Segundo informações do site oficial da Administração Nacional da Aeronáutica e Espaço dos Estados Unidos (NASA) e das redes sociais oficiais do IBM Research, as duas instituições lançaram e disponibilizaram em código aberto o primeiro modelo lunar, com os pesos do modelo e o código abertos a pesquisadores de todo o mundo para download, ajuste fino e experimentação. Trata-se de uma das primeiras ferramentas de análise inteligente de uso público dedicadas especificamente à ciência lunar, com o objetivo de transformar décadas de dados de observação lunar dispersos em ferramentas de análise reutilizáveis, para mapeamento de crateras, identificação de formas de relevo vulcânico e avaliação do potencial de gelo de água nas regiões polares.
O "modelo NASA-IBM" reproduz os padrões de detecção de gelo lunar (de azul a amarelo); o modelo preserva muitos padrões de exploração refinados nos dados de referência. Fonte: NASA/IBM Research
A pesquisa lunar enfrenta há muito tempo a contradição entre abundância de dados e dificuldade de integração. Os dados de treinamento deste modelo baseiam-se principalmente no Lunar Reconnaissance Orbiter (LRO) da NASA. O LRO está em órbita há cerca de 17 anos, cobrindo a maior parte da superfície lunar, e seu volume de dados supera o total das demais missões planetárias da NASA. O modelo utiliza aproximadamente 2 milhões de recortes de imagens lunares, incluindo mais de 1 milhão de imagens da câmera de ângulo estreito com resolução de 1 metro e quase 964 mil imagens multiespectrais com resolução de 100 metros, além de integrar dados topográficos e de sensoriamento remoto das missões GRAIL, Lunar Prospector e SELENE da agência japonesa JAXA. O conjunto de dados publicado em conjunto integra 9 instrumentos, 4 missões e mais de 30 camadas de dados espacialmente alinhadas, resolvendo o problema de dificuldade de acesso unificado a diferentes resoluções e diferentes cargas úteis.
Este modelo é de grande importância para a prospecção de recursos lunares. As crateras em sombra permanente da Lua têm temperaturas extremamente baixas, podendo preservar gelo de água por milhões de anos, e os meios ópticos dificultam a observação direta. O modelo combina observações multi-resolução e multimodalidade para estimar a ocorrência e as zonas de estabilidade do gelo nas regiões polares, ajudando os pesquisadores a reduzir o escopo da verificação in situ. O gelo de água não se relaciona apenas à água potável e ao oxigênio para respiração em bases lunares, mas também pode, por meio da eletrólise para produção de oxigênio e hidrogênio, fornecer matéria-prima para propelentes de missões em espaço profundo — este é precisamente o ponto de partida para missões de permanência humana de longa duração na Lua e para subsequentes missões rumo a Marte.
Ao mesmo tempo, no que diz respeito ao pouso seguro de futuras naves espaciais e ao conhecimento geológico dos locais de pouso, o novo modelo pode auxiliar na extração e classificação rápidas de crateras, reduzindo a carga de trabalho de interpretação manual.
O modelo está integrado à estratégia de "Inteligência Artificial para a Ciência" do Escritório do Diretor Científico de Dados da NASA, sendo concluído por meio da colaboração de múltiplos centros, universidades e institutos de pesquisa. Para o meio acadêmico, um conjunto de dados lunares unificado e reproduzível é muito mais importante do que métricas isoladas de algoritmos. As futuras missões lunares continuarão gerando novas imagens, e os pesquisadores também poderão fazer ajuste fino sobre o mesmo modelo base, conectando observações de múltiplas missões e múltiplos períodos em um entendimento consistente, em vez de recomeçar do zero a cada vez.
O significado do "modelo NASA-IBM" está em transformar dados lunares fragmentados em uma plataforma inteligente compartilhada globalmente, fazendo com que as descobertas científicas não dependam mais da posse de dados, mas da capacidade de utilizar bem o modelo. No futuro, equipes de diversos países poderão acessar pesquisas de ponta a um custo extremamente baixo, e a interpretação manual se transformará em uma ferramenta reutilizável. Para a comunidade científica, isso acelerará enormemente a compreensão sobre crateras, vulcões e recursos das regiões polares, acumulando conhecimento necessário para futuras bases lunares e até missões de pouso em Marte. E esse modelo provavelmente será visto com frequência em futuras pesquisas de exploração do espaço profundo, estendendo-se da Lua a Marte e até a asteroides mais distantes, impulsionando mais um salto na compreensão humana do universo.