随着阿尔忒弥斯计划推进，人类重返月球并建立长期基地的愿景日益清晰。在这一进程中，高精度的月球地图至关重要。近日，IBM 与 NASA 正式开源了迄今最详尽的月球测绘 AI 模型—— "NASA-IBM 月球基础模型 "。该模型整合了美日两国数十年来月球探测任务收集的多模态数据，旨在帮助科学家应对月球崎岖地形与极端环境带来的挑战。

多传感器数据的 " 罗塞塔石碑 "

月球科学长期面临数据碎片化的难题。不同任务获取的数据在分辨率和视角上差异巨大：例如，GRAIL 任务以每像素 20 公里的比例绘制重力场，而月球勘测轨道飞行器（LRO）则以每像素 1 米的比例对极地陨石坑进行成像。此外，月球缺乏大气层散射光线，导致其表面呈现高对比度、边缘锐利的视觉特征，且极地地区因太阳角度低而布满漫长阴影，严重干扰观测。

为解决这一痛点，IBM 与 NASA 选择了基于地球观测模型 TerraMind 架构的 AI 方案。该模型擅长处理不同类型和分辨率的数据，并能通过跨模态学习填补缺失或嘈杂信息。研究人员利用轻量级低秩适配器（LoRA）对模型进行微调，冻结了 90% 的基础权重，使其能快速适应特定任务。

在性能测试中，该模型表现优异。在识别可能含冰的黑暗极地陨石坑时，其错误率比最先进的 SwinV2 变压器模型降低了 22%；在一米分辨率下，其陨石坑检测精度与专用 Swin 模型持平；而在较粗分辨率下，即便训练数据减半，其性能仍高出近 19%。此外，在绘制神秘火山特征分布时，该模型以更低的成本实现了相当精度，且效果优于特定任务模型 3%。

聚焦火山历史与极地冰层

NASA 目前优先将该模型应用于三个方向：绘制未编录的小型陨石坑、调查月球火山历史，以及在两极陨石坑中搜寻冰层。这些冰层不仅是未来宇航员饮用水、氧气和燃料的关键来源，其所在的永久光照区边缘也是部署太阳能电池板的理想位置。

关于月球火山活动，主流观点认为其在约 10 亿年前减弱，但新证据显示部分被称为 " 不规则月海斑点 " 的特征可能更年轻。NASA 月球地形专家迈克尔 · 巴克尔指出，了解这些特征的分布与性质，对于解决其年代争议至关重要。同时，模型还能生成高分辨率热力图，帮助宇航员规避月球表面高达 121 摄氏度至零下 246 摄氏度的极端温差区域，寻找安全的基地建设点。

水的存在曾是月球探索的重大发现。2008 年，印度 " 月船 1 号 " 搭载的 NASA 雷达在北极附近检测到约 6 亿吨水冰。随后，SOFIA 天文台进一步发现水分子附着在月球尘埃颗粒上，估计每立方米土壤可容纳多达 12 盎司容量的水。这些水资源可能源自彗星撞击或太阳风与土壤的相互作用。

开启月球探索新篇章

当前，全球月球探索竞争加剧。除美国外，另有四个国家已成功实现月球软着陆并计划建立存在。月球富含氦 -3 及稀土元素，且具有无地震、无磁场干扰及无线电静默等优势，是深空观测的理想场所。天文学家计划在月球陨石坑内部署射电望远镜、引力波探测器及红外望远镜，以监听早期宇宙信号及研究系外行星。

IBM 欧洲爱尔兰和英国研究总监胡安 · 贝尔纳贝 - 莫雷诺表示，未来的突破将源于让多种仪器及计算范式协同工作的算法。随着量子计算的成熟，经典超级计算机与 AI、量子处理器的结合，将进一步加速科学假设的验证与复杂系统的模拟。此次开源的月球基础模型，正是这一科学计算工作流转型的重要一步，延续了《阿尔忒弥斯协定》中关于太空探索合作与发现的精神。

【星途科讯 图文丨王宇洲 首发于 ZAKER 科技，转载请注明出处】