Миссии NASA «Аполлон» доказали, что люди могут добраться до Луны. Программа Artemis, которая сейчас находится в стадии реализации, проверит, сможем ли мы там жить и работать. Долгосрочное видение NASA предполагает строительство базы на Луне, где астронавты смогут проводить исследования, тестировать новые технологии и готовиться к дальнейшему продвижению к Марсу.
Хорошая карта полезна при исследовании любого незнакомого места, но когда местность такая же суровая и неземная, как на Луне, она становится необходимостью. Сегодня IBM и NASA открывают доступ к самой подробной на сегодняшний день модели для картографирования Луны. Она объединяет и гармонизирует десятилетия данных, собранных в ходе американских и японских миссий, выполненных над нашим ближайшим небесным соседом.
Модель, получившая название NASA-IBM Lunar Foundation Model, является первой ИИ-моделью, объединяющей наблюдения, полученные с помощью различных методов, под разными углами обзора и в разных пространственных масштабах. Обобщив эти разрозненные измерения в единое представление, исследователи создали модель Луны, которую, подобно более ранним моделям Земли и Солнца (Prithvi EO и Surya), можно быстро адаптировать к различным задачам и использовать повторно.
У лунной ИИ-модели много потенциальных применений, но NASA изначально отдало приоритет трем: картографированию небольших, некаталогизированных кратеров, покрывающих поверхность Луны; изучению её вулканического прошлого; и поиску льда в кратерах на обоих полюсах, который в будущем может обеспечить экипажи астронавтов источником питьевой воды, кислорода и топлива.
«Опытные путешественники знают, что нужно изучить местность, прежде чем отправляться в чужую страну», — сказал Хуан Бернабе-Морено, директор IBM Research Europe в Ирландии и Великобритании. «Мы надеемся, что наша ИИ-модель поможет научному сообществу исследовать лунный ландшафт и поможет следующему поколению астронавтов сориентироваться, прежде чем они отправятся в космос».
Розеттский камень для мультисенсорных данных
Новая модель решает давнюю проблему лунных ученых, работающих с большими объемами мультисенсорных данных в разных масштабах. Например, миссия NASA Gravity Recovery and Interior Laboratory (GRAIL) составила карту гравитационного поля Луны с разрешением 20 километров на пиксель, чтобы визуализировать её кору и недра, в то время как Lunar Reconnaissance Orbiter (LRO) от NASA использовался для поиска льда, скрытого в темных полярных кратерах Луны, и для получения изображений небольших валунов и краев кратеров с разрешением 1 метр на пиксель.
Чтобы согласовать столь разнообразный набор измерений, IBM и NASA искали ИИ-архитектуру, «владеющую» несколькими научными диалектами. Они остановились на версии TerraMind, модели наблюдения за Землей, разработанной IBM и Европейским космическим агентством (ESA). TerraMind превосходно справляется с интеграцией различных типов данных и разрешений, а также с изучением кросс-модальных корреляций для заполнения пропущенных или зашумленных значений.
Одной из областей, в которой ученые будут искать помощи у новой ИИ-модели, является понимание сложных условий освещения на Луне. Лунный «день» состоит из двух недель солнечного света, за которыми следуют две недели темноты, что может кардинально изменить внешний вид особенностей лунной поверхности.
Этот дезориентирующий эффект усиливается из-за ничтожно малой атмосферы Луны. Без облаков или плотной атмосферы, как на Земле, рассеивающей свет, Луна — это страна острых краев и резких контрастов, где пики и долины скрыты темными тенями и яркими бликами. Луна покрыта абразивным, липким слоем пыли и камней под названием regolith, который также может создавать визуальные искажения в зависимости от угла падения солнечных лучей (в дополнение к тому, что он рвет скафандры, повреждает ткани легких и выводит из строя оборудование).
На полюсах ландшафт становится еще более размытым. В отличие от Земли, Луна лишь слегка наклонена относительно своей орбиты вокруг Солнца. Это означает, что Солнце висит низко над полярным горизонтом, из-за чего местность отбрасывает длинные тени, которые могут скрыть от астронавтов камни, кратеры и другие опасности.
