NASA e IBM lançam inteligência artificial de código aberto para otimizar a exploração da Lua

A NASA e a IBM lançaram um modelo de inteligência artificial de código aberto desenvolvido para otimizar a exploração científica da Lua. A ferramenta processa petabytes de dados espaciais acumulados em décadas de missões orbitais, permitindo a identificação precisa de depósitos de gelo nos polos, a automação do inventário de crateras de impacto e a detecção de formações vulcânicas atípicas que podem alterar a compreensão sobre a evolução geológica do satélite.

Desenvolvimento e Base de Dados

O projeto foi coordenado pela sede da agência espacial americana e pela equipe de IA Impact do Centro de Voo Espacial Marshall, com a colaboração dos centros Goddard e Ames, além da IBM Research. O esforço multidisciplinar contou com a participação do Instituto SETI, da Universities Space Research Association, da Universidade de Maryland e da Universidade Howard.

Para o treinamento do sistema, foi utilizada uma base de dados composta por aproximadamente 2 milhões de imagens da sonda Lunar Reconnaissance Orbiter (LRO), sendo:

• Mais de 1 milhão de capturas de alta resolução (1 metro);
• Cerca de 964 mil imagens multiespectrais (100 metros).

O conjunto foi complementado por medições geofísicas e topográficas das missões Lunar Prospector, GRAIL e Selene/Kaguya, da JAXA.

Arquitetura e Desempenho Técnico

Diferente de algoritmos convencionais que demandam desenvolvimento individual por tarefa, o sistema utiliza a arquitetura de modelos fundacionais. Isso permite que, após um pré-treinamento com grandes volumes de informações não rotuladas, a ferramenta seja adaptada para cartografias complexas utilizando apenas pequenas amostras de dados.

Em testes de desempenho, o modelo Prithvi apresentou resultados superiores ao modelo de referência SwinV2-B:

• Aumento de até 23% na identificação de características geográficas;
• Redução de até 22% na margem de erro para detecção de gelo polar;
• Melhoria de 19% no reconhecimento de crateras, utilizando apenas metade dos dados de treinamento.

Aplicações Científicas

A tecnologia é especialmente eficaz na análise de regiões polares permanentemente sombreadas, onde o gelo armazenado é fundamental para entender a história do sistema solar e viabilizar o abastecimento de futuras missões. No estudo do vulcanismo, a IA superou em 3% os métodos tradicionais na localização de Irregular Mare Patches, estruturas jovens que questionam as teorias atuais sobre o resfriamento lunar.

A automação da medição e contagem de crateras também elimina a necessidade de semanas de trabalho manual, agilizando a datação cronológica de impactos de asteroides. Kevin Murphy, diretor de dados científicos da NASA, destaca que a iniciativa transforma grandes conjuntos de dados em novas descobertas, facilitando o acesso e a exploração dessas informações pelos cientistas.

Acesso e Ecossistema de IA

O ecossistema do projeto, que engloba mais de 30 camadas de informações geofísicas alinhadas, está disponível gratuitamente no GitHub e no Hugging Face, integrado ao kit de ferramentas TerraTorch para assegurar a reprodutibilidade dos estudos.

Este lançamento expande a linha de inteligência artificial espacial da parceria, somando-se ao modelo Surya, focado em clima espacial e erupções solares, e à rede Prithvi, voltada ao monitoramento de desastres naturais na Terra.