مدل قمری ناسا و IBM، ۱۷ سال داده‌های ماه را برای پژوهش آماده می‌کند

مدل قمری ناسا-آی‌بی‌ام اکنون راهی تازه برای تحلیل یادگیری‌ماشینی داده‌های ماه فراهم می‌کند: NASA و IBM Research با همکاری چند مؤسسه دانشگاهی، مدلی متن‌باز عرضه کرده‌اند که از ۱۷ سال مشاهدات مداری و داده‌های مأموریت‌های دیگر آموزش دیده است. هدف، تبدیل آرشیو بزرگ رصد ماه به داده‌هایی قابل استفاده برای پژوهشگران است؛ به‌ویژه در شرایطی که تصاویر فراوان‌اند، اما نمونه‌های برچسب‌خورده برای آموزش الگوریتم‌ها محدود هستند.

مدلی بر پایه نزدیک به ۲ میلیون بسته داده

NASA و IBM این مدل را یکی از نخستین مدل‌های پایه متن‌باز برای علوم قمری توصیف می‌کنند. مدل پایه ابتدا با حجم زیادی از داده‌های بدون برچسب آموزش می‌بیند و سپس می‌توان آن را با تعداد کمتری نمونه برچسب‌خورده برای وظایف مشخص تنظیم کرد. این ویژگی در پژوهش‌های ماه اهمیت دارد، چون داده‌های مشاهده‌ای فراوان‌اند، اما آماده‌سازی برچسب‌های علمی برای آن‌ها دشوار است.

مدل با مجموعه‌داده‌ای به نام SomBench آموزش دیده است؛ مجموعه‌ای که پژوهشگران آن را بزرگ‌ترین گردآوری چندوجهیِ هم‌ثبت‌شده برای ماه تا امروز معرفی می‌کنند. هم‌ثبت‌شده یعنی لایه‌های مختلف داده با یکدیگر از نظر موقعیت مکانی تطبیق داده شده‌اند. SomBench نزدیک به ۲ میلیون بسته تصویری در ۱۱ نوع داده و دو مقیاس مکانی دارد.

حدود یک میلیون تصویر با وضوح بالا از دوربین Narrow Angle Camera، با جزئیاتی در حدود یک متر به‌ازای هر پیکسل، در این مجموعه قرار گرفته است. بخش دیگر شامل اندکی کمتر از ۹۶۴ هزار تصویر چندطیفی از Wide Angle Camera با وضوح ۱۰۰ متر به‌ازای هر پیکسل است. بخش عمده داده‌ها را ۱۷ سال مشاهدات Lunar Reconnaissance Orbiter تشکیل می‌دهد. داده‌های مأموریت‌های GRAIL، Lunar Prospector و فضاپیمای Kaguya/SELENE ژاپن نیز به مجموعه افزوده شده‌اند.

در مجموع، این داده‌ها بیش از ۳۰ لایه مکانی را از ۹ ابزار و چهار مأموریت گرد هم آورده‌اند. برای جلوگیری از نشت داده میان آموزش و ارزیابی، پژوهشگران تصاویر را بر اساس بخش‌های جغرافیایی نقشه تقسیم کرده‌اند؛ نه اینکه کاشی‌های تصویری را به‌صورت تصادفی میان مجموعه‌ها پخش کنند.

نورپردازی ماه به‌عنوان ورودی مدل

معماری مدل بر پایه TerraMind، مدلی برای مشاهده زمین، شکل گرفته است؛ اما پژوهشگران مدل قمری را از ابتدا آموزش داده‌اند، نه اینکه تنها مدل قبلی را برای ماه تنظیم کنند. یکی از تفاوت‌های مهم، وارد کردن هندسه تصویربرداری به‌عنوان اطلاعات زمینه‌ای است. مدل درباره زاویه‌های روشنایی، موقعیت خورشید و محدوده هر تصویر اطلاعات دریافت می‌کند.

این کار به ویژگی محیط ماه پاسخ می‌دهد: ظاهر سطح در تصاویر به‌شدت تحت‌تأثیر زاویه تابش نور است و ممکن است تفاوت‌های نوری با ویژگی‌های واقعی سطح اشتباه گرفته شوند. در عوض، مدل این اطلاعات را از ابتدا دریافت می‌کند. همچنین تصاویر با وضوح بالا و تصاویر کلی‌تر در یک مرحله آموزش به کار رفته‌اند تا مدل هم جزئیات کوچک و هم الگوهای گسترده‌تر را بیاموزد.

روش FlexiViT نیز به مدل اجازه می‌دهد برای کارهایی با اندازه‌های متفاوت قطعه تصویری به کار گرفته شود، بی‌آنکه آموزش دوباره لازم باشد. قطعه تصویری، بخش کوچکی از تصویر است که مدل آن را به‌عنوان ورودی پردازش می‌کند.