Необычное освещение — не единственная сложность, связанная с лунными данными. Ученые часто хотят сделать грубые спутниковые данные более четкими. Возьмем лунную погоду. Длинный лунный день в сочетании с отсутствием атмосферы, регулирующей климат, может привести к тому, что температура на Луне поднимется до 250°F (121°C) на полном солнце и упадет до -410°F (-246°C) в затененных кратерах.
Хотя ученые в целом знают, где находятся экстремальные зоны, подробная тепловая карта могла бы помочь возвращающимся астронавтам найти лед или более безопасные места для строительства базы. Ученые проводили симуляции, чтобы попытаться повысить разрешение тепловых данных NASA, но такие симуляции требуют времени, денег и значительных вычислительных ресурсов. Тепловая карта с более высоким разрешением, созданная с помощью лунной ИИ-модели, подобной модели IBM и NASA, могла бы помочь быстро выделить перспективные участки для дальнейшего изучения с помощью симуляции.
Огонь, падающие астероиды и лед
Ученые давно исследуют происхождение Луны в поисках ключей к разгадке истории нашей родной планеты. Ведущая теория предполагает, что Луна родилась в результате грандиозного столкновения с Землей на заре нашей Солнечной системы. Камни, привезенные астронавтами «Аполлона», предоставили доказательства того, что объект размером с Марс врезался в Землю около 4,5 миллиардов лет назад, выбросив в космос достаточно расплавленных обломков, чтобы создать Луну.
В течение сотен миллионов лет поверхность Луны была покрыта глубоким океаном магмы. В конце концов магма остыла настолько, что образовалась кора, а продолжающаяся вулканическая активность внизу периодически выносила свежую лаву на поверхность. Считается, что вулканическая активность утихла около миллиарда лет назад, но недавние данные свидетельствуют о том, что некоторые вулканические образования, называемые нерегулярными участками морских отложений, могут быть значительно моложе.
«Возраст этих образований остается предметом жарких споров, поэтому чем больше мы сможем понять об их распределении и свойствах, тем больше у нас шансов разгадать эту тайну», — говорит Майкл Баркер, эксперт NASA по лунной топографии, который руководил проектом совместно с IBM.
На Луне нет ни тектонических плит, которые могли бы выталкивать новые породы на поверхность, ни ветра и воды, которые могли бы разрушать горы и стирать следы прошлого. Тем не менее, астероиды и микрометеороиды постоянно бомбардируют её поверхность, изменяя ландшафт. Можно определить, какие части Луны самые старые, подсчитав количество кратеров.
На данный момент ученые составили глобальный каталог из более чем 2 миллионов крупных кратеров, и NASA хочет задокументировать оставшиеся более мелкие, особенно на полюсах. Полярные кратеры могли бы обеспечить воду и укрытие для астронавтов и их посевов, в то время как высокие края кратеров, погруженные в почти постоянный свет, могли бы заряжать солнечные панели для питания оборудования и научных приборов.
Десятилетиями считалось, что Луна — это засушливая пустошь, судя по камням, привезенным астронавтами «Аполлона». Затем, в 2008 году, радарный прибор NASA, установленный на борту индийского космического аппарата «Чандраян-1», обнаружил ice in 40 small craters вблизи северного полюса. NASA оценило количество воды в 600 миллионов метрических тонн — этого достаточно, чтобы заполнить как минимум 240 000 олимпийских бассейнов.
С тех пор несколько миссий обнаружили воду в других формах и местах. Совсем недавно вышедшая из эксплуатации обсерватория NASA SOFIA обнаружила молекулы воды, прилипшие к частицам лунной пыли. По оценкам NASA, каждый кубический метр грунта на поверхности Луны может содержать до 12-ounce bottle of water. Скорее всего, вода была доставлена на Луну в течение миллиардов лет падающими кометами и астероидами или в результате взаимодействия солнечных ветров с лунным грунтом.
