月への帰還に向けた概略ガイド

月への帰還に向けた大まかなガイド

NASAのアポロ計画は、人類が月に到達できることを証明しました。現在進行中のアルテミス計画は、私たちがそこで生活し、働くことができるかどうかをテストします。NASAの長期的なビジョンは、宇宙飛行士が研究を行い、新技術をテストし、火星への前進を準備できる月面基地を建設することです。

未知の場所を探索する際には、良い地図が役立ちますが、月の地形のように険しく異世界のような場所では、それは不可欠です。本日、IBMとNASAは、これまでにない最も詳細な月面マッピングモデルをオープンソース化しました。このモデルは、私たちの最も近い天体である月の上空を飛行した米国と日本のミッションで収集された数十年にわたるデータを統合・調和させています。

NASA-IBM Lunar Foundation Modelと呼ばれるこのモデルは、さまざまなモダリティ（観測手法）で、異なる視点や空間スケールで捉えられた観測を統合した最初のAIモデルです。これらの異なる測定値を1つの表現に凝縮することで、研究者たちは、以前の地球や太陽のモデルであるPrithvi EOやSuryaのように、さまざまなタスクに迅速に適応させ、再利用できる月面モデルを作成しました。

月面AIモデルには多くの潜在的な用途がありますが、NASAは当初、3つの用途を優先しています。それは、月の表面に無数に存在する、まだカタログ化されていない小さなクレーターのマッピング、月の火山活動の歴史の調査、そして両極のクレーターでの氷の捜索です。この氷は、将来の宇宙飛行士のクルーに飲料水、酸素、燃料の供給源を提供する可能性があります。

「経験豊富な旅行者は、外国の目的地に出発する前に、その土地の状況を把握しておくことを知っています」と、IBM Research EuropeのディレクターであるJuan Bernabé-Moreno氏は述べています。「私たちのAIモデルが、科学コミュニティが月面を探検するのを助け、次世代の宇宙飛行士が宇宙へ向かう前に道順を見つけるのを助けることを願っています。」

マルチセンサーデータのロゼッタストーン

［画像: blogArt_lunarFM_1920x1080_stillImage2.jpg］

画像提供: NASA。

新しいモデルは、月面科学者がさまざまなスケールで高容量のマルチセンサーデータを扱う際の長年の課題に対処します。例えば、NASAの重力回復・内部実験室（GRAIL）ミッションは、月の重力場をピクセルあたり20キロメートルのスケールでマッピングして、その地殻と地下を可視化しました。一方、NASAの月周回衛星LROは、月の暗い極域のクレーターに潜む氷を探し、ピクセルあたり1メートルのスケールで小さな岩塊やクレーターの縁を画像化するために飛び立ちました。

このような多様な測定値のコレクションを整合させるために、IBMとNASAは、複数の科学的方言に堪能なAIアーキテクチャを探しました。彼らは、IBMと欧州宇宙機関（ESA）が開発した地球観測モデルであるTerraMindのバージョンを採用しました。TerraMindは、異なるデータ型と解像度を統合し、クロスモーダル相関を学習して、欠落またはノイズの多い値を補完することに優れています。

科学者が新しいAIモデルに助けを求めるであろう分野の1つは、月の困難な照明条件を理解することです。月の「日」は、2週間の日光と2週間の暗闇で構成されており、月の表面の特徴の外観を劇的に変化させることがあります。

この方向感覚を失わせる効果は、月のほとんどない大気によって増幅されます。地球のような雲や厚い大気がないため光が散乱されないため、月は鋭いエッジと stark なコントラストの世界であり、そのピークと谷は暗い影と明るいまぶしさによって不明瞭になります。月は、レゴリスと呼ばれる研磨性のある粘着性の塵と岩の層で覆われており、太陽の角度によっては視覚的な歪み（宇宙服を破り、肺組織を損傷し、機器を破壊することに加えて）を引き起こす可能性があります。

極域では、風景はさらにぼやけます。地球とは異なり、月は太陽の周りの軌道に対してわずかにしか傾いていません。これは、太陽が極地の地平線にかろうじてかかっていることを意味し、地形が長い影を落とすため、宇宙飛行士から岩、クレーター、その他の危険が見えにくくなります。

