face, abrangendo geoespacial, meteorologia, heliofísica e agora a Lua. O comunicado apresenta o lançamento aberto como uma visão mais ampla em que os pesquisadores partem de um modelo compartilhado e o adaptam a novas tarefas, em vez de construir um novo sistema algorítmico para cada questão científica.

Juan Bernabe-Moreno, Diretor da IBM Research Europe, Reino Unido e Irlanda, disse que o modelo oferece aos cientistas uma base para explorar a Lua em escala, conectando observações entre instrumentos, revelando padrões difíceis de perceber isoladamente, e “fornecendo uma plataforma aberta que a comunidade global de pesquisa pode expandir”.

Arquitetura e Pré‑treinamento

O cartão do modelo descreve um codificador‑decodificador ViT‑B (768 dimensões, 12 camadas, 12 cabeças de atenção) treinado do zero no SomBench: aproximadamente 2 milhões de blocos de ladrilhos lunares co‑registrados abrangendo 11 modalidades em duas escalas espaciais, imagens da Câmera de Ângulo Estreito (Narrow Angle Camera – NAC) da LROC com cerca de 1 metro por pixel e imagens da Câmera de Ângulo Largo (Wide Angle Camera – WAC) com cerca de 100 metros por pixel. O sistema adapta a receita de token mascarado do TerraMind com duas extensões. A geometria de aquisição por ladrilho, incluindo ângulos de iluminação, âncoras no referencial solar e a área do ladrilho, é tokenizada como entradas explícitas ao codificador; os autores afirmam que a aparência da superfície lunar é governada mais pela geometria de iluminação do que por variações intrínsecas da superfície. Ladrilhos ancorados em NAC e WAC também são treinados juntos em um único loop de lote misto na resolução nativa, de modo que um único conjunto de pesos cobre ambas as famílias de resolução através de uma diferença de escala de 100×.

As entradas abrangem nove camadas densas semelhantes a imagens mais duas modalidades de contexto semelhantes a sequências: metadados ópticos por ladrilho com oito campos e contexto de mapa estático com 28 campos extraídos dos produtos Diviner, LOLA, Mini‑RF, Kaguya, WAC, GRAIL e Lunar Prospector. Uma incorporação de blocos FlexiViT permite que o ponto de verificação seja ajustado fino em outros tamanhos de bloco sem re‑treinar a espinha dorsal, e a tokenização por modalidade permite que modalidades sejam removidas ou adicionadas durante o ajuste fino. O pré‑treinamento foi executado em 16 GPUs H100 por 150 000 passos com lote global de 1 536 em bf16, totalizando aproximadamente 1 100 horas‑GPU, usando nove tokenizadores VQ‑VAE específicos de modalidade com quantização FSQ, um decodificador DDPM e um objetivo de entropia cruzada sobre vocabulários de tokens discretos.

Resultados de Benchmark Reportados

A IBM afirmou que o modelo supera métodos amplamente usados em até 23 % na identificação de características geográficas chave na superfície lunar, incluindo potenciais depósitos de gelo, crateras e formações vulcânicas. Citando um artigo técnico NASA‑IBM, a empresa reportou que o modelo reduziu o erro (RMSE) em até 22 % comparado ao modelo SwinV2‑B (ImageNet) ao identificar áreas com alto potencial de gelo lunar; capturou a extensão dos Irregular Mare Patches 3 % melhor que o SwinV2‑B usando rótulos imperfeitos; e igualou modelos de ponta como o SwinV2‑B na detecção de crateras em escala de metro, superando‑o em quase 19 % em escala de contexto de aproximadamente 100 metros usando metade dos dados de treinamento.

A tabela de benchmark no cartão do modelo relata RMSE de prospectividade de gelo polar de 0,0293 com ajuste fino completo, contra 0,0377 para o melhor baseline (SwinV2‑B) e 0,0397 para um controle de inicialização aleatória, identificando a prospectividade de gelo como a maior margem. Para segmentação de Irregular Mare Patch, relata IoU1 de 0,5709 contra 0,5687 para ConvNeXtV2‑B, e para detecção de crateras Robbins em imagens WAC um mAP de 0,2581 usando LoRA contra 0,2420 para SwinV2‑B; o cartão indica que variantes pré‑treinadas com 50 % dos dados de treinamento já correspondem ou superam o SwinV2‑B treinado com o conjunto completo. Os autores alertam que os líderes nos benchmarks de crateras NAC e Irregular Mare Patch devem ser tratados como comparáveis porque as margens são menores que a variação entre sementes. Os benchmarks foram executados através do TerraTorch com carregadores, divisões, aumentações, perdas e métricas mantidas fixas entre as espinhas dorsais, com baselines incluindo ResNet‑50, ViT‑B MAE, ConvNeXt‑B, ConvNeXt‑V2‑B, SwinV2‑B, DaViT‑B, DeepLabV3+, e SegFormer, reportados como média e desvio padrão sobre cinco sementes.

Corpus SomBench e Limitações Declaradas

A IBM afirmou que seus cientistas, trabalhando com a NASA, construíram o primeiro conjunto de dados lunar de código aberto de seu tipo, agregando mais de 30 camadas espacialmente alinhadas de nove instrumentos em quatro missões, incluindo o Lunar Reconnaissance Orbiter da NASA e a missão GRAIL, bem como a missão SELENE/Kaguya da Agência Japonesa de Exploração Aeroespacial. O cartão de conjunto de dados SomBench descreve duas trilhas: WACLowRes, 963.609 ladrilhos cobrindo 51,2 quilômetros a 100 metros por pixel extraídos de 54.080 registros de Experimentos da Câmera de Ângulo Largo, totalizando 38 TB; e NACHighRes, 1.000.113 ladrilhos cobrindo 512 metros a 1 metro por pixel de 1.095 registros da Câmera de Ângulo Estreito, totalizando 1,4 TB. O corpus é lançado sob licença CC BY 4.0, com o conjunto completo hospedado na AWS. As divisões são atribuídas ao nível da zona Lunar Transverse Mercator com alvo de 75/15/10; ladrilhos que atravessam duas zonas são descartados para evitar vazamento espacial, e a divisão de teste é reservada para avaliação downstream.

O cartão do modelo declara que o sistema não é um produto generativo de grau científico, não mantém nenhum referencial geodésico e não está validado para decisões operacionais como certificação de local de pouso ou liberação de riscos; também observa que as saídas de prospectividade de gelo reproduzem um mapa de sobreposição difusa orientado por conhecimento em vez de gelo medido. As limitações listadas incluem contribuições de ablação ainda não isoladas e pré‑treinamento NAC restrito a 1.095 quadros co‑registrados, enquanto o cartão do conjunto de dados aponta resolução espacial heterogênea e incerteza de geolocalização absoluta de dezenas de metros. O trabalho foi apoiado pela NASA sob o Prêmio Nº 80MSFC25M0084.