IBM 與NASA 聯合發布首個開源月球研究AI模型

-  NASA-IBM 月球基礎模型將數十年的觀測數據轉化為科學探索的基礎，以單一儀器無法實現的規模幫助科學家揭示數據中的模式。

-  該模型在識別月球表面關鍵地理特征（包括潛在冰沉積、隕石坑和火山構造）方面顯著提升，助力人類持續重返月球；其識別率較廣泛使用的方法最高提升 23%。

北京2026年9月14日 /美通社/ -- 近日，IBM（NYSE: IBM）與 NASA宣布開源發布 "NASA-IBM 月球基礎模型"（NASA–IBM Lunar Foundation Model）。作為首批面向月球科學探索、公開可用的基礎模型之一，該模型由 IBM 和 NASA 研究人員整理的海量月球觀測數據集訓練而成，旨在幫助科研人員將數十年積累的、來自不同儀器的復雜數據轉化為關鍵洞察，助力人類在月球建立長期足跡。

月球地形始終處于變化之中。隨著時間推移，月球表面不僅遍布新的隕石坑和水冰，甚至經歷過多次火山活動。數十年來，通過傳感器和儀器對月球的持續觀測已經產生PB 級數據，科學家一直以來只能手動篩選地圖和圖像，或者使用低分辨率、只支持特定任務的機器學習模型來研究月表。這些方法需耗費大量計算資源，且缺乏識別和分析地理特征所需的科學精度。新發布的 NASA-IBM 月球基礎模型可識別多種類型和分辨率的月球數據，并揭示數據之間的隱藏關系，加速研究進展。

具體而言，研究人員可使用該基礎模型研究多種月球現象，包括：

• 潛在月球冰沉積：永久陰影區是最難觀測的月球環境之一，但其地下可能含有月球冰。月球冰意味著水和氧的存在——這些資源對未來月球基地的建立以及火星任務的火箭燃料來源至關重要。NASA-IBM 模型可結合多模態和多分辨率觀測，預測月球表面可能存在冰的位置。NASA和IBM 聯合發表的技術論文顯示，與 SwinV2-B (ImageNet) 模型相比，該模型在識別月球冰高潛力區域時的誤差（RMSE）最多可減少22%。^[1]
• 火山活動歷史：通過研究被稱為 "不規則月海斑塊"（Irregular Mare Patches）的月球火山特征，科學家得以更好地理解月球火山的歷史和熱演化。此外，識別這些變化區域對未來月面作業有著重要意義。使用不完美標簽時，該模型對火山特征的捕捉范圍比 SwinV2-B (ImageNet 模型) 多3%，確保精度相當的同時實現更高效率和更低微調成本。^[2]
• 隕石坑檢測：隕石坑是月球最重要、最具辨識度的特征之一，可揭示有關其歷史的重要線索，例如不同地形的年齡、地質以及早期月球內部的化學組成。隕石坑測繪還能幫助 NASA 選擇安全著陸點，避開陡坡和巨石等危險，并規劃長期基礎設施的選址。借助該模型，研究人員可以在米級分辨率下識別、結合上下文分析并分類隕石坑；相關論文顯示，其精度與 SwinV2-B 等先進模型相當，同時效率和微調成本更優。在上下文尺度分辨率（約100米）下，它僅使用一半的訓練數據，就比 SwinV2-B 高出近19%。^[3]

NASA 華盛頓總部首席科學數據官、代理首席數據與 AI 官 Kevin Murphy 表示："NASA 用數十年建立了一套全面的月球科學數據記錄，但收集數據只是工作的一部分。我們還要讓數據更好地支持科研人員的探索和使用。NASA-IBM 月球基礎模型展示了將 AI 引入 PB 級科學數據帶來的可能性。這正是AI帶來的真正機遇：把大規模數據轉化為新的科學發現。"

IBM 研究院歐洲、英國和愛爾蘭地區負責人 Juan Bernabe-Moreno 表示："揭開月球奧秘，從海量科學數據中學習的能力必不可少。NASA-IBM 月球基礎模型為科研人員提供了規模化探索月球的基礎，打通跨儀器的觀測洞察，從而揭示單點觀察中難以發現的模式，并打造全球性的開放研究平臺。"

盡管月球數據豐富，但尚無公開可用的統一數據集，能將多模態、多分辨率的數據納入適合現代機器學習的通用框架。除了基礎模型，IBM 和 NASA 科學家還構建了業界首個開源月球數據集——一個統一的、可直接用于機器學習的月球數據集，聚合來自四次月球任務、九種觀測儀器的 30 多個空間對齊層。該數據集整合了數萬張圖像和地圖數據，來源包括 NASA 的月球勘測軌道飛行器（LRO）及其"重力恢復與內部實驗室"（GRAIL）任務，以及日本宇宙航空研究開發機構（JAXA）的"月亮女神"（SELENE）任務，為月球科學界提供豐富的多模態月表和次表層視圖。

NASA-IBM 月球基礎模型延續了雙方的多年合作，旨在將寶貴的科學數據轉化為面向整個科學界的研究基石。通過開源該模型，科學家和研究人員得以借助前沿 AI 技術加速月球探索。該模型成為Prithvi 系列開放基礎模型的最新成員，后者已覆蓋地理空間、天氣、太陽物理、月球等觀測數據。這些模型的背后是一個更宏大的愿景：研究人員無需為每個科學問題打造新的算法系統，而是充分利用共享模型，加速跨領域的科研發現。

關于IBM

IBM 是全球領先的混合云、人工智能及企業服務提供商，幫助超過 175 個國家和地區的客戶，從其擁有的數據中獲取商業洞察，簡化業務流程，降低成本，并獲得行業競爭優勢。金融服務、電信和醫療健康等關鍵基礎設施領域的超過 4000 家政府和企業實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現數字化轉型。IBM 在人工智能、量子計算、行業云解決方案和企業服務方面的突破性創新為我們的客戶提供了開放和靈活的選擇。對企業誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業務發展的基石。了解更多信息，請訪問：https://www.ibm.com/cn-zh 

媒體聯絡人

崔守峰，shou.feng.cui@ibm.com

^[1] "Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing", pg 17，IBM和NASA聯合署名
^[2] "Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing", pg 17，IBM和NASA聯合署名
^[3] "Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing", pg 15，IBM和NASA聯合署名