JAKARTA – IBM dan NASA meluncurkan NASA-IBM Lunar Foundation Model, salah satu foundation model open-source pertama yang dirancang khusus untuk mendukung penelitian dan eksplorasi ilmiah Bulan.
Model ini dikembangkan dengan menggunakan kumpulan data observasi Bulan dalam skala besar yang dikurasi oleh para peneliti IBM dan NASA.
Dengan demikian, NASA-IBM Lunar Foundation Model diharapkan dapat membantu para ilmuwan mengolah data kompleks dari berbagai alat observasi selama puluhan tahun menjadi informasi yang dapat mendukung upaya membangun kehadiran manusia secara berkelanjutan di Bulan.
“Untuk mengungkap berbagai misteri Bulan, dibutuhkan kemampuan untuk mempelajari data ilmiah dalam jumlah yang sangat besar,” jelas Director of IBM Research Europe, UK and Ireland, Juan Bernabe-Moreno.
IBM melihat, selama beberapa dekade, berbagai misi dan instrumen observasi telah menghasilkan data Bulan dalam skala petabyte.
Namun, para peneliti masih banyak mengandalkan analisis manual atau model machine learning yang dibuat untuk tugas-tugas tertentu. Pendekatan tersebut dinilai memerlukan sumber daya komputasi besar dan belum selalu mampu memberikan akurasi ilmiah yang optimal.
NASA-IBM Lunar Foundation Model hadir untuk mengatasi tantangan tersebut dengan menghubungkan berbagai jenis data observasi Bulan yang memiliki resolusi berbeda.
“NASA-IBM Lunar Foundation Model memberikan landasan bagi para ilmuwan untuk mengeksplorasi Bulan dalam skala besar dengan menghubungkan data observasi dari berbagai instrumen, mengungkap pola yang sulit terlihat jika dianalisis secara terpisah, serta menyediakan platform terbuka yang dapat dikembangkan lebih lanjut oleh komunitas riset global,” tambah Bernabe-Moreno.
Salah satu penggunaan utama model ini adalah untuk memprediksi lokasi endapan es di Bulan. Wilayah yang selalu berada dalam bayangan diyakini berpotensi menyimpan cadangan es yang dapat menjadi sumber air dan oksigen bagi misi manusia di masa depan.
Dalam pengujian yang dilakukan NASA dan IBM, model tersebut mampu mengurangi tingkat kesalahan hingga 22 persen dibandingkan model SwinV2-B dalam mengidentifikasi area yang berpotensi mengandung es.
Selain itu, model ini juga digunakan untuk mempelajari riwayat aktivitas vulkanik Bulan melalui identifikasi fitur Irregular Mare Patches. Hasil penelitian menunjukkan cakupan pemetaan area vulkanik meningkat sekitar 3 persen dibandingkan model pembanding, dengan kebutuhan fine-tuning yang lebih rendah.
Kemampuan lain yang ditawarkan adalah deteksi dan klasifikasi kawah pada resolusi skala meter. Pada pengujian tertentu, model ini mencatat kinerja hampir 19 persen lebih baik dibandingkan SwinV2-B dengan hanya menggunakan setengah jumlah data pelatihan.
“NASA telah menghabiskan waktu puluhan tahun untuk membangun rekam jejak ilmiah yang luar biasa tentang Bulan, namun pengumpulan data hanyalah salah satu bagian dari proses tersebut. Kami perlu memastikan data tersebut lebih mudah dieksplorasi dan dimanfaatkan oleh para ilmuwan,” kata Kevin Murphy, Chief Science Data Officer dan Acting Chief Data and AI Officer NASA.
Bersamaan dengan peluncuran model, IBM dan NASA juga memperkenalkan kumpulan data Bulan open-source yang menggabungkan lebih dari 30 lapisan data dari sembilan instrumen dalam empat misi berbeda.
Dataset tersebut mencakup puluhan ribu citra dan peta dari misi NASA Lunar Reconnaissance Orbiter (LRO), GRAIL, hingga misi SELENE/Kaguya milik JAXA
Model ini melanjutkan kolaborasi IBM dan NASA yang telah terjalin dalam memanfaatkan data ilmiah bernilai tinggi sebagai landasan terbuka untuk mendorong berbagai penemuan bagi komunitas ilmiah global.
Dengan merilis model ini sebagai open-source, para ilmuwan dan peneliti dapat mengakses sistem AI mutakhir untuk mempercepat kemajuan dalam eksplorasi Bulan.
Add VOI as a Preferred Source
Follow VOI news updates across Google.
+