NASA-IBM 달 재단 모델이 2만 개 타일 데이터셋과 22% 낮아진 얼음 지도 작성 오차를 가지고 오픈 소스로 공개되었습니다.

by 해롤드 프리츠 on 2026 년 9 월 14 일

AI ◇ 기업

IBM과 NASA는 달 과학 연구를 위해 구축된 최초의 공개 기반 모델 중 하나인 NASA-IBM 달 기초 모델을 오픈 소스로 공개했습니다. 가중치, 기술 보고서, 그리고 머신러닝에 바로 사용할 수 있는 데이터셋은 지구 관측, 기상, 태양물리학 분야를 이미 다루고 있는 Prithvi 제품군에 속해 Hugging Face 에서 확인할 수 있습니다 . 수십 년간 축적된 다양한 달 관측 장비 데이터는 수작업으로 선별한 지도나 특정 작업에만 특화된 모델로는 더 이상 충분하지 않으며, 사전 학습된 단일 백본을 사용하여 매번 처음부터 다시 시작할 필요 없이 분화구 지도 작성, 화산 지형 탐지, 얼음 탐사 등에 적용할 수 있다는 것이 이 모델의 핵심입니다. IBM과 NASA 자체 벤치마크에서 이 모델은 SwinV2-B 기준 모델 대비 얼음 퇴적물 탐지에서 제곱평균오차(RMSE)를 최대 22%까지 줄였습니다.

NASA-IBM 달 재단 모델의 분화구 탐지 결과: 탐지된 분화구 주변에 파란색 테두리 상자가 그려진 두 개의 회색조 달 표면 타일

Nine Instruments의 30개 레이어로 구성된 TerraMind 백본

이 모델은 IBM이 유럽우주국(ESA)과 공동 개발한 지구 관측 모델인 TerraMind의 한 버전을 기반으로 구축되었습니다. TerraMind는 다양한 데이터 유형과 해상도를 처리하고, 누락되거나 잡음이 있는 값을 채울 수 있는 교차 모달 상관관계를 학습하는 능력이 뛰어나기 때문에 선택되었습니다. 각 달 탐사 작업에 맞춘 미세 조정에는 기본 가중치의 90%를 고정하는 저랭크 어댑터가 사용되어 적응 비용을 낮게 유지합니다. 훈련 데이터 세트는 NASA가 이전에는 존재하지 않았다고 밝힌 부분으로, 4개의 임무에서 9개의 장비로 얻은 30개 이상의 레이어로 구성된 통합된 공간 정렬 데이터 세트입니다. 이 데이터 세트는 약 200만 개의 이미지 타일로 이루어져 있으며, 1미터 해상도의 카메라 이미지 100만 장 이상과 100미터 해상도의 다중 스펙트럼 이미지 약 96만 4천 장을 포함합니다. 데이터 소스에는 NASA의 달 정찰 궤도선(Lunar Reconnaissance Orbiter) 이미지, GRAIL 임무의 20km 해상도 중력장 지도, Lunar Prospector 데이터, 그리고 JAXA의 SELENE/Kaguya에서 얻은 보완 관측 자료가 포함됩니다. SOMBench라고 불리는 벤치마크 모음이 모델과 함께 제공됩니다.

NASA-IBM 달 재단 모델의 얼음 생성 가능성 비교: 북극 및 남극 지도와 라벨, ConvNeXt, 달 재단 모델 예측 타일을 파란색에서 노란색으로 이어지는 생성 가능성 척도(10km 막대 포함)에 표시했습니다.

두 가지 규모의 얼음, 화산 지대 및 분화구

22%라는 수치는 얼음 탐지 작업에서 나온 것으로, 이 모델은 다중 모드, 다중 해상도 관측 자료를 결합하여 영구 음영 지역 표면 아래에 얼음이 존재할 가능성을 예측합니다. 이러한 지역은 미래 달 기지에서 물, 산소, 로켓 추진제를 채굴할 장소가 될 것입니다. 화산 활동 이력의 경우, 이 모델은 불완전한 레이블로 학습하면서도 SwinV2-B보다 3% 더 높은 정확도로 불규칙한 바다 지형(Irregular Mare Patches)을 매핑합니다. IBM은 이를 더 낮은 미세 조정 비용으로 비슷한 정확도를 달성한 것으로 설명합니다. 크레이터 탐지는 규모별로 나뉘는데, 미터 규모 해상도에서는 SwinV2-B와 동일한 성능을 보이고, 약 100미터 규모에서는 절반의 학습 데이터로도 거의 19% 더 우수한 성능을 보입니다. 이 프로젝트를 공동으로 이끈 NASA의 달 지형 전문가 마이클 바커는 이 모델의 가장 큰 성과는 아직 연대가 논란이 되고 있는 지형들을 탐지하는 데 있다고 말했습니다. "이러한 지형들의 연대는 여전히 큰 논쟁거리입니다. 따라서 그 분포와 특성을 더 잘 이해할수록 이 미스터리를 해결할 가능성이 높아집니다."

"NASA는 수십 년 동안 달에 대한 놀라운 과학적 기록을 구축해 왔지만, 데이터 수집은 업무의 일부일 뿐입니다. 과학자들이 데이터를 더 쉽게 탐색하고 활용할 수 있도록 만들어야 합니다."라고 NASA 본부의 최고 과학 데이터 책임자이자 최고 데이터 및 AI 책임자 대행인 케빈 머피는 말했습니다. IBM 리서치 유럽, 영국 및 아일랜드 지부장인 후안 베르나베-모레노는 이 모델이 "과학자들에게 달을 대규모로 탐사할 수 있는 기반을 제공하고, 다양한 장비의 관측 결과를 연결하며, 개별적으로는 보기 어려운 패턴을 밝혀내고, 전 세계 연구 커뮤니티가 활용할 수 있는 개방형 플랫폼을 제공한다"고 말했습니다.

모든 것이 이제 오픈 소스 라이선스 하에 제공되며, IBM의 연구 블로그 에서는 NASA의 초기 세 가지 활용 사례를 더 자세히 살펴봅니다. 이는 IBM이 엔터프라이즈 부문에서 Granite 4.0을 통해 적용했던 것과 동일한 오픈 웨이트 전략을 과학 분야에 적용한 것으로, 여기서는 레이블이 지정된 데이터와 이를 정밀하게 분석할 컴퓨팅 자원이 부족한 상황이며, 당면 과제는 착륙 지점 위험 분석과 달에서의 지속적인 존재를 위한 자원 탐사입니다.