NASA-IBM Lunar Foundation、オープンソースの地理空間AIモデルを発表
NASA-IBM Lunar Foundation open-Source Geospatial AI Model (newsroom.usra.edu)
要約
NASAとIBMは、月面探査のためのオープンソース地理空間AIモデル「Lunar Foundation」を発表しました。このモデルは、月面の地形や資源のマッピング、分析に活用されることが期待されています。
全文翻訳
USRA、NASA-IBM Lunar Foundation Modelに惑星科学の専門知識を提供
オープンソースの人工知能モデルが、多様な月面データを組み合わせて月の科学分析を支援
［画像: 月の氷の有望性パターン］
NASA-IBMモデルは、月の極付近の4つの場所（左）で示される月の氷の有望性パターン（青から黄色でスケール表示）を再現しています。上段：月の南極付近のMons Moutonの参照氷有望性マップ。中段：ConvNeXtモデルの予測。下段：NASA-IBMモデルの予測。NASA-IBMモデルは、参照データにおける多くの微細な有望性パターンを保持しています。画像クレジット：NASA/IBM Research
ワシントンD.C. — 2026年9月18日。 Universities Space Research Association（USRA）は、月の探査ミッションによって収集された大規模で多様なデータセットを研究者が分析するのを支援するために設計されたオープンソースの人工知能（AI）モデルである、新たにリリースされたNASA-IBM Lunar Foundation Modelに、惑星科学の専門知識、月面データセット開発、科学的評価を提供しました。
NASAとIBM Researchが主導する共同開発を通じて、NASA-IBM Lunar Foundation Modelは、11のモダリティと2つの空間スケールにまたがる約200万の共同登録データバンドルを含むマルチモーダル月面データセットであるSomBenchを使用してゼロから事前学習されました。このモデルは、画像、地形、照明ジオメトリ、熱物理特性、鉱物学、レーダー、重力、その他の地質学的および環境的データを含む、月面に関する補完的な情報を統合します。
USRAのプロジェクトへの貢献は、NASAのマーシャル宇宙飛行センターに派遣されているUSRAの科学技術研究所のアソシエイトサイエンティストであるRachel Slank博士によって提供されました。彼女はNASA-IBM Lunar Foundation Modelチームの惑星科学の主題専門家として務めました。Slank博士は、科学チームとモデリングチームの両方で協力し、月の科学の優先事項と惑星データセットの物理的特性を、モデル開発、アプリケーション、評価に関する決定に結びつけるのを支援しました。
NASA-IBM Lunar Foundation Modelは、地域スケールとメートルスケールの両方でのクレーター検出、不規則な海パッチ（IMP）のセグメンテーション、月の極氷の有望性の回帰という3つの下流ベンチマークで評価されました。これらのアプリケーションを組み合わせることで、クレーター検出や異常な火山地形のマッピングから、極域の揮発性物質の安定性と潜在的な分布に関連する環境データセットの統合まで、多様な月の科学的課題に対するモデルのパフォーマンスを評価します。
3つのベンチマークすべてにおいて、事前学習済みのNASA-IBM Lunar Foundation Modelは、ImageNetでの事前学習に基づく比較モデルや、月面での事前学習なしで初期化されたアーキテクチャ的に同一のモデルと同等以上の性能を示しました。この研究では、クレーター検出における特に強力なラベル効率も実証されており、月面での事前学習によって学習された表現が、特定のアプリケーションに必要なタスク固有のラベル付きデータを削減できる可能性が示唆されています。
NASA-IBM Lunar Foundation Modelのマルチモーダル設計により、各データセットを個別に扱うのではなく、異なる種類の月面観測間の関係を学習することができます。このモデルは、地形、照明ジオメトリ、その他の月面特性などの情報を取り込みながら、地域スケールの広角カメラ（WAC）観測とメートルスケールの狭角カメラ（NAC）データの両方で動作するように設計されました。
事前学習済みモデル、ファインチューニングコード、およびベンチマークデータセットをオープンに公開することにより、NASA-IBM Lunar Foundation Modelチームは、惑星科学およびAIコミュニティに、新しい月面研究アプリケーションを開発するための再利用可能な基盤を提供することを目指しています。
この作業の主要なコンポーネントは、NASA-IBM Lunar Foundation Modelの事前学習と、月面機械学習（ML）アプリケーションの標準化された評価をサポートするために使用されるデータセットであるSomBenchの共同開発でした。
SomBenchは2つの補完的なコンポーネントを含んでいます。NASA-IBM Lunar Foundation Modelの事前学習コーパスとして機能するコアマルチインストゥルメントデータセットと、代表的な月面科学の問題に対するML手法を評価するために使用されるアプリケーションベンチマークのスイートです。ベンチマークスイートは、衝突プロセス、火山史、極域の揮発性物質という3つの広範な科学テーマに対応しています。
その取り組みの一環として、Slank博士は高解像度のLunar Reconnaissance Orbiter Camera（LROC）NACクレーターベンチマークの開発を主導し、49,000以上の月のクレーターを手動で特定しました。結果として得られたデータセットは、高解像度の月面画像と共同登録されたデジタル地形モデルを使用して、メートルスケールの解像度でのクレーター検出を評価します。彼女はまた、より広範なSomBenchデータセットと科学アプリケーションにも貢献し、SomBench研究とNASA-IBM Lunar Foundation Model研究の両方に広範な科学的レビューを提供しました。
「最大の課題の1つは、非常に異なる機器と空間解像度（ピクセルあたり1mから20km）にまたがる月面データセットを、各データセットの科学的価値を維持しながら統合することでした」とSlank博士は述べています。「科学チームとモデリングチームの両方で協力したため、データが統合され、基盤モデルのトレーニングと評価に使用される際に、これらの違いが考慮されるようにすることができました。NASA-IBM Lunar Foundation Modelの助けを借りて、研究者がどのような新しい科学ができるようになるかを見るのが待ちきれません！」
NASA-IBM Lunar Foundation Modelおよび関連データセットは、Hugging Faceを通じて利用可能です。
NASA発表:
https://science.nasa.gov/science-research/artificial-intelligence-lunar-foundation-model/
IBM発表:
USRAについて
1969年に、米国政府の要請により国立科学アカデミーの傘下で設立されたUniversities Space Research Association（USRA）は、宇宙関連の科学、技術、工学を進歩させるために設立された非営利法人です。USRAは科学研究所や施設を運営し、連邦政府の資金提供の下で他の主要な研究および教育プログラムを実施しています。大学コミュニティと連携し、社内の科学的リーダーシップ、革新的な研究開発、プロジェクト管理の専門知識を活用しています。
USRAに関する詳細は www.usra.edu で入手できます。