Release of open AI model trained on 17 years of lunar data maps ice, craters and volcanoes

NASAとIBMは月面科学研究用に特化したAIモデル「NASA-IBM Lunar Foundation Model」をオープンソースで公開した。月面偵察衛星（LRO）による17年間のデータを学習基盤とし、研究者ならば誰でもアクセス可能な状態で提供される。

このモデルは「Foundation Model」と呼ばれるタイプの人工知能であり、あらかじめ大規模な未ラベル付きデータセットで学習されている点が特徴だ。従来は特定の課題ごとに専門的なアルゴリズムを一から構築・訓練する必要があったのに対して、基礎モデルは事前学習済みの広い知識を持つため、少量のラベル付きデータで多様な応用タスクへ素早く適用できる。このアプローチにより、研究者は実装時間を大幅に短縮し、限られたリソースでも高度な分析を実行できるようになる。LROの17年間の観測データは月面全体を高い密度でカバーしており、約100万枚の1メートル解像度カメラ画像と約96万枚の100メートル解像度マルチスペクトル画像、さらにはJAXAの月周回衛星「かぐや」を含む複数のミッション由来の画像から成る約200万枚のタイルで訓練された。

このモデルの実用的な価値は、月面探査に不可欠な複数の科学的課題への同時適用にある。クレーター検出は月面の年代測定および太陽系の歴史再構築に不可欠であり、従来の手作業による方法より大幅に高速化できる。若く見える火山地形である「irregular mare patches」の自動識別により、月の熱冷却進行に関する既成概念を見直す手がかりが得られる。極域に存在する永久影地域における氷の分布推定は、将来の月面での資源利用可能性を評価する上で重要な課題であり、このモデルは安定的な氷の存在箇所を推定する際に従来手法を上回る性能を示したと報告されている。こうした多角的な分析能力により、月面研究全体の効率化と深化が期待される。

こうした月面研究の進展は、月面探査・利用への国際的な関心の高まりを反映している。NASAの戦略実行に日本の宇宙機関（JAXA）が観測データ提供を通じて関与していることは、月面活動における国際協力の現実を示している。月面探査の本格化に伴い、衛星・探査機・着陸装置などの開発・製造需要が増加することは必至であり、精密部品や高度な素材、計測装置などを手がける日本の製造業にとって、国際的な宇宙プロジェクトへの参画機会はますます増える可能性がある。同時に、このようなAI技術の進展が月面活動の意思決定を支援する一方で、実際の探査装置やサプライチェーンにおける日本の技術的役割の重要性は継続的に高まり続けるだろう。

Introduction ends here. Please read the full article at the source.