NASA与IBM联合宣布，双方已开源首个月球基础模型NASA-IBM Lunar Foundation Model。该模型的权重与代码向全球研究者开放，支持下载、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。
据官方介绍，该模型的核心目标是将数十年来分散的月球观测数据转化为可复用的分析工具，以支持陨石坑测绘、火山地貌识别以及极区水冰潜力评估等研究任务。长期以来，月球科学数据分散于不同任务、不同载荷和不同分辨率的数据集中，研究者需要投入大量精力进行数据对齐与预处理。该模型试图通过基础模型的方式，降低这一环节的技术门槛。
训练数据方面，该模型以NASA月球勘测轨道飞行器（LRO）的数据为主。LRO已在轨运行约17年，覆盖了大部分月面区域，其数据规模超过NASA其他行星任务的总和。模型使用了约200万个月球图像切片进行训练，其中包括逾100万张1米分辨率的窄角相机图像，以及近96.4万张100米分辨率的多光谱图像。此外，训练数据还融合了GRAIL重力探测任务、Lunar Prospector以及日本JAXA的SELENE（辉夜号）等任务提供的地形与遥感数据。
与模型同步发布的数据集整合了9台仪器、4项任务、30多个空间对齐数据层。这一数据集旨在解决不同分辨率、不同载荷数据难以统一调用的问题，为后续的模型微调和应用开发提供标准化的数据基础。
从技术路径来看，将基础模型范式引入月球科学，与近年来地球观测领域兴起的遥感基础模型思路一致。此类模型通常先在大规模、多源数据上进行预训练，再针对特定任务进行微调，从而减少每个任务单独标注和训练的成本。NASA与IBM此次合作，可以视为这一范式在行星科学领域的延伸。
对研究者而言，模型权重与代码的开放意味着可以直接在现有基础上开展微调实验，而无需从零开始构建训练流程。这有助于加速陨石坑自动识别、地貌分类、水冰探测等方向的研究迭代。同时，统一的数据集和预训练模型也为不同研究团队之间的结果对比提供了共同基准。
从更广的视角看，月球基础模型的开放是行星科学数据基础设施向标准化、可复用方向演进的一个信号。随着未来更多月球探测任务的数据持续汇入，此类模型有望成为连接原始观测数据与具体科学分析之间的通用中间层。其实际效果和社区采纳程度，仍需在后续研究中检验。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