異常な照明だけが月面データに関連する複雑な問題ではありません。科学者はしばしば、粗い衛星データをより鮮明にしたいと考えています。月の天気を見てみましょう。長い月の日と気候を調整する大気がないことは、月面の温度を日当たりの良い場所では摂氏121度（華氏250度）に、影のあるクレーターではマイナス246度（華氏-410度）にまで押し上げることができます。

科学者は一般的に極端な場所を知っていますが、詳細な熱マップは、帰還する宇宙飛行士が氷や基地を建設するためのより安全な場所を見つけるのに役立つでしょう。科学者は、NASAの熱データの解像度を向上させようとシミュレーションを実行しましたが、そのようなシミュレーションには時間、費用、およびかなりの計算リソースがかかります。IBMとNASAの月面AIモデルで生成された高解像度の熱マップは、シミュレーションでさらに研究するための説得力のあるサイトを迅速に特定するのに役立つでしょう。

火、落下する小惑星、そして氷

科学者は長い間、私たちの故郷の惑星の手がかりを求めて月の起源を調査してきました。有力な説では、月は太陽系の夜明けに地球との壮大な衝突で誕生したと示唆しています。アポロ宇宙飛行士が持ち帰った岩石は、約45億年前に火星サイズの物体が地球に衝突し、月を形成するのに十分な溶融した破片を宇宙に放出した証拠を提供しました。

数億年にわたり、深いマグマの海が月の表面を覆っていました。マグマはやがて冷えて地殻を形成し、地下での継続的な火山活動が定期的に地表に新鮮な溶岩をもたらしました。火山活動は約10億年前に衰退したと考えられていますが、最近の証拠は、不規則な海パッチと呼ばれるいくつかの火山地形が、はるかに若い可能性があることを示唆しています。

「これらの地形の年代は大きな議論の的となっているため、それらの分布と特性をより理解できるほど、この謎を解決するチャンスは高まります」と、IBMと共にプロジェクトを共同主導したNASAの月面地形学の専門家であるMichael Barker氏は述べています。

月には、新しい岩石を地表に押し上げるプレートテクトニクスも、山を分解して過去を消し去る風や水の浸食もありません。それにもかかわらず、小惑星や微小隕石は絶えずその表面を爆撃し、地形を再形成しています。クレーターの数を数えることで、月のどの部分が最も古いかがわかります。

科学者はこれまでに世界中で200万以上の大きなクレーターをカタログ化しており、NASAは特に極域に残っている小さなクレーターを記録したいと考えています。極域のクレーターは、宇宙飛行士とその作物に水と避難所を提供できる可能性があります。一方、ほぼ常に光に照らされている高いクレーターの縁は、機器や科学機器に電力を供給するためにソーラーパネルを充電できる可能性があります。

数十年にわたり、月はアポロ宇宙飛行士が持ち帰った岩石から、乾燥した荒れ地であると考えられていました。その後、2008年に、インドのチャンドラヤーン1号宇宙船に搭載されたNASAのレーダー機器が、北極近くの40の小さなクレーターで氷を発見しました。NASAは水の量を6億メトリックトンと推定しました。これは、少なくとも24万個のオリンピックサイズのプールを満たすのに十分な量です。

その後、いくつかのミッションが、他の形態や場所で水を発見しました。より最近では、NASAの退役したSOFIA天文台が、月の塵の粒子に付着した水分子を発見しました。NASAは、月の表面全体で1立方メートルの土壌が、12オンスの水のボトルと同量の水を含む可能性があると推定しています。水は、何十億年にもわたって落下する彗星や小惑星によって、または太陽風が月の土壌と相互作用することによって、月に運ばれた可能性が最も高いです。

月探査の次の波

IBMとNASAのオープンソース基盤モデルは、ペタバイト級の衛星データを、月の表面をモデリングするための高速で柔軟な方法に変換する最初の試みです。モデルを微調整するために、研究者たちは軽量の低ランクアダプター（LoRA）を使用し、ベースモデルの重さの90％を凍結させました。軽いタッチにもかかわらず、このモデルは、さまざまなタスクで従来の機械学習モデルに匹敵またはそれを上回りました。

見慣れない画像から、暗い極域のクレーターに氷が含まれている可能性があるかどうかを特定するという課題に直面したNASA-IBMモデルは、氷の探査のために訓練された最先端のスウィンV2トランスフォーマーと比較して、エラー率を22％削減しました。

