IBMとNASAは、NASA-IBM月面基礎モデルをオープンソースとして公開しました。これは、月面の科学的研究のために構築された、一般公開されている最初の基礎モデルの1つです。重み、技術レポート、および学習に使用された機械学習対応データセットは、地球観測、気象、太陽物理学を既にカバーしているPrithviファミリーの下、 Hugging Faceで公開されています。このモデルの利点は、数十年にわたる複数の機器による月面データが、手作業で選別された地図や狭いタスク固有のモデルでは対応しきれなくなっており、単一の事前学習済みバックボーンを、毎回最初からやり直すことなく、クレーターマッピング、火山地形の検出、氷の探査に適用できることです。IBMとNASA独自のベンチマークでは、このモデルは、SwinV2-Bベースラインと比較して、氷の堆積物の可能性のある場所を特定する際の二乗平均平方根誤差を最大22%削減しました。
9つの計測器から構成される30層構造のTerraMindバックボーン
このモデルは、IBMが欧州宇宙機関と共同開発した地球観測モデルであるTerraMindのバージョンをベースに構築されており、異なるデータタイプと解像度の処理方法、および欠損値やノイズ値を補完できるクロスモーダル相関の学習方法が採用されています。各月面タスクの微調整には、基本重みの90%を固定する低ランクアダプタが使用され、これにより適応コストが低く抑えられます。トレーニングコーパスは、NASAが以前は存在しなかったと述べている部分です。これは、4つのミッションにわたる9つの機器からの30以上のレイヤーからなる、空間的に整列された統一データセットで、約200万枚の画像タイル、1メートル解像度のカメラ画像が100万枚以上、100メートル解像度のマルチスペクトル画像が96万4000枚近く含まれています。データソースには、NASAの月探査機ルナ・リコネサンス・オービターの画像、GRAILミッションによる20キロメートル/ピクセルの重力場マップ、ルナ・プロスペクターのデータ、およびJAXAのSELENE/かぐやによる補完的な観測データが含まれます。SOMBenchと呼ばれるベンチマークコレクションは、モデルとともに提供されます。
氷、火山性斑点、クレーターを2つのスケールで見る
22%という数字は氷のタスクから得られたもので、このモデルはマルチモーダル、マルチ解像度の観測を組み合わせて、永久影領域の地表下に氷が存在する可能性のある場所、つまり将来の月基地が水、酸素、ロケット燃料を採掘する場所を予測します。火山活動の歴史については、不完全なラベルでトレーニングしながら、SwinV2-Bよりも3%優れたカバレッジで不規則な月の海パッチをマッピングしており、IBMはこれを、より低い微調整コストで同等の精度であると位置付けています。クレーターの検出はスケールによって分かれており、メートルスケールの解像度ではモデルはSwinV2-Bと一致し、約100メートルのコンテキストスケールでは、半分のトレーニングデータで19%近く上回っています。このプロジェクトを共同で率いたNASAの月面地形専門家であるマイケル・バーカー氏は、その成果は年代がまだ議論されている地形にあると述べています。「これらの地形の年代は依然として大きな議論の的となっているため、その分布と特性をよりよく理解できれば、この謎を解く可能性が高まります。」
「NASAは何十年にもわたり、月に関する並外れた科学的記録を構築してきましたが、データの収集は仕事の一部にすぎません。科学者がデータをより簡単に探索し、利用できるようにすることも必要です」と、NASA本部の最高科学データ責任者兼最高データ・AI責任者代理のケビン・マーフィー氏は述べています。IBMリサーチ・ヨーロッパ、英国、アイルランドのディレクターであるフアン・ベルナベ＝モレノ氏は、このモデルは「科学者が月を大規模に探査するための基盤を提供し、複数の機器にわたる観測を結びつけ、単独では見つけにくいパターンを明らかにし、世界の研究コミュニティが活用できるオープンなプラットフォームを提供する」と述べています。
すべてオープンソースライセンスで利用可能となり、IBMの研究ブログではNASAの初期3つのユースケースについてより詳しく解説しています。これは、IBMがGranite 4.0でエンタープライズ向けに展開してきたのと同じオープンウェイト戦略を、希少なリソースがラベルデータとそれに対する微調整のためのコンピューティング能力である科学分野に適用したものです。そして、直接の利用者は、月面着陸地点の危険性分析と、持続的な月面滞在のための資源探査です。
Amazon