IBM și NASA lansează modelul lunar de bază open-source cu setul de date SomBench

IBM și NASA, pe 10 septembrie 2026, au anunțat lansarea open-source a NASA-IBM Lunar Foundation Model, un model de bază multimodal și cu rezoluții multiple pentru teledetecție lunară, alături de SomBench, setul de date lunar co-înregistrat creat pentru antrenarea acestuia.

În comunicatul de presă, emis din Yorktown Heights, New York, IBM a descris sistemul ca fiind unul dintre primele modele de bază disponibile public pentru explorarea științifică a Lunii, antrenat pe un set extins de observații lunare curat de cercetătorii IBM și NASA. Greutățile modelului sunt publicate pe Hugging Face sub licența Apache-2.0, iar codul de fine‑tuning este menținut într-un depozit GitHub NASA-IMPACT, iar adaptarea ulterioară este gestionată prin TerraTorch. Fișa modelului prezintă lansarea ca o reprezentare reutilizabilă pentru teledetecție lunară: fine‑tuning sau adaptare LoRA a encoderului pentru detectare, segmentare și regresie densă pe imagini LROC și produse de teren co‑înregistrate, cu subseturi de modalități și rețele de patch-uri care pot diferi de cele din pre‑antrenare.

Conform comunicatului, cercetătorii ar putea aplica modelul în diverse domenii ale studiului lunar: prezicerea locurilor în care ar putea exista gheață în regiunile permanent umbrite, dificil de observat, dar care ar putea conține resurse esențiale pentru o viitoare bază lunară; cartografierea Irregular Mare Patches, formațiuni vulcanice studiate pentru a înțelege istoria vulcanică și evoluția termică a Lunii; și detectarea, contextualizarea și clasificarea craterelor, activitate ce dezvăluie indicii despre vârsta și geologia terenului și ajută NASA să aleagă zone de aterizare sigure, evitând pericole precum pante abrupte și bolovani.

„NASA a petrecut decenii construind un registru științific extraordinar al Lunii, dar colectarea datelor este doar o parte a sarcinii”, a declarat Kevin Murphy, directorul de date științifice și directorul interimar de date și AI la sediul NASA, adăugând că modelul arată ce este posibil când inteligența artificială este aplicată la petabytes de date științifice ale NASA.

IBM a precizat că modelul extinde o colaborare consolidată între cele două organizații și se alătură familiei Prithvi de modele de bază open disponibile pe Hugging Face, acoperind geospațial, meteorologie, heliofizică și acum Luna. Comunicarea prezintă lansarea open ca o viziune mai largă în care cercetătorii pornesc de la un model comun și îl adaptează la sarcini noi, în loc să construiască un sistem algoritmic nou pentru fiecare întrebare științifică.

Juan Bernabe-Moreno, Director al IBM Research Europe, Regatul Unit și Irlanda, a afirmat că modelul oferă oamenilor de știință o bază pentru a explora Luna la scară largă, conectând observațiile din diferite instrumente, revelând tipare greu de observat în izolare și „furnizând o platformă deschisă pe care comunitatea globală de cercetare o poate dezvolta.”

Arhitectură și Pre-antrenare

Fișa modelului descrie un encoder‑decoder ViT‑B (768 de dimensiuni, 12 straturi, 12 capete de atenție) antrenat de la zero pe SomBench: aproximativ 2 milioane de pachete de dale lunare co‑înregistrate, acoperind 11 modalități la două scări spațiale, imagini de la LROC Narrow Angle Camera cu aproximativ 1 metru pe pixel și imagini de la Wide Angle Camera cu aproximativ 100 de metri pe pixel. Sistemul adaptează rețeta TerraMind de token mascat cu două extensii. Geometria de achiziție per‑dală, inclusiv unghiurile de iluminare, ancorele în cadru solar și amprenta dalei, este tokenizată ca intrări explicite ale encoderului; autorii afirmă că aspectul suprafeței lunare este guvernat mai mult de geometria de iluminare decât de variația intrinsecă a suprafeței. Dalele ancorate la NAC și WAC sunt, de asemenea, antrenate împreună într-o singură buclă de lot mixt la rezoluția nativă, astfel încât un set de greutăți acoperă ambele familii de rezoluție pe o diferență de scară de 100×.

Intrările cuprind nouă straturi dense asemănătoare imaginilor plus două modalități de context asemănătoare secvențelor: metadate optice per‑dală cu opt câmpuri și context de hartă statică cu 28 de câmpuri preluate din produsele Diviner, LOLA, Mini‑RF, Kaguya, WAC, GRAIL și Lunar Prospector. O încorporare FlexiViT a patch‑urilor permite ajustarea punctului de control la alte dimensiuni de patch fără a reantrena nucleul, iar tokenizarea pe modalități permite eliminarea sau adăugarea modalităților în timpul fine‑tuning‑ului. Pre‑antrenarea a fost efectuată pe 16 GPU‑uri H100 pentru 150.000 de pași, cu un lot global de 1.536 în bf16, totalizând aproximativ 1.100 de ore GPU, utilizând nouă tokenizatoare VQ‑VAE specifice modalităților cu cuantizare FSQ, un decodor DDPM și un obiectiv de cross‑entropy peste vocabularii discreți de tokeni.