［画像: Lunar_Ice-Detection_Still_16x9_Final.jpg］

出力画像では、IBMとNASAの月面モデルが、氷が含まれている可能性が高いと判断した領域を黄色と白で強調しています。このモデルは、温度データと地形データ（斜面、傾斜、氷の安定深度、地形の最大表面温度を含む）を組み合わせて予測を形成しました。画像提供: NASA。

NASA-IBMモデルは、クレーター検出においても優れていました。氷の探査用に訓練されたスウィンモデルと同等の精度で、1メートル解像度（画像内の各ピクセルが1平方メートルを表す）のクレーターを検出できました。100メートル/ピクセルのより粗い解像度では、NASA-IBMモデルは、トレーニングデータの半分を使用して、同じモデルよりも約19％優れていました。

［画像: blogArt_lunarFM_1920x1080_craterDetection.png］

IBMとNASAの新しい月面モデルは、新たに形成されたクレーターの検出に役立ちます。上の画像では、8月5日に SpaceX ロケットの墜落後に検出された新しいクレーターが、青い記録済みのクレーターのフィールドに対して赤で強調されています。画像提供: NASA。

そして、これらの神秘的な火山地形の範囲をマッピングする際には、NASA-IBMモデルはタスク固有のスウィンモデルよりも3％優れており、より低いコストで同等の精度をもたらしました。

［画像: Lunar_IMP_Still_16x9_Final.jpg］

IBMとNASAの月面モデルは、不規則な海パッチ（IMP）と呼ばれる火山地形の範囲をマッピングできます。モデルがここで輪郭を描いたIMPは、月で最も若い火山岩の一部を含んでいると考えられています。画像提供: NASA。

米国だけが月に野心的な計画を持っているわけではありません。他の4つの国が月面に軟着陸し、プレゼンスを確立する意向を発表しています。鉱物はその魅力の一部です。月の土壌には、太陽風によって生成される希少な同位体であるヘリウム3が含まれており、クリーンな核融合エネルギーを生成するための重要な成分です。特定の岩石には、携帯電話やその他の電子機器に広く使用されているレアアース元素も豊富に含まれています。

そして科学です。天文学者は長い間、月の vantage point から深宇宙を観測することを夢見てきました。地震も磁場もなく、機器を揺さぶるものはありません。そして、その裏側は衛星干渉からほとんど自由です。

「海王星を越えて行かなければ、これほど静かな場所は見つからないだろう」と、ハーバード・スミソニアン天体物理学センターの天文学者であるMartin Elvis氏は述べています。

最近の電話で、Elvis氏と同僚のMalgorzata Sobolewska氏は、月のボウル状のクレーターを巧妙に活用した提案されたプロジェクトのリストを挙げました。

今後数年間で3つの電波望遠鏡が着陸する予定で、惑星や星ができる前の時代を聴音します。NASAの1つの提案では、ほぼ1マイル幅のクレーターを巨大なアンテナ皿に変えることさえ呼びかけています。その他のプロジェクトには、衝突するブラックホールを聞くためにクレーターを横切って超高感度重力波検出器を張ることや、銀河系の系外惑星の大気を研究するために極低温の極域クレーターに赤外線望遠鏡を降ろすことなどがあります。

米国主導のアルテミス合意は2020年に、宇宙探査と協力を導くための原則のセットを確立しました。IBMとNASAのオープンソースモデルは、その発見と善意の精神を拡張したものと見なすことができます。

月をモデリングする新しい方法

月面基盤モデルは、新しい科学的知識を創造する広範なシフトの一部です。新しいコンピューティング技術は、馴染みのある計算を加速するだけでなく、まったく新しい調査を促すことができます。ここでは、AIは断片化された観測を共通の表現に統合し、科学者がパターンを発見し、不確実性を特定し、次にどこに焦点を当てるかを決定するのに役立ちます。

時間の経過とともに、このモデルはより広範な科学コンピューティングワークフローの一部になる可能性があります。古典的なスーパーコンピューターはほとんどのワークロードを処理し続け、AIは観測を整理し、複雑なシステムのより高速な近似を構築し、有望な仮説を特定するのに役立ちます。量子コンピューティングが成熟するにつれて、量子プロセッサは、古典的なマシンでは処理が困難または時間がかかりすぎるシミュレーションと最適化の問題に貢献する可能性があります。

「次の月のブレークスルーは、単一の新しい機器からではなく、多くの機器—そして最終的にはコンピューティングパラダイム—を連携させるアルゴリズムから生まれる可能性があります」とBernabé-Moreno氏は述べています。