Jakarta: IBM dan NASA meluncurkan Model NASA-IBM Lunar Foundation, sebuah model kecerdasan buatan (foundation model) berarsitektur open-source pertama yang tersedia untuk publik guna mendukung kegiatan eksplorasi ilmiah di Bulan.
Model ini dikembangkan dengan memanfaatkan kumpulan data observasi Bulan dalam skala besar selama puluhan tahun yang telah dikurasi oleh para peneliti IBM dan NASA. Kehadiran teknologi ini diharapkan dapat membantu komunitas ilmiah global mengolah data kompleks dari berbagai instrumen observasi menjadi informasi strategis demi membangun kehadiran manusia secara berkelanjutan di Bulan.
Permukaan Bulan terus mengalami perubahan dinamis yang membentuk berbagai kawah, persebaran es, hingga struktur vulkanik. Selama berdekade-dekade, deretan sensor dan instrumen observasi antariksa memantau permukaan Bulan hingga menghasilkan volume data ilmiah mencapai skala petabyte.
Kendati demikian, proses analisis data konvensional selama ini menuntut ilmuwan untuk menelaah peta dan citra secara manual atau mengandalkan model machine learning beresolusi rendah yang spesifik pada satu fungsi saja. Pendekatan lama tersebut memerlukan daya komputasi tinggi dan kerap belum memberikan tingkat akurasi ilmiah yang optimal untuk mengidentifikasi fitur geografi Bulan.
Hadirnya NASA-IBM Lunar Foundation Model memberikan terobosan penting dengan menghubungkan berbagai jenis data multimodal lintas tingkat resolusi yang berbeda. Melalui pendekatan ini, para peneliti dapat mempercepat pemahaman ilmiah serta menemukan pola dan keterkaitan yang sebelumnya sulit terdeteksi jika analisis dilakukan secara terpisah.
Dalam makalah teknis yang disusun bersama oleh NASA dan IBM, model foundation ini terbukti menunjukkan peningkatan kinerja yang signifikan hingga 22% lebih baik dibandingkan metode standar industri seperti SwinV2-B (ImageNet) pada sejumlah pengujian kunci.
Salah satu fokus utama penerapan model ini adalah pemetaan dan identifikasi potensi endapan es di wilayah Bulan yang berada dalam bayangan permanen. Keberadaan es sangat vital karena mengindikasikan sumber air dan oksigen, dua elemen utama untuk menunjang pangkalan di Bulan serta bahan bakar roket misi menuju Mars.
Model NASA-IBM mampu mengintegrasikan data observasi multimodal untuk memprediksi lokasi es dengan menekan tingkat kesalahan (Root Mean Square Error/RMSE) hingga 22% dibandingkan model SwinV2-B.
Selain deteksi es, model ini juga digunakan untuk memetakan riwayat aktivitas vulkanik yang dikenal sebagai Irregular Mare Patches guna memahami evolusi termal Bulan. Model NASA-IBM mampu memetakan cakupan fitur vulkanik ini 3% lebih baik dibandingkan model SwinV2-B, sekaligus menawarkan efisiensi komputasi yang lebih tinggi dan biaya fine-tuning yang lebih terjangkau.
Di sisi lain, pemetaan kawah yang presisi disajikan untuk membantu NASA menentukan titik pendaratan wahana secara aman dari ancaman lereng curam atau batuan besar. Pada skala resolusi konteks sekitar 100 meter, model ini mengungguli SwinV2-B hingga hampir 19% dengan hanya menggunakan separuh dari jumlah data pelatihan.
Bersamaan dengan peluncuran model ini, tim peneliti IBM dan NASA membangun dataset open-source terpadu pertama yang dirancang khusus untuk kebutuhan machine learning modern. Kumpulan data ini menyatukan lebih dari 30 lapisan data yang diselaraskan secara spasial dari sembilan instrumen dalam empat misi luar angkasa, termasuk NASA Lunar Reconnaissance Orbiter (LRO), misi GRAIL, serta data dari misi SELENE/Kaguya milik Japan Aerospace Exploration Agency (JAXA).
Kevin Murphy, Chief Science Data Officer dan Acting Chief Data and AI Officer di NASA Headquarters, menegaskan bahwa penerapan AI pada data ilmiah berskala petabyte menjadi kunci utama untuk mengubah tumpukan data menjadi berbagai penemuan ilmiah baru. Sementara itu, Juan Bernabe-Moreno, Director of IBM Research Europe, UK and Ireland, menambahkan bahwa platform terbuka ini memberikan landasan yang kokoh bagi komunitas peneliti dunia untuk bekerja secara kolaboratif.
Model ini juga menjadi bagian terbaru dari keluarga open foundation model Prithvi yang mendukung visi eksplorasi ilmiah berbasis AI terpadu.
FOLLOW US
Ikuti media sosial medcom.id dan dapatkan berbagai keuntungan