Следующая волна исследования Луны
Базовая модель с открытым исходным кодом от IBM и NASA — это первая попытка преобразовать петабайты спутниковых данных в быстрый и гибкий способ моделирования поверхности Луны. Для точной настройки модели исследователи использовали облегченные низкоранговые адаптеры (LoRAs), которые оставили 90% весов базовой модели замороженными. Несмотря на минимальное вмешательство, модель сравнялась с традиционными моделями машинного обучения или превзошла их в ряде задач.
Столкнувшись с задачей определения по незнакомому изображению, может ли темный полярный кратер содержать лед, модель NASA-IBM снизила уровень ошибок на 22% по сравнению с передовым трансформером SwinV2, обученным для поиска льда.
Модель NASA-IBM также превосходно справилась с обнаружением кратеров. Она могла выделять кратеры с разрешением в один метр (где каждый пиксель на изображении представляет квадратный метр) так же точно, как модель Swin, обученная для обнаружения кратеров. При более низком разрешении в 100 метров на пиксель модель NASA-IBM превзошла ту же модель почти на 19%, используя вдвое меньше данных для обучения.
А когда дело дошло до картирования масштабов этих загадочных вулканических образований, модель NASA-IBM превзошла специализированную модель Swin на 3%, обеспечив сопоставимую точность при меньших затратах.
США — не единственная страна с амбициозными планами на Луну. Четыре другие страны совершили там мягкую посадку и объявили о намерении закрепиться. Минералы — часть привлекательности. Лунный грунт содержит гелий-3, редкий изотоп, создаваемый солнечным ветром и являющийся важнейшим компонентом для получения экологически чистой энергии ядерного синтеза. Некоторые породы также богаты редкоземельными элементами, широко используемыми в мобильных телефонах и другой электронике.
Затем есть наука. Астрономы давно мечтали наблюдать за глубоким космосом с лунной точки обзора. Там нет ни землетрясений, ни магнитного поля, которые могли бы сотрясать инструменты. А ее обратная сторона в значительной степени свободна от спутниковых помех.
«Вам пришлось бы отправиться за Нептун, чтобы найти место с такой радиотишиной», — сказал Мартин Элвис, астроном из Центра астрофизики Гарварда и Смитсоновского института.
Во время недавнего разговора Элвис и его коллега Малгожата Соболевска перечислили список предлагаемых проектов, которые изобретательно используют кратеры Луны в форме чаши.
Три радиотелескопа должны приземлиться в ближайшие несколько лет, чтобы прислушаться к ранней Вселенной, времени до появления планет или звезд. Одно из предложений NASA даже призывает превратить кратер шириной почти в милю в гигантскую антенную тарелку. Другие проекты варьируются от натягивания сверхчувствительного детектора гравитационных волн через кратер, чтобы слушать сталкивающиеся черные дыры, до сброса инфракрасного телескопа в сверххолодный полярный кратер для изучения атмосфер экзопланет в Млечном Пути.
Возглавляемые США Соглашения Артемиды в 2020 году установили ряд принципов, которыми следует руководствоваться при исследовании космоса и сотрудничестве. Модель с открытым исходным кодом от IBM и NASA можно рассматривать как продолжение этого духа открытий и доброй воли.
Новые способы моделирования Луны
Лунная базовая модель является частью более широкого сдвига в создании новых научных знаний. Новые вычислительные технологии могут не только ускорить привычные вычисления, но и подтолкнуть к совершенно новым исследованиям. Здесь ИИ объединяет фрагментарные наблюдения в общее представление, помогая ученым выявлять закономерности, определять неопределенность и решать, на чем сосредоточиться в дальнейшем.
Со временем эта модель может стать частью более широкого рабочего процесса научных вычислений. Классические суперкомпьютеры могут продолжать выполнять большинство рабочих нагрузок, а ИИ будет помогать систематизировать наблюдения, создавать более быстрые аппроксимации сложных систем и определять многообещающие гипотезы. По мере развития квантовых вычислений квантовые процессоры смогут решать задачи моделирования и оптимизации, которые слишком сложны или трудоемки для классических машин.
«Следующий прорыв на Луне может произойти не благодаря одному новому инструменту, а благодаря алгоритмам, которые позволят многим инструментам — и, в конечном итоге, вычислительным парадигмам — работать вместе», — сказал Бернабе-Морено.