Rezultate de Benchmark Raportate

IBM a declarat că modelul depășește metodele larg utilizate cu până la 23 % în identificarea caracteristicilor geografice cheie de pe suprafața Lunii, inclusiv depozite potențiale de gheață, cratere și formațiuni vulcanice. Citând un articol tehnic NASA‑IBM, compania a raportat că modelul a redus eroarea (RMSE) cu până la 22 % în comparație cu modelul SwinV2‑B (ImageNet) la identificarea zonelor cu potențial ridicat de gheață lunară; a capturat extinderea Irregular Mare Patches cu 3 % mai bine decât SwinV2‑B utilizând etichete imperfecte; și a egalat modele de ultimă generație precum SwinV2‑B la detectarea craterelor la scară de metru, depășindu‑l cu aproape 19 % la o scară de context de aproximativ 100 de metri folosind jumătate din datele de antrenament.

Tabelul de benchmark din fișa modelului raportează un RMSE pentru prospectivitatea gheții polare de 0,0293 cu fine‑tuning complet, comparativ cu 0,0377 pentru cel mai bun punct de referință (SwinV2‑B) și 0,0397 pentru un control cu inițializare aleatorie, identificând prospectivitatea gheții ca având cea mai mare diferență. Pentru segmentarea Irregular Mare Patch se raportează un IoU1 de 0,5709 versus 0,5687 pentru ConvNeXtV2‑B, iar pentru detectarea craterului Robbins pe imagini WAC un mAP de 0,2581 utilizând LoRA versus 0,2420 pentru SwinV2‑B; fișa menționează că variantele pre‑antrenate cu 50 % din datele de antrenament egalează sau depășesc SwinV2‑B antrenat pe setul complet. Autorii avertizează că liderii pe benchmark‑urile craterelor NAC și Irregular Mare Patch ar trebui tratați ca comparabili, deoarece diferențele sunt mai mici decât variația între semințe. Benchmark‑urile au fost rulate prin TerraTorch cu încărcătoare, împărțiri, augmentări, funcție de pierdere și metrici menținute fixe între backbone‑uri, cu puncte de referință incluzând ResNet‑50, ViT‑B MAE, ConvNeXt‑B, ConvNeXt‑V2‑B, SwinV2‑B, DaViT‑B, DeepLabV3+ și SegFormer, raportate ca medie și deviație standard pe cinci semințe.

Corpusul SomBench și Limitările Declarate

IBM a declarat că oamenii săi de știință, în colaborare cu NASA, au construit primul set de date lunar open‑source de acest tip, agregând peste 30 de straturi aliniate spațial din nouă instrumente din patru misiuni, inclusiv Lunar Reconnaissance Orbiter și misiunea GRAIL ale NASA și SELENE/Kaguya ale Agenției Japoneze de Explorare Spațială. Fișa setului de date SomBench descrie două piste: WACLowRes, 963.609 dale acoperind 51,2 kilometri la 100 de metri pe pixel, preluate din 54.080 de înregistrări de experiment Wide Angle Camera și totalizând 38 TB; și NACHighRes, 1.000.113 dale acoperind 512 metri la 1 metru pe pixel din 1.095 de înregistrări Narrow Angle Camera, totalizând 1,4 TB. Corpusul este lansat sub licența CC BY 4.0, cu setul complet de date găzduit pe AWS. Împărțirile sunt alocate la nivelul zonei Lunar Transverse Mercator cu un țintă de 75/15/10, dalele care se întind pe două zone sunt eliminate pentru a preveni scurgerile spațiale, iar împărțirea de test este rezervată pentru evaluarea ulterioară.

Fișa modelului precizează că sistemul nu este un produs generativ de grad științific, nu menține niciun cadru de referință geodetic și nu este validat pentru decizii operaționale precum certificarea unui sit de aterizare sau curățarea pericolelor; de asemenea menționează că ieșirile de prospectivitate a gheții regresează o hartă fuzzy suprapusă bazată pe cunoștințe, nu gheață măsurată. Limitările enumerate includ contribuții de ablație încă neizolate și pre‑antrenarea NAC restricționată la 1.095 de cadre co‑înregistrate, în timp ce fișa setului de date menționează rezoluție spațială heterogenă și incertitudine de geolocație absolută de câteva zeci de metri. Lucrarea a fost susținută de NASA în cadrul Award No. 80MSFC25M0084.