IBMとNASA、月面の科学探査を支援するオープンソースAIモデルを公開

IBMとNASAが月面観測データを基にした人工知能の基礎モデルを開発し、オープンソースで公開した。月に関する統一的な機械学習モデルが一般に公開されるのは初めての試みであり、今後の月面探査と関連産業の技術開発に大きな影響を与える可能性がある。

これまで月に関しては膨大な観測データが蓄積されていたが、機械学習に適した形で統合・公開された統一データセットは存在していなかった。異なるミッション、異なるセンサーから収集されたデータは形式や精度の基準がまちまちであり、人工知能のトレーニングに直接利用することは困難だったのだ。今回のモデルはNASAの月周回衛星「ルナー・リコネッサンス・オービター（LRO）」と「GRAIL」ミッション、さらに日本の宇宙航空研究開発機構（JAXA）の月周回衛星「かぐや（SELENE）」から得られた数万枚の画像・地図データを統合して構築されている。複数の国や機関のデータを一つの統一的なフレームワークの中で整理し、機械学習が効率的に処理できる形に変換したことが、今回の成果の大きな点だ。データセットの標準化は、個別の研究プロジェクトを超え、関連する産業全体にとって基盤となるインフラである。このように複数国のデータを組み合わせることで、より包括的で精度の高いモデルが実現したと考えられる。

同モデルの応用範囲は広い。月面上で氷が存在する可能性のある場所の予測、火山地形の範囲特定、クレーター検出などが挙げられており、将来の月面基地建設やリソース探査に直結する技術だ。例えば、月の南極地域に氷が埋蔵されている可能性は以前から指摘されており、その場所を正確に特定することは飲料水や燃料の生成につながり、月での人類の長期活動を現実化させる鍵となる。また火山地形の特定は、地質学的な価値だけでなく、月面での安全な着陸地点の選定にも不可欠だ。オープンソース化により、研究機関だけでなく、民間の企業やスタートアップもこれらの技術を活用できるようになる。IBMとNASAは2025年に太陽フレアなど宇宙天気の予測を行うAIモデル「スーリヤ」もオープンソースで公開しており、宇宙科学分野での協力と技術共有が加速している。

月面探査の進展は、地球上の部品メーカーや素材サプライヤーにも波及効果をもたらす可能性がある。月での長期活動を支える探査機やロボット、通信機器、エネルギーシステムなど、あらゆる機器が必要となり、それらを構成する高機能な部品や耐久性に優れた素材に対する需要が増すと考えられる。月面という過酷な環境での使用を想定した部品は、極低温、放射線、微小隕石の衝突といった地上では経験できない条件下での耐性が求められる。こうした高性能部品の開発技術は、地上の産業用途にも転用できる技術として価値を持つ。また、こうしたAIモデルの公開は、宇宙産業全体における技術標準化と国際競争力の強化につながり、日本の製造業もこうした動きをキャッチアップし、月面関連プロジェクトへの参加機会を広げていく必要がある。米国主導の月探査プログラムに参画する際も、こうした標準化されたツールやデータセットの理解が、国際協力の基礎となるだろう。

※ 内容の紹介はここまでです。続きは元記事をご覧ください。