NASA와 IBM이 9월 10일 달 탐사 연구에 활용할 수 있는 오픈소스 인공지능 기반 모델을 공개했다. 이름은 ‘NASA-IBM Lunar Foundation Model’로, 여러 탐사 임무에서 축적된 달 관측 데이터를 함께 분석할 수 있도록 설계됐다.
IBM 발표에 따르면 모델 학습에 사용된 데이터셋은 4개 임무의 9개 관측 장비에서 얻은 30개 이상의 공간 정렬 데이터 층을 통합했다. NASA의 Lunar Reconnaissance Orbiter와 GRAIL 임무 자료뿐 아니라 일본 우주항공연구개발기구(JAXA)의 SELENE/Kaguya 자료도 포함됐다.
주요 활용 대상은 달 표면의 잠재적 얼음 분포, 크레이터, 화산 지형이다. 특히 영구음영지역처럼 관측이 어려운 곳에서 얼음이 존재할 가능성이 높은 구역을 찾거나, 크레이터를 분류해 착륙 후보지와 장기 인프라 계획을 검토하는 데 활용할 수 있다는 설명이다.
IBM과 NASA는 일부 평가에서 기존 비교 모델보다 성능이 개선됐다고 밝혔다. 발표 자료에는 얼음 후보 지역 탐지 오차가 특정 비교 모델보다 최대 22% 줄었고, 약 100m 규모의 문맥 해상도에서 크레이터 분석 성능이 약 19% 높았다는 결과가 제시됐다.
이 모델은 공개형 기반 모델로 제공돼 연구자들이 특정 달 과학 과제에 맞게 추가 학습하거나 응용할 수 있다. 우주 탐사 분야에서도 하나의 목적별 알고리즘을 매번 새로 만드는 대신 대규모 관측 자료를 학습한 공통 기반 모델을 활용하려는 흐름이 확대되고 있다.
