Universities Space Research Association (USRA)は、新しく公開されたNASA-IBM月面基盤モデルに惑星科学の専門知識を提供しました。このオープンソースAIモデルは、さまざまな月面データセットを分析するために設計されています。NASAとIBM Researchが主導する協力によって開発されたこのモデルは、Som Benchを使用して事前学習されています。Som Benchは、ほぼ200万の共登録データバンドルを含むマルチモーダル月面データセットで、11のモダリティと2つの空間スケールにわたっています。このモデルは、画像、地形、照明の幾何学、熱物理的特性、鉱物学、レーダー、重力、およびその他の地質学的データを統合しています。

USRAの貢献は、USRAの科学技術研究所の准科学者であるDr. Rachel Slankによるものです。彼女はNASAのマーシャル宇宙飛行センターに派遣されています。彼女は惑星科学の専門家として、月面科学の優先事項とモデル開発の決定をつなぐ役割を果たしました。

このモデルは、3つのベンチマークで評価されました：地域およびメートルスケールでのクレーター検出、不規則なmare斑のセグメンテーション、および月極氷の見込みの回帰。すべてのベンチマークにおいて、事前学習済みモデルはImageNet事前学習に基づく比較モデルと同等またはそれ以上の性能を示しました。この研究は、クレーター検出における強いラベル効率を示し、月面事前学習がタスク固有のラベル付きデータの必要性を減らすことを示唆しています。

事前学習済みモデル、ファインチューニングコード、およびベンチマークデータセットを公開することにより、チームは月面研究アプリケーションのための再利用可能な基盤を提供することを目指しています。Som Benchは、月面機械学習アプリケーションの標準化された評価をサポートします。

主要なエンティティ: 企業: Universities Space Research Association (USRA), NASA, IBM Research | 人物: Dr. Rachel Slank | 場所: ワシントンD.C., マーシャル宇宙飛行センター