基于17年月球数据NASA开源AI模型解析月表特征

近日，美国国家航空航天局联合IBM研究部门及多家学术机构，正式发布NASA-IBM月球基础模型。该模型是专为月球科学领域打造的开源人工智能系统，依托Hugging Face与GitHub向全球科研社区开放完整代码与数据集。 该模型主要基于NASA月球勘测轨道飞行器过去17年积累的超大规模数据训练而成，涵盖约200万幅图像瓦片，并融合重力探测、月球勘探者号及日本探月任务等多源数据。作为预训练基础模型，其具备强大泛化能力，仅需少量标注即可快速微调，精准支持多项行星科学任务。 实测表明，该模型在陨石坑测绘、年轻火山特征识别及极地冰层分布预测中表现优异，各项指标均达到或超越主流基准模型。科研人员可借此高效处理海量遥感数据，精确估算永久阴影区水冰稳定性，加速月球地质演化与热历史的重构。 此次发布是NASA推进人工智能科学应用战略的关键举措。通过同步开源训练数据集、基准测试套件及TerraTorch工具包，该成果大幅降低了月球探测算法研发门槛，为全球行星科学界提供标准化协作平台，将显著提升未来月球资源勘探与深空探测任务的决策效率。