NASA e IBM lanzan un modelo de investigación lunar de código abierto para la detección de hielo y cráteres

NASA e IBM han lanzado conjuntamente un modelo de inteligencia artificial de código abierto diseñado para la investigación lunar, capaz de identificar regiones de hielo y cráteres en la Luna. El modelo, disponible en Hugging Face, fue desarrollado a través de una colaboración destinada a apoyar la investigación científica para futuras misiones lunares. Juan Bernabe-Moreno de IBM destacó que el modelo destaca en la detección de posibles áreas de hielo, logrando una reducción del 23% en los errores en comparación con el modelo SwinV2-B de Microsoft. También superó al SwinV2-B en un 19% en el reconocimiento de cráteres utilizando la mitad de los datos de entrenamiento. Bernabe-Moreno explicó los desafíos de entrenar el modelo, incluyendo el marcado contraste entre la luz y la sombra en la superficie lunar y la dificultad de utilizar métodos de entrenamiento tradicionales debido a la similitud de las apariencias de los cráteres. El equipo resolvió esto dividiendo la Luna en sectores para el entrenamiento y las pruebas. El modelo se probó después del impacto de un cohete de SpaceX en la Luna el 5 de agosto, identificando con éxito el nuevo cráter formado por la colisión. La publicación incluye el primer conjunto de datos de código abierto para la investigación lunar, que combina datos de las misiones LRO y GRAIL de la NASA, así como del probe japonés SELENE. Bernabe-Moreno enfatizó que este conjunto de datos, con más de 2 millones de puntos de datos, representa un importante logro científico, proporcionando una base para futuros modelos de IA.