NASA와 IBM, 달의 물 얼음을 22% 더 정확하게 탐지하는 무료 AI 공개

달에서 물 얼음을 찾는 것은 행성 과학에서 가장 어려운 문제 중 하나다. 얼음은 고르게 분포하지 않고 극지방의 영구 음영 분화구에 숨어 있으며, 궤도에서 이를 식별하려면 미약한 분광 신호를 기기 노이즈와 구별해야 한다. IBM과 NASA의 Lunar Foundation Model은 바로 그 문제를 위해 설계되었다.

Lunar Foundation Model은 5개의 달 궤도 우주선(Lunar Reconnaissance Orbiter, GRAIL, Lunar Prospector, SELENE/Kaguya 등)이 촬영한 200만 개 이상의 이미지로 학습된 오픈소스 AI다. IBM의 지리공간 프레임워크 TerraTorch를 통해 Hugging Face와 GitHub에서 무료로 제공된다.

벤치마크 테스트에서 이 모델은 이전 방법보다 물 얼음 매장지를 22% 더 정확하게 식별한다. 또한 달 분화구를 19% 더 정밀하게 찾아낸다. 주목할 점은 비교 가능한 모델이 요구하는 라벨링된 학습 데이터의 절반만 사용해 그 성능에 도달한다는 것이다. 이는 라벨링된 데이터 세트를 생산하는 데 비용이 많이 드는 달 과학에서 중요한 특성이다.

실용적 가치는 아르테미스 프로그램의 자원 매핑에 있다. NASA는 달 남극 근처에 지속적인 인간 거주지를 구축할 계획이며, 그곳에서 물 얼음은 식수, 산소, 로켓 추진제로 전환될 수 있다. 얼음이 실제로 어디에 있고 얼마나 존재하는지 아는 것은 착륙 지점 선정과 인프라 계획에 직접적인 영향을 미친다.

이 모델은 IBM과 NASA가 공공 자금으로 수행한 연구에서 기여했기 때문에 오픈 라이선스로 공개되었다. 무료로 제공함으로써 대학, 우주 기관, 민간 기업의 과학자들이 라이선스 제약 없이 사용하고 평가하며 개선할 수 있다. 이 모델이 실행되는 IBM 프레임워크인 TerraTorch는 기본 지리공간 데이터 파이프라인을 처리한다.

22% 개선 수치는 벤치마크 결과다. 이는 표준화된 테스트 데이터 세트에서 다른 모델과 비교한 것이지, 실제 운영 임무에서 측정한 것이 아니다. Lunar Foundation Model이 실제 임무 의사 결정을 개선할지 여부는 벤치마크 조건이 궤도 기하학, 기기 보정, 태양 조명 각도에 따라 달라지는 실제 달 관측 데이터를 얼마나 잘 반영하는지에 달려 있다. IBM이나 NASA와 관련이 없는 그룹의 독립적 검증은 아직 발표되지 않았다.

Lunar Foundation Model은 Hugging Face와 GitHub에서 이용할 수 있다. IBM과 NASA는 이 모델을 활성 아르테미스 임무 계획에 통합하는 일정을 설정하지 않았다.

태그: 인공지능, 오픈소스 AI, nasa, IBM, Lunar Foundation Model, 달 탐사