La NASA et IBM développent un modèle d’IA pour explorer la Lune
La NASA, en collaboration avec IBM, a récemment lancé le « Nasa-IBM Lunar Foundation Model », un modèle d’intelligence artificielle (IA) conçu pour analyser des données lunaires. Ce modèle est désormais accessible en open source, permettant aux chercheurs et aux équipes de mission de l’utiliser pour orienter leurs explorations.
Depuis les premières missions spatiales, une vaste quantité de données sur la Lune a été accumulée, comprenant des images, des mes topographiques, ainsi que des informations sur la température et l’éclairement de sa surface. Cependant, la quantité de données est telle qu’en établir des connexions pertinentes représente un défi important pour les scientifiques.
Le modèle IA, basé sur un transformateur de vision, a été entraîné à partir d’observations géospatiales de la Lune. Il permet de mettre en relation plusieurs types d’informations concernant le même territoire. Selon Paolo Fraccaro, Senior Software Developer chez IBM, ce modèle aide à mieux cibler les zones d’intérêt, notamment pour la recherche de ressources telles que l’eau.
Recherche de glace lunaire
L’une des applications les plus prometteuses de ce modèle est la détection de la glace d’eau, particulièrement près des pôles lunaires où certaines régions sont perpétuellement à l’ombre. Ces zones pourraient contenir de la glace datant de périodes anciennes, ce qui intéresse tant les scientifiques que les ingénieurs préparant les futures missions habitées. L’eau pourrait être utilisée pour la consommation ou transformée en oxygène et en carburant.
Le modèle permet d’évaluer la probabilité de présence de glace en combinant des données sur la température de surface, la profondeur à laquelle la glace pourrait rester stable, ainsi que la morphologie du terrain. Des tests ont montré que cette méthode réduit l’erreur de prédiction de 23 % par rapport à un modèle de référence.
Cartographie des cratères
Un autre domaine d’application du modèle concerne la détection des cratères lunaires, qui fournissent des informations sur l’histoire des impacts sur la surface de la Lune. Le modèle peut localiser et délimiter ces cratères avec une résolution d’un mètre, affichant des performances 19 % supérieures à celles du modèle de référence, tout en nécessitant deux fois moins de données d’entraînement.
Vers une recherche collaborative
IBM et la NASA ont mis le modèle à disposition sur la plateforme Hugging Face, permettant à la communauté scientifique d’y accéder et de l’enrichir. Cette approche open source pourrait transformer la recherche lunaire en fournissant un modèle commun que les chercheurs peuvent adapter à diverses questions scientifiques.
Cette initiative marque une étape significative dans l’exploration lunaire, facilitant l’identification des ressources et des risques potentiels pour les futures missions.
Source : Futura Sciences
