Résumé :
Selon le site officiel de la National Aeronautics and Space Administration (NASA) et les médias sociaux officiels d'IBM Research, les deux institutions ont publié et open source le premier modèle lunaire. Les poids et le code du modèle sont accessibles aux chercheurs du monde entier pour téléchargement, réglage et test. Il s’agit de l’un des premiers outils d’analyse intelligents accessibles au public spécifiquement pour la science lunaire. L’objectif est de transformer des décennies de données d’observation lunaire dispersées en outils d’analyse réutilisables pour la cartographie des cratères, l’identification du relief volcanique et l’évaluation du potentiel de glace d’eau polaire.
Le « modèle NASA-IBM » reproduit le modèle de détection des glaces lunaires (du bleu au jaune), et le modèle conserve de nombreux modèles d'exploration fins dans les données de référence. Source de l'image : Institut de recherche NASA/IBM
La recherche lunaire est depuis longtemps confrontée à la contradiction liée aux grandes quantités de données et aux difficultés d'intégration. Les données d'entraînement de ce modèle proviennent principalement du Lunar Reconnaissance Orbiter de la NASA. LRO est en orbite depuis environ 17 ans, couvrant la majeure partie de la surface lunaire, et l'ampleur de ses données dépasse celles des autres missions planétaires de la NASA réunies. Le modèle utilise environ 2 millions de tranches d'images lunaires, dont plus d'un million d'images de caméra à angle étroit d'une résolution de 1 mètre et près de 964 000 images multispectrales d'une résolution de 100 mètres, et intègre les données de terrain et de télédétection provenant de la gravité GRAIL, de Lunar Prospector et des missions japonaises JAXA SELENE. En conjonction avec l'ensemble de données publié, 9 instruments, 4 tâches et plus de 30 couches de données spatialement alignées sont intégrés pour résoudre le problème selon lequel différentes résolutions et charges sont difficiles à appeler de manière unifiée.
Ce modèle est d'une grande importance pour l'exploration des ressources lunaires. La température des cratères d'ombre permanents de la Lune est extrêmement basse et peut conserver la glace d'eau pendant des millions d'années, ce qui la rend difficile à observer directement avec des moyens optiques. Le modèle intègre des observations multi-résolution et multimodale pour estimer l'occurrence et la stabilité de la glace polaire, aidant ainsi les chercheurs à réduire la portée de la vérification sur le terrain. La glace d'eau n'est pas seulement liée à l'eau potable et à l'oxygène respiratoire de la base lunaire, mais peut également produire de l'oxygène et de l'hydrogène par électrolyse pour fournir des matières premières propulsives pour les missions dans l'espace lointain. C'est le point de départ des missions humaines à long terme sur la Lune et des missions ultérieures vers Mars.
Dans le même temps, en termes d'atterrissage en toute sécurité des futurs engins spatiaux et de compréhension géologique des sites d'atterrissage, le nouveau modèle peut aider à l'extraction et à la classification rapides des cratères, réduisant ainsi la charge de travail d'interprétation manuelle.
Ce modèle est intégré à la stratégie « Intelligence artificielle scientifique » du bureau principal des données scientifiques de la NASA et est réalisé en collaboration par plusieurs centres, universités et instituts de recherche. Pour la communauté universitaire, un ensemble de données lunaires unifiées et reproductibles est bien plus important qu’un seul indicateur algorithmique. Les futures missions d'exploration lunaire continueront à produire de nouvelles images, et les chercheurs pourront affiner le même modèle pour relier les observations de plusieurs missions et périodes dans une compréhension cohérente, plutôt que de réinventer la roue à chaque fois.
Commentaires