NASA ve IBM, Ay Verilerini İşleyen Açık Kaynaklı Yapay Zeka Modelini Yayınladı

1 gün önce1 dk okuma9 okunma

NASA ve IBM, Ay yüzeyine dair 17 yıllık gözlem verilerini makine öğrenimi için kullanılabilir hale getiren NASA-IBM Lunar Foundation Model isimli yeni bir yapay zeka modelini kullanıma sundu. Akademik kurumların da katkı sağladığı bu çalışma, Ay bilimi alanında geliştirilen ilk açık kaynaklı temel modellerden biri olma özelliğini taşıyor.

Model, SomBench adı verilen ve bugüne kadar oluşturulmuş en kapsamlı çok modlu Ay veri kümesi üzerinde eğitildi. Bu küme, 11 farklı veri türü ve iki farklı uzamsal ölçekte yaklaşık 2 milyon görüntü paketini içeriyor. Verilerin büyük çoğunluğu, NASA'nın Lunar Reconnaissance Orbiter (LRO) aracından gelen 17 yıllık gözlemlerden oluşuyor. Ayrıca GRAIL, Lunar Prospector ve JAXA'nın Kaguya/SELENE görevlerinden alınan verilerle zenginleştirilen koleksiyon, 30'dan fazla uzamsal olarak hizalanmış veri katmanını bir araya getiriyor.

Araştırmacılar, modeli eğitirken Ay yüzeyindeki ışık geometrisini (güneş konumu ve aydınlanma açıları) doğrudan bir girdi olarak sisteme dahil etti. Bu yöntem, modelin piksel değerlerini tahmin etmek yerine yüzey özelliklerini daha doğru yorumlamasını sağlıyor. Ayrıca FlexiViT tekniği sayesinde model, farklı görüntü boyutlarına sahip görevlere yeniden eğitilmeye gerek kalmadan uyum sağlayabiliyor.

Model, özellikle kutup bölgelerindeki su buzu yataklarının tahmin edilmesinde mevcut en iyi yöntemlerden biri olan SwinV2-B modeline kıyasla hata payını yüzde 22 oranında düşürdü. Krater tespiti konusunda da benzer bir başarı gösteren sistem, daha az etiketli veriyle daha yüksek performans sergileyebiliyor. IBM, modelin LoRA gibi hafif ince ayar yöntemleriyle de verimli çalıştığını ve fiziksel ölçüm cihazlarının yerini almasa da bilimsel analizlerde önemli bir yardımcı araç olduğunu vurguluyor.

Söz konusu model, kodları ve eğitim veri setleri ile birlikte Hugging Face üzerinden halka açıldı. Ayrıca TerraTorch açık kaynaklı araç setine entegre edilen bu çalışma, araştırmacıların Ay yüzeyindeki karmaşık yapıları daha hızlı analiz etmesine olanak tanıyor.