上海
2026年9月10日，美国国家航空航天局（NASA）与IBM联合发布了一款名为"NASA-IBM月球基础模型"的开源人工智能系统。该模型已在人工智能平台Hugging Face上线，科研人员可免费下载使用，用于月球表面的特征识别与科学研究。
冰层识别能力突出。在测试中，NASA与IBM将模型预测结果与一份结合地形、温度及其他环境数据的科学地图进行了比对，并将其与微软训练的视觉系统SwinV2-B进行对比。结果显示，新模型在冰层分布预测上将误差降低了23%，展现出对月球表面潜在冰区域的精准识别能力。
陨石坑分类效率显著提升。模型在陨石坑的识别与分类任务中同样表现优异，仅以一半的训练数据量，就比SwinV2-B的准确率高出19%。2026年8月5日，SpaceX猎鹰9号火箭残骸坠入月球后，IBM将撞击点图像输入该模型，模型在首次尝试中便成功识别出这一新形成的撞击坑，该撞击坑与一个既有陨石坑高度重叠，识别难度极大。
训练方法突破传统瓶颈。月球表面没有大气层散射阳光，陨石坑阴影锋利且漆黑，给图像识别带来挑战。IBM研究团队摒弃了传统的"遮盖部分图像再让模型重建"的训练方式，转而将月球像橘子一样划分为多个扇区，将训练扇区与测试扇区完全分离，从而确保了数据的一致性。
首创开源数据集推动行业进步。此次发布的成果中包含一个首创的开源数据集，整合了来自NASA月球勘测轨道飞行器（LRO）、重力回溯及内部实验室（GRAIL）任务以及日本"月亮女神"（SELENE）探测器的数万张图像与仪器数据，包含超过200万个数据点。IBM Research欧洲、英国及爱尔兰区总监胡安·贝尔纳韦-莫雷诺博士表示，数据才是真正推动AI模型产业发展的核心力量，希望这一数据集能助力未来更多月球研究模型的开发。
参考链接:
https://www.engadget.com/2254569/nasa-ibm-ai-model-moon/
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
