据美国国家航空航天局（NASA）官网、IBM研究院官方社交媒体消息表示，这两家机构发布并开源了首个月球模型，模型权重与代码向全球研究者开放，以供下载、微调和试验。这是首批专门面向月球科学、可公开使用的智能分析工具之一，目标是把数十年来分散的月球观测数据转化为可复用的分析工具，用于陨石坑测绘、火山地貌识别和极区水冰潜力评估。
“NASA-IBM模型”重现了月球冰探测的模式（从蓝色到黄色），模型在参考数据中保留了许多精细的勘探模式。图源：NASA/IBM研究院
月球研究长期面临数据多、整合难的矛盾。此次模型的训练数据以NASA月球勘测轨道飞行器为主。LRO在轨约17年，覆盖大部分月面，其数据规模超过NASA其他行星任务总和。模型使用约200万个月球图像切片，其中包括逾100万张1米分辨率窄角相机图像和近96.4万张100米分辨率多光谱图像，并融合GRAIL重力、Lunar Prospector，以及日本JAXA SELENE等任务的地形与遥感数据。配合发布的数据集整合9台仪器、4项任务、30多个空间对齐数据层，解决不同分辨率、不同载荷难以统一调用的问题。
这一模型对月球资源勘查意义重大。月球永久阴影坑温度极低，可把水冰保存数百万年以上，而光学手段难以直接观测。模型综合多分辨率、多模态观测估算极区冰的赋存与稳定区，帮助研究者缩小实地验证范围。而水冰不仅关系到月球基地的饮用水和呼吸用氧，也可通过电解制氧、制氢，为深空任务提供推进剂原料，这正是人类长期驻月任务及后续走向火星任务的起点。
与此同时，在未来飞船安全着陆与对着陆点的地质认知上，新模型可辅助快速提取和分类陨坑，减少人工判读工作量。
该模型纳入NASA首席科学数据办公室“科学人工智能”战略，由多个中心、高校、研究所协同完成。对学界而言，统一、可复现的月球数据集，远比单次算法指标更重要。未来探月任务持续产生新影像，研究者也可在同一底模上微调，把多任务、多时段观测连成一致认识，而不是每次另起炉灶。