IBM과 NASA가 달 관측 데이터로 학습한 파운데이션 모델을 오픈소스로 공개했다. 로이터가 현지 시각 9월 10일 전했다. 파운데이션 모델은 대규모 데이터로 먼저 학습한 뒤 여러 용도에 맞춰 미세조정해 쓰는 범용 모델을 말한다.

NASA-IBM 달 파운데이션 모델은 네 차례 NASA 임무에서 아홉 개 관측 장비가 수집한 30개 층 이상의 측정 데이터로 학습했다. 달 정찰 궤도선의 관측 자료도 포함된다. 두 기관이 함께 만든 지구 관측·기상 모델 계열인 프리스비 제품군에 합류한다.

모델은 영구 음영 지대에 있는 얼음 후보 지역을 찾아내고, 착륙 후보지를 선정하기 위해 분화구를 지도화하며, 화산 지형을 분석하는 작업을 지원한다. 그동안 이 작업은 연구자가 손으로 표시하거나 해상도가 낮은 기계학습 도구에 의존해 왔다. 벤치마크에서 주요 표면 지형을 기존 방식보다 최대 23% 더 정확하게 식별했다. 얼음 가능성이 높은 지역에서는 SwinV2-B 대비 평균제곱근오차를 최대 22% 낮췄고, 약 100미터 규모 분화구 탐지에서는 학습 데이터를 절반만 쓰고도 약 19% 앞섰다.

물 얼음은 식수와 산소, 이후 화성 임무에 쓸 로켓 추진제 원료로 쓸 수 있다. 그래서 얼음이 있는 지역을 찾아내는 작업이 착륙지 선정에서 중요하다.

모델은 허깅페이스에 공개됐고, 개발진이 달 데이터를 기계학습에 바로 쓸 수 있게 정리한 첫 통합 데이터셋도 함께 올라왔다. 가중치가 공개돼 대학 연구실과 소규모 우주 기업도 상용 도구를 구매하지 않고 미세조정할 수 있다.

자세한 내용은 로이터에서 확인할 수 있다.

이미지 출처: IBM