Im Quellenvergleich
Worin die Quellen übereinstimmen
Die NASA hat gemeinsam mit IBM und akademischen Partnern das NASA-IBM Lunar Foundation Model veröffentlicht, ein auf Mondwissenschaft spezialisiertes KI-Modell. Das Modell ist als Open Source verfügbar. Für das Training wurden vor allem Daten des Lunar Reconnaissance Orbiter (LRO) genutzt, der seit 17 Jahren die Mondoberfläche fotografiert und vermisst. Hinzu kamen Daten weiterer Missionen, darunter GRAIL, Lunar Prospector und die japanische Sonde SELENE/Kaguya. Das Modell lässt sich für Aufgaben wie die Kartierung von Kratern und die Untersuchung von Polarregionen anpassen. Bei den Polen schätzt das System die Bedingungen für stabiles Eis ab, Wasser kann es nicht direkt nachweisen. Wasser gilt als mögliche lokale Ressource für künftige Expeditionen, etwa als Verbrauchsgut oder verarbeitet zu Wasserstoff und Sauerstoff. Das Modell erkennt Krater und hilft bei der Untersuchung vulkanischer Strukturen. Die Ergebnisse fallen je nach Aufgabe unterschiedlich aus. Für die Zertifizierung von Landeplätzen oder die Klärung operativer Risiken ist das Modell nicht validiert.
Worin sie sich unterscheidenUmfang der Trainingsdaten·Zusätzliche Trainingsdatenquelle·Ziel der Datensammlung+4 weitere
Umfang der Trainingsdaten- Das Modell verarbeitete rund zwei Millionen Kacheln: über eine Million hochauflösende Bilder mit etwa einem Meter pro Pixel und fast 964.000 multispektrale Aufnahmen mit rund 100 Metern pro Pixel.1
- Für das Training sammelte die NASA Daten aus mehreren Missionen und Instrumenten, darunter Tausende Bilder und Karten des Lunar Reconnaissance Orbiter.2
Zusätzliche Trainingsdatenquelle- Auch Daten der Mission Lunar Prospector flossen in das Training ein.1
- Für das Training wurden Daten des Gravitationsfelds aus der GRAIL-Mission (2011–2012) sowie Informationen der japanischen Sonde SELENE/Kaguya (2007–2009) genutzt.2
Ziel der Datensammlung- Ein erstes Ziel war, einen offenen Datensatz zu erstellen, da viele vorhandene Daten nicht öffentlich zugänglich sind.2
Leistungsvorteile gegenüber bisherigen Werkzeugen- Wissenschaftler sollen den Mond mit dem Modell besser untersuchen können als mit bisherigen Werkzeugen, bei denen Daten manuell ausgewertet werden mussten oder Sprachmodelle keine guten Ergebnisse lieferten.2
Erkennung des Falcon-9-Einschlags- Bei Kratern testete die NASA das Modell mit Bildern vor und nach dem Einschlag einer SpaceX-Raketenstufe nahe dem Krater Einstein und konnte den neuen Krater hervorheben.1
- Bei einer Präsentation habe das Modell den Einschlagort einer im August auf dem Mond abgestürzten Falcon-9-Rakete von SpaceX korrekt identifiziert.2
Größte Vorteile des Modells- Die größten Vorteile zeigte das Modell laut NASA bei der Eisschätzung, bei Kratern und Vulkanstrukturen waren die Unterschiede geringer.1
Bezug des Modells- Das Modell lässt sich über Hugging Face herunterladen, samt Dokumentation und Vortrainingsdaten.2