بیشترین بهبود در پیش‌بینی یخ قطبی

پژوهشگران مدل را در شناسایی دهانه‌ها در دو مقیاس، پیش‌بینی رسوبات یخ قطبی و بخش‌بندی Irregular Mare Patches آزمودند. این پدیده‌ها ویژگی‌های آتشفشانی جوانی‌اند که می‌توانند برداشت‌های رایج درباره زمان‌بندی سردشدن ماه را به چالش بکشند. بر اساس گزارش فنی، مدلِ آموزش‌دیده در همه این وظایف با روش‌های مرجع رایج برابری کرد یا از آن‌ها بهتر بود؛ همچنین عملکردش از مدلی با معماری یکسان اما وزن‌های تصادفی بهتر بود.

بزرگ‌ترین فاصله در پیش‌بینی یخ دیده شد. به گفته IBM، خطای مدل در این کار تا ۲۲ درصد کمتر از بهترین روش مرجع، یعنی SwinV2-B، بود. نواحی قطبیِ همیشه سایه‌دار چنان سرد هستند که آب‌یخ می‌تواند در آن‌ها برای میلیاردها سال باقی بماند. این رسوبات از نظر پژوهشگران منابع بالقوه آب، اکسیژن و سوخت موشک به شمار می‌روند.

در شناسایی دهانه‌ها در مقیاس درشت، مدل بنا بر اعلام IBM نزدیک به ۱۹ درصد از SwinV2-B بهتر عمل کرد. این نتیجه با استفاده از نیمی از داده‌ها به دست آمد و نشان می‌دهد مدل برای رسیدن به عملکرد مناسب ممکن است به نمونه‌های برچسب‌خورده کمتری نیاز داشته باشد. با این حال، در شناسایی دهانه‌ها در مقیاس یک‌متری و بخش‌بندی Irregular Mare Patches، نتیجه‌ها به قوی‌ترین روش‌های مرجع نزدیک بود و تفاوت‌ها در محدوده نوسان میان دفعات آموزش قرار داشتند.

کاربرد پژوهشی، نه جایگزین اندازه‌گیری فیزیکی

نتایج نشان می‌دهند بخشی از مزیت مدل ممکن است به شیوه پردازش داده‌های متفاوت مربوط باشد. هر لایه داده مسیر پردازشی جداگانه‌ای دارد، در حالی که برخی مدل‌های مرجع همه ورودی‌ها را مانند کانال‌های یک تصویر واحد کنار هم می‌گذارند. همچنین روش سبک‌تر تنظیم مدل، LoRA، در مجموع با تنظیم کامل هم‌سطح بود و در شناسایی دهانه‌ها نتیجه بهتری داشت؛ تنظیم کامل فقط در دو وظیفه کوچک‌تر برتری نشان داد.

در عین حال، این مدل برای تعیین موقعیت مطلق جغرافیایی مناسب نیست. پژوهش‌ها نشان می‌دهند در برخی آزمون‌های تولید تصویر، عرض و طول جغرافیایی ده‌ها درجه خطا داشته‌اند و ارتفاع عوارض ممکن است با جابه‌جایی مقدار مطلق بازسازی شود، حتی اگر شکل آن‌ها درست باشد. نویسندگان تأکید می‌کنند مدل ابزاری برای پیوند دادن مشاهدات و آشکارسازی الگوهاست، نه جایگزینی برای ابزارهای اندازه‌گیری. آن‌ها همچنین به محدود بودن برخی مجموعه‌های آزمون و نیاز به آزمایش‌هایی برای سنجش جداگانه سهم هر نوآوری اشاره می‌کنند.

مدل، کد آن و مجموعه‌داده‌های آماده یادگیری ماشین و معیارهای ارزیابی در دسترس عموم قرار گرفته‌اند؛ مدل در ابزار متن‌باز TerraTorch نیز ادغام شده است. این پروژه بخشی از همکاری «AI for Science» میان NASA و IBM است. پیش‌تر، این همکاری مدل Prithvi را برای تصاویر زمین عرضه کرده بود؛ IBM نیز TerraMind را در سال ۲۰۲۵ با همکاری ESA و Forschungszentrum Jülich توسعه داد.

این خبر برای چه کسانی اهمیت دارد

این مدل برای دانشمندان علوم سیاره‌ای و گروه‌هایی که روی نقشه‌برداری ماه، دهانه‌ها و منابع احتمالی قطبی کار می‌کنند، راهی برای استفاده مشترک از داده‌های چندین مأموریت فراهم می‌کند. انتشار عمومی مدل و داده‌های آموزشی می‌تواند بررسی و بازآزمایی نتایج را برای پژوهشگران دیگر آسان‌تر کند. با این حال، گروه‌هایی که به تعیین موقعیت یا ارتفاع مطلق نیاز دارند باید محدودیت‌های مدل را در نظر بگیرند و اندازه‌گیری‌های فیزیکی را همچنان مبنا قرار دهند.