NASA en IBM lanceren gratis AI-model dat de maan in kaart brengt

NASA heeft samen met IBM Research en verschillende universiteiten een nieuw AI-model gelanceerd dat speciaal is gemaakt voor maanonderzoek: het NASA-IBM Lunar Foundation Model. Het is een van de eerste open-source AI-modellen voor de maanwetenschap en is gratis te gebruiken via het platform Hugging Face. De volledige programmeercode staat op GitHub, zodat onderzoekers wereldwijd ermee kunnen experimenteren.

Het model is getraind op data van NASA's Lunar Reconnaissance Orbiter (LRO), een ruimtesonde die al zeventien jaar in een baan om de maan vliegt en foto's en meetgegevens verzamelt. Die dataset is groter dan die van alle andere NASA-planetenmissies bij elkaar. Voor de training gebruikten de onderzoekers ongeveer 2 miljoen beeldtegels: ruim 1 miljoen scherpe camerabeelden met een resolutie van 1 meter en bijna 964.000 multispectrale beelden met een resolutie van 100 meter. Ook data van andere missies, zoals de Amerikaanse zwaartekrachtmissie GRAIL en de Japanse maansonde Selene, zijn gebruikt.

Wat is een foundation model?

Traditionele AI-modellen worden meestal getraind voor één specifieke taak, met veel gelabelde data. Een foundation model werkt anders: het leert eerst algemene patronen uit enorme hoeveelheden ongelabelde data. Daarna kan het met relatief weinig extra training worden ingezet voor uiteenlopende taken. Voor het maanmodel betekent dit dat wetenschappers het met kleine datasets kunnen aanpassen aan hun eigen onderzoeksvraag, of dat nu gaat om het herkennen van inslagkraters, het opsporen van jonge vulkanische structuren of het inschatten waar op de maan ijs verstopt zit.

Ijs, vulkanen en kraters

Vooral voor onderzoek naar ijs op de maanpolen is het model waardevol. In permanent beschaduwde gebieden nabij de polen is het zo koud dat ijs daar mogelijk miljarden jaren bewaard is gebleven. Dat ijs kan belangrijke aanwijzingen geven over de geschiedenis van de maan, en is ook interessant als mogelijke hulpbron voor toekomstige ruimtemissies. Het model bleek in tests duidelijk beter dan vergelijkbare modellen in het inschatten waar dat ijs stabiel kan liggen.

Ook voor het bestuderen van vulkanisme op de maan biedt het model uitkomst. Hoewel de maan al lang niet meer vulkanisch actief is, wijzen relatief jong ogende structuren, de zogeheten onregelmatige mareplekken, erop dat het proces van afkoeling ingewikkelder verliep dan gedacht. Daarnaast versnelt het model het handmatige werk van het tellen en meten van inslagkraters, een cruciale methode om te bepalen hoe oud delen van het maanoppervlak zijn.

Onderdeel van breder AI-programma

Het maanmodel is onderdeel van een groter samenwerkingsverband tussen NASA en IBM, waarin ook AI-modellen zijn ontwikkeld voor aardobservatie en voor het voorspellen van zonne-uitbarstingen die satellieten en stroomnetten kunnen verstoren. Aan het maanmodel werkten onder meer teams van NASA's Marshall Space Flight Center, Goddard Space Flight Center en Ames Research Center mee, samen met onderzoekers van onder andere de Universities Space Research Association en de SETI Institute. Naast het model zelf zijn ook trainingsdatasets en testcollecties openbaar gemaakt, zodat andere wetenschappers de resultaten kunnen controleren en verbeteren.