Resumo:
De acordo com o site oficial da Administração Nacional de Aeronáutica e Espaço (NASA) e as redes sociais oficiais da IBM Research, as duas instituições lançaram e abriram o código-fonte do primeiro modelo lunar. Os pesos e o código do modelo estão abertos a pesquisadores de todo o mundo para download, ajuste fino e teste. Esta é uma das primeiras ferramentas de análise inteligente disponíveis publicamente, especificamente para a ciência lunar. O objetivo é transformar décadas de dados dispersos de observação lunar em ferramentas de análise reutilizáveis para mapeamento de crateras, identificação de relevo vulcânico e avaliação do potencial de gelo de água polar.
O "modelo NASA-IBM" reproduz o padrão de detecção de gelo lunar (do azul ao amarelo), e o modelo retém muitos dos padrões de exploração finos nos dados de referência. Fonte da imagem: NASA/IBM Research Institute
A pesquisa lunar enfrenta há muito tempo a contradição de grandes quantidades de dados e a dificuldade de integração. Os dados de treinamento para este modelo vêm principalmente do Lunar Reconnaissance Orbiter da NASA. A LRO está em órbita há cerca de 17 anos, cobrindo a maior parte da superfície lunar, e a sua escala de dados excede a de outras missões planetárias da NASA combinadas. O modelo usa aproximadamente 2 milhões de fatias de imagens lunares, incluindo mais de 1 milhão de imagens de câmeras de ângulo estreito com resolução de 1 metro e quase 964.000 imagens multiespectrais com resolução de 100 metros, e integra dados de terreno e sensoriamento remoto da gravidade GRAIL, Lunar Prospector e das missões japonesas JAXA SELENE. Em conjunto com o conjunto de dados divulgado, 9 instrumentos, 4 tarefas e mais de 30 camadas de dados espacialmente alinhadas são integrados para resolver o problema de que diferentes resoluções e cargas são difíceis de chamar de maneira unificada.
Este modelo é de grande importância para a exploração de recursos lunares. A temperatura das crateras permanentes da sombra da Lua é extremamente baixa e pode preservar a água gelada durante milhões de anos, tornando difícil a observação direta com meios ópticos. O modelo integra observações multirresolução e multimodais para estimar a ocorrência e estabilidade do gelo polar, ajudando os pesquisadores a restringir o escopo da verificação de campo. O gelo de água não está apenas relacionado à água potável e ao oxigênio respiratório da base lunar, mas também pode produzir oxigênio e hidrogênio por meio da eletrólise para fornecer matérias-primas propelentes para missões no espaço profundo. Este é o ponto de partida para missões humanas de longo prazo à Lua e subsequentes missões a Marte.
Ao mesmo tempo, em termos de pouso seguro de futuras espaçonaves e compreensão geológica dos locais de pouso, o novo modelo pode auxiliar na rápida extração e classificação de crateras, reduzindo a carga de trabalho de interpretação manual.
Este modelo é incorporado à estratégia de "Inteligência Artificial Científica" do Chief Scientific Data Office da NASA e é concluído de forma colaborativa por vários centros, universidades e institutos de pesquisa. Para a comunidade acadêmica, um conjunto de dados lunares unificado e reproduzível é muito mais importante do que um único indicador de algoritmo. As futuras missões de exploração lunar continuarão a produzir novas imagens, e os investigadores podem ajustar o mesmo modelo para ligar observações de múltiplas missões e períodos de tempo numa compreensão consistente, em vez de reinventar a roda de cada vez.
Comentários