NASA与IBM公司开源月球AI基础模型，通过整合多模态数据精准寻找水冰与陨石坑，助力重返月球。
半个多世纪前，阿波罗计划证明了人类能够登上月球。如今，正在推进的阿尔忒弥斯计划则要探索人类能否在月球长期生活和工作。为了建立月球基地并为未来的火星之旅做准备，绘制一张精准的月球地图至关重要。
NASA与IBM公司联合开源了迄今最完善的月球地图模型。这一名为月球基础模型的系统，是首个整合了多观测角度、多空间尺度和多传感器数据的月球人工智能模型。它融合了数十年来美国与日本探月任务积累的庞大数据，能够快速适应各种科学任务。
探月面临着严峻的环境挑战。月球上一天相当于地球的两周白天和两周黑夜，极端的昼夜更替导致地形外观剧烈变化。由于缺乏大气层散射阳光，月球表面光影对比极其强烈，陡峭山峰与阴影深谷交错。此外，覆盖月球的锋利月尘不仅会损坏宇航服和设备，还会造成视线干扰。在月球两极，太阳始终贴着地平线运行，拉出漫长的阴影，遮挡了岩石和隐蔽坑洞。
月球模型在黄和白区域进行了观测，认为其更有可能出现冰层。
月球的温度同样极端。阳光直射区温度可高达121℃，而永久阴影坑内温度会降至零下246℃。生成高分辨率的热红外地图原本需要耗费巨大的计算资源和资金，而新的AI模型能够快速预测高分辨率地形与温度分布，定位潜在的研究区域。
在科学应用方面，该模型初期重点关注三大方向：寻找未编目的微小陨石坑、研究月球火山演化历史，以及在极地陨石坑中搜寻水冰。水冰不仅能为宇航员提供饮用水和氧气，还能分解为火箭燃料。此前研究表明，月球极地分布着大量水冰，每立方米月壤中可能含有相当于355毫升的水分。
月球模型可以绘制出称为不规则斑块(IMP)的火山特征范围。
该模型采用了低秩适应微调技术，在冻结90%基础权重的情况下，展现出了出色的性能。在极地水冰识别任务中，其错误率比传统模型降低了22%。在陨石坑检测中，模型仅用一半训练数据就在高分辨率下实现了近19%的性能提升，还成功识别出了太空探索技术公司火箭坠落形成的新陨石坑。此外，在绘制不规则月海斑块等火山地貌时，模型的准确率也超越了同类模型。
IBM公司欧洲研究院的Juan Bernabé-Moreno表示，希望该模型能帮助科学家和宇航员在前往太空前熟悉月球地形。NASA地形专家Michael Barker指出，了解火山构造的分布有助于揭开月球演化之谜。哈佛与史密松天体物理中心的天文学家Martin Elvis和Malgorzata Sobolewska则提到，月球背面的电磁环境极其安静，甚至有计划将一座近1.6公里宽的陨石坑改造成巨型天线，以此观测早期宇宙。
随着2020年签订的阿尔忒弥斯协定确立了国际合作原则，开源AI技术正在将海量分散的观测数据转化为对月球的深刻认知，为人类重返月球并建立长期基地铺平道路。
下载NASA-IBM月球基础模型：https://huggingface.co/nasa-ibm-ai4science/NASA-IBM-Lunar-Foundation-Model
完整的技术报告：https://arxiv.org/abs/2609.13283
用于对模型进行基准测试的数据集：https://arxiv.org/abs/2609.13277