NASA и IBM представили Lunar Foundation Model — ИИ-систему, объединяющую данные миссий США и Японии. Модель консолидирует измерения гравитации, топографии, температуры и оптические снимки в единый формат. Разработка выявляет водяной лед на 20% точнее, чем специализированные модели машинного обучения.
Обучение системы проходило на разнородных данных: от гравитационных карт миссии GRAIL с разрешением 20 км до снимков Lunar Reconnaissance Orbiter с разрешением 1 метр. Модель уточняет тепловые карты, помогает датировать регионы Луны через поиск мелких кратеров и проясняет вопросы о недавней вулканической активности.
Технология помогает преодолеть сложности лунной среды, где экстремальные температуры и контрастное освещение затрудняют интерпретацию данных. Инструмент позволяет точнее планировать маршруты для астронавтов и выбирать места для размещения баз, снижая ошибки при анализе спутниковых снимков.
По оценкам NASA, полярные кратеры содержат сотни миллионов тонн льда, пригодного для получения воды, кислорода и ракетного топлива. Модель также полезна для изучения запасов гелия-3 и подготовки площадок на обратной стороне Луны для размещения радиотелескопов, изучающих раннюю Вселенную.
