Universities Space Research Association (USRA) menyumbangkan keahlian ilmu planet untuk model AI Bulan NASA-IBM yang baru dirilis, sebuah model AI sumber terbuka yang dirancang untuk menganalisis berbagai kumpulan data bulan. Dengan kolaborasi yang dipimpin oleh NASA dan IBM Research, model ini dilatih sebelumnya menggunakan Som Bench, sebuah kumpulan data bulan multimodal yang berisi hampir dua juta paket data yang terdaftar bersama yang mencakup 11 modalitas dan dua skala spasial. Model ini mengintegrasikan citra, topografi, geometri iluminasi, sifat termo-fisika, mineralogi, radar, gravitasi, dan data geologi lainnya.

Sumbangan USRA datang dari Dr. Rachel Slank, ilmuwan asosiasi dari Institut Sains dan Teknologi USRA yang sedang tugas di Pusat Penerbangan Antariksa Marshall NASA. Ia berperilaku sebagai ahli materi ilmu planet, menghubungkan prioritas ilmu bulan dengan keputusan pengembangan model.

Model ini dievaluasi pada tiga benchmark: deteksi lubang di skala regional dan meter, segmentasi pasir mare yang tidak teratur, dan regresi prospek es bulan kutub. Pada semua benchmark, model yang dilatih sebelumnya menunjukkan hasil yang sama atau lebih baik dibandingkan model perbandingan yang berdasarkan pelatihan sebelumnya ImageNet. Studi ini menunjukkan efisiensi label yang kuat dalam deteksi lubang, yang menunjukkan bahwa pelatihan sebelumnya bulan mengurangi kebutuhan data berlabel khusus tugas.

Dengan meluncurkan model yang dilatih sebelumnya, kode penyesuaian halus, dan kumpulan data benchmark secara terbuka, tim bertujuan memberikan dasar yang dapat digunakan kembali untuk aplikasi penelitian bulan. Som Bench mendukung evaluasi standar untuk aplikasi pembelajaran mesin bulan.

Entitas Utama: Perusahaan: Universities Space Research Association (USRA), NASA, IBM Research | Orang: Dr. Rachel Slank | Lokasi: Washington, D.C., Pusat Penerbangan Antariksa Marshall