人类探测月球数十载，积累了海量影像与数据。然而，面对呈指数级增长的信息库，传统的人工分析已难以满足研究需求。为此，NASA联合IBM研究院及多家学术机构，推出了NASA-IBM月球基础模型。作为首批专为月球科学量身定制的开源AI模型之一，该模型及相关数据集现已全面公开，旨在赋能全球科研人员高效解析月球数据。
相关链接：Hugging Face 模型与数据集合
NASA-IBM 月球基础模型的技术架构
该模型并非简单的视觉图像拼接，而是采用了先进的多模态、多分辨率设计。其训练数据涵盖约11种数据模态，空间分辨率覆盖1米与100米两个关键尺度。
核心训练数据源自月球勘测轨道飞行器（LRO）过去17年的观测成果。该数据集规模超越了其他所有NASA行星任务的总和，实现了全月球高分辨率图像的无缝拼接。模型在约200万张图像瓦片上进行了预训练，包括超100万张1米分辨率的高清相机图像，以及近96.4万张100米分辨率的多光谱图像。
在架构上，模型基于ViT-B编码器-解码器架构，通过掩码图像建模等技术让AI从海量数据中自主补全缺失信息，并融入照明角度、太阳参考坐标等观测几何参数。此外，模型还融合了NASA重力回收与内部实验室（GRAIL）、月球探勘者号以及日本宇宙航空研究开发机构（JAXA）探测器的地形与高分辨率图像数据。
三大核心月球科学探索任务
完成预训练后，该模型将重点攻坚以下三项极具挑战的月球科学任务：
探寻极区水冰分布
月球极区的永久阴影区温度极低，可能存在保存了数十亿年的古老冰层。NASA-IBM模型能够协助科学家精准预测表面与地下冰层的潜在位置，这不仅有助于揭开月球演化之谜，更为未来的载人登月与资源利用提供了关键地图。
图示：NASA-IBM模型生成的月球极区冰层潜力分布图，显示在四个靠近月球极点的位置。
识别年轻火山结构
尽管月球常被视为地质死亡的天体，但其表面仍散布着“不规则月海斑”等相对年轻的异常火山地貌。精准识别这些结构，将深刻修正科学界对月球热演化与冷却历史的认知。
高精度陨石坑测绘
撞击坑是月球表面最典型的地貌特征。通过分析陨石坑的数量、分布与尺寸，科学家能够推断不同区域的地质年龄，进而重建太阳系早期的撞击历史。
图示：这些月球勘测轨道器的图像展示了爱因斯坦陨石坑附近月面在SpaceX火箭弹体撞击前后的情况。
测试表明，NASA-IBM模型在陨石坑测绘与不规则月海斑分割任务中达到了媲美甚至超越现有强基线模型的水平，并在估算极地冰层稳定性方面展现出显著优势。
融入NASA AI4S战略与开源生态
该模型是NASA首席科学数据官办公室“AI for Science (AI4S)”战略的重要一环，代表了NASA与IBM在利用前沿AI探索地球及太阳系方面的长期合作。
在此框架下，双方还联合开发了多款专用AI模型，如支持灾害检测与农业预测的地球观测基础模型Prithvi，以及用于预测太阳耀斑等空间天气的太阳物理模型Surya。
为构建繁荣的全球科研生态，团队同步开源了全面的预训练数据集与基准测试集，并将模型集成至开源工具包TerraTorch中。相关技术细节已在Hugging Face发布配套论文，以确保研究的可重复性，助力全球科学家加速未来深空探索的AI技术迭代。
原文链接：NASA 官方介绍