NASAとIBMが月面研究支援のためのオープンソース型 基盤モデル を公開

このモデルは、11 のモダリティと2つの空間スケールにわたる約200万個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「SomBench」を使用して、ゼロから事前学習されています。このデータセットには、画像、地形、照明幾何学、熱物理学的特性、鉱物学、レーダー、重力、その他の地質学的・環境的データなど、月面に関する幅広い情報が含まれています。

開発には、惑星科学の専門知識、データセットの開発、および科学的評価を提供したUniversities Space Research Association（USRA）による多大な貢献がありました。USRAが関与したことで、モデルの開発と応用が月科学の優先事項および惑星データセットの物理的特性に沿ったものとなっています。

NASA-IBM Lunar 基盤モデル は、3つのダウンストリーム・ベンチマーク、すなわち地域スケールおよびメートルスケールでのクレーター検出、不規則な海状パッチ（IMPs）のセグメンテーション、および月極域の氷の賦存性の回帰を用いて評価されました。これらのテストにおいて、このモデルはImageNetの事前学習に基づく比較モデルや、月面の事前学習なしで初期化された同一のモデルと同等、あるいはそれを上回る性能を示しました。また、本研究ではクレーター検出における高いラベル効率についても言及されており、月面での事前学習が、特定の用途で必要となるタスク特異的なラベル付きデータの量を削減できる可能性が示唆されています。