Η IBM και η NASA συνεργάστηκαν και δημιούργησαν ένα νέο μοντέλο τεχνητής νοημοσύνης (AI), το οποίο θα βοηθήσει τους επιστήμονες να να χαρτογραφήσουν στο μέλλον την επιφάνεια του φεγγαριού με μεγαλύτερη ακρίβεια, επεξεργάζοντας δεδομένα που έχουν συλλέξει για τη Σελήνη τις τελευταίες δεκαετίες.
Νέα μέθοδος εντοπισμού κοιτασμάτων πάγου στο φεγγάρι
Το NASA-IBM Lunar Foundation Model είναι ένα δημόσια διαθέσιμο εργαλείο AI, σχεδιασμένο ειδικά για τη μελέτη της Σελήνης. Εκπαιδεύτηκε σε περισσότερα από 30 επίπεδα δεδομένων από εννέα όργανα τεσσάρων διαφορετικών αποστολών της NASA, συμπεριλαμβανομένου του Lunar Reconnaissance Orbiter. Ανήκει στην οικογένεια ανοιχτών μοντέλων Prithvi των IBM και NASA, που καλύπτει γεωχωρικές και μετεωρολογικές εφαρμογές.
Το εργαλείο μπορεί να βοηθήσει τους ερευνητές να εντοπίσουν πιθανά κοιτάσματα πάγου στις μόνιμα σκιασμένες περιοχές της Σελήνης, να χαρτογραφήσουν κρατήρες για την επιλογή ασφαλών σημείων προσγείωσης και να εξετάσουν ηφαιστειακά χαρακτηριστικά — εργασίες που παραδοσιακά απαιτούσαν από τους επιστήμονες να εξετάζουν χειροκίνητα χάρτες και εικόνες ή να βασίζονται σε εργαλεία μηχανικής μάθησης χαμηλότερης ανάλυσης. Σε συγκριτικές δοκιμές, το μοντέλο εντόπισε βασικά χαρακτηριστικά της επιφάνειας έως και 23% ακριβέστερα από τις ευρέως χρησιμοποιούμενες μεθόδους.
Αναφορικά με τις σκιές πρέπει να αναφερθεί ότι επειδή η Σελήνη στερείται ατμόσφαιρας, η γεωμετρία του ηλιακού φωτός αποτελεί πρόβλημα, δημιουργώντας βαθιές σκιές. Όταν ο ήλιος χτυπάει τη σεληνιακή επιφάνεια από πάνω η αντανάκλαση είναι τόσο έντονη που η εικόνα «ασπρίζει» εντελώς. Επομένως, χάνονται οι αντιθέσεις, με αποτέλεσμα να εξαφανίζονται από τη φωτογραφία οι μικρές ανάγλυφες λεπτομέρειες του εδάφους, αποτελώντας ένα πρόβλημα για τους επιστήμονες.
Οι περιορισμοί των παλαιότερων μεθόδων
Το νέο μοντέλο ΑΙ «λύνει τα χέρια» των επιστημόνων. Συνήθως, τα δεδομένα ανάλυσης της επιφάνειας της Σελήνης αναλύονταν από περιορισμένα μοντέλα transformer, όπως το SwinV2-B — το οποίο αναπτύχθηκε το 2022 ως μοντέλο γενικής χρήσης για την κατανόηση εικόνων και τη βελτίωση της ακρίβειας σε εργασίες αναγνώρισης φωτογραφιών.
Τα διαστημόπλοια που κινούνταν σε τροχιά γύρω από τη Σελήνη συνέλεγαν αυτά τα δεδομένα χρησιμοποιώντας μια ανομοιογενή συστοιχία αισθητήρων, χωρίς να υπάρχει ένας προσβάσιμος τρόπος ανάλυσης ή αξιοποίησής τους.
Συγκεκριμένα, εικόνες από οπτικές κάμερες υψηλής ανάλυσης και εργαλεία ανάκλασης ραντάρ δημιούργησαν τεράστια σύνολα δεδομένων, τα οποία ήταν δύσκολο να ενοποιηθούν και απαιτούσε χρόνο.
Η ύπαρξη πάγου στη Σελήνη μαρτυρά ότι υπάρχει νερό και οξυγόνο, δηλαδή δύο απαραίτητοι φυσικοί πόροι για μια μελλοντική σεληνιακή βάση και την παραγωγή καυσίμων για αποστολές στον Άρη. Παράλληλα, το πρόγραμμα Artemis της NASA προετοιμάζει την επιστροφή αστροναυτών στη Σελήνη το 2028, δοκιμάζοντας νέες τεχνολογίες για μια διαρκή ανθρώπινη παρουσία εκεί.
Με πληροφορίες από Reuters
