NASA e IBM lançam modelo de IA aberto para procurar sinais de gelo na Lua

A NASA e a IBM anunciaram a disponibilização aberta do NASA-IBM Lunar Foundation Model, um modelo de inteligência artificial treinado para relacionar observações lunares de diferentes escalas e instrumentos. A ferramenta foi apresentada como uma forma de acelerar a procura por padrões associados a potenciais depósitos de gelo, crateras e formações vulcânicas.

O conjunto de dados que acompanha o modelo reúne mais de 30 camadas espaciais alinhadas, provenientes de nove instrumentos e quatro missões. A base agrega imagens e mapas com propriedades diferentes da superfície e do subsolo lunar, incluindo dados do Lunar Reconnaissance Orbiter e da missão GRAIL, além de informação complementar da missão japonesa SELENE/Kaguya.

O que a IA tenta localizar

As regiões permanentemente à sombra, sobretudo perto dos pólos, são candidatas importantes na procura de gelo subterrâneo. A água seria relevante para futuras operações porque pode fornecer água potável e oxigénio, além de poder ser transformada em propelente — mas o modelo apenas estima onde o gelo poderá estar presente. Não substitui a confirmação por instrumentos ou missões no terreno.

No caso do potencial de gelo, o relatório técnico apresentado pela parceria indica uma redução de até 22% no erro RMSE face ao modelo SwinV2-B, baseado no ImageNet. Para a detecção de crateras a uma escala de contexto de cerca de 100 metros, o comunicado refere uma vantagem próxima de 19% usando metade dos dados de treino.

Uma base comum para dados que não nasceram juntos

O desafio não é apenas treinar uma rede neural: é colocar na mesma grelha dados obtidos por sensores, resoluções e missões diferentes. Ao alinhar essas camadas, os investigadores podem adaptar o modelo a tarefas específicas sem começar sempre com um algoritmo novo. O Lunar Foundation Model passa assim a integrar a família Prithvi, que já inclui modelos abertos para dados geoespaciais, meteorologia e heliofísica.

A página do projecto e o relatório técnico estão alojados no Hugging Face. O comunicado descreve o modelo e o dataset como open source, mas a licença e as condições exactas de utilização devem ser consultadas directamente no repositório antes de uma utilização operacional.

O que isto ainda não significa

A imagem que acompanha este artigo é uma visualização da NASA baseada em dados do Lunar Reconnaissance Orbiter e assinala a azul zonas de possível água-gelo; não é uma imagem produzida pelo novo modelo NASA-IBM. Do mesmo modo, uma previsão de alta probabilidade não equivale a uma confirmação geológica. A utilidade real da ferramenta será medida pela capacidade de orientar novas observações e reduzir o tempo necessário para analisar o arquivo lunar.