नासा और आईबीएम ने बुधवार को नासा-आईबीएम लूनर फाउंडेशन मॉडल के ओपन-सोर्स रिलीज की घोषणा की, एक एआई मॉडल जिसे वैज्ञानिकों को दशकों के चंद्र अवलोकनों से अंतर्दृष्टि प्राप्त करने में मदद करने के लिए डिज़ाइन किया गया है - जो चंद्रमा के वैज्ञानिक अन्वेषण के लिए बनाए गए पहले सार्वजनिक रूप से उपलब्ध फाउंडेशन मॉडल में से एक है। यह मॉडल अब उपलब्ध है, कंप्यूटर वीकली की रिपोर्ट के अनुसार इसे हगिंग फेस से डाउनलोड किया जा सकता है।

यह रिलीज़ ग्रह वैज्ञानिकों से परिचित एक समस्या को लक्षित करती है: बहुत अधिक डेटा, दिन में बहुत कम घंटे। दशकों से, सेंसरों और उपकरणों ने लगातार चंद्रमा का अवलोकन किया है, जिससे पेटाबाइट जानकारी उत्पन्न हुई है। सतह का अध्ययन करने के लिए, वैज्ञानिकों को मानचित्रों और छवियों को हाथ से छानना पड़ता है या कम-रिज़ॉल्यूशन, कार्य-विशिष्ट मशीन लर्निंग मॉडल पर भरोसा करना पड़ता है - आईबीएम दृष्टिकोण को कम्प्यूटेशनल रूप से गहन बताता है और अक्सर भौगोलिक विशेषताओं की पहचान और विश्लेषण करने के लिए आवश्यक सटीकता की कमी होती है। For more context on this story, see our ongoing latest AI developments.

बर्फ, क्रेटर और प्राचीन ज्वालामुखी ढूँढना

मॉडल को चंद्र डेटा के कई अलग-अलग प्रकारों और रिज़ॉल्यूशन में छिपे संबंधों को सामने लाने के लिए प्रशिक्षित किया गया है, और आईबीएम की घोषणा तीन प्रमुख अनुप्रयोगों की रूपरेखा तैयार करती है।

संभावित बर्फ जमा। चंद्र ध्रुवों के पास स्थायी रूप से छाया वाले क्षेत्र चंद्रमा पर निरीक्षण करने के लिए सबसे कठिन स्थानों में से हैं, फिर भी वे सतह के नीचे बर्फ जमा कर सकते हैं - एक संसाधन जिसे भविष्य के चंद्रमा आधार और मंगल ग्रह पर मिशन के लिए रॉकेट ईंधन के उत्पादन के लिए आवश्यक माना जाता है। NASA-IBM टीम द्वारा लिखे गए एक तकनीकी पेपर में, मॉडल ने व्यापक रूप से उपयोग किए जाने वाले SwinV2-B (इमेजनेट) विज़न मॉडल की तुलना में चंद्र बर्फ की उच्च क्षमता वाले क्षेत्रों की पहचान करने में त्रुटि (RMSE) को 22 प्रतिशत तक कम कर दिया। गड्ढे का पता लगाना। गड्ढे इलाके की उम्र, चंद्र भूविज्ञान और प्रारंभिक चंद्र आंतरिक भाग की रासायनिक संरचना के बारे में सुराग प्रकट करते हैं, और उनका मानचित्रण करने से नासा को सुरक्षित लैंडिंग स्थलों का चयन करने और खड़ी ढलानों और पत्थरों जैसे खतरों से बचने में मदद मिलती है। आईबीएम ने कहा कि मॉडल अधिक दक्षता और कम फाइन-ट्यूनिंग लागत की पेशकश करते हुए अत्याधुनिक मॉडल की तुलना में सटीकता के साथ मीटर-स्केल रिज़ॉल्यूशन पर क्रेटर की पहचान और वर्गीकरण कर सकता है। लगभग 100-मीटर रिज़ॉल्यूशन पर, यह सिर्फ आधे प्रशिक्षण डेटा का उपयोग करके स्विनवी2-बी से लगभग 19 प्रतिशत बेहतर प्रदर्शन करता है। ज्वालामुखीय इतिहास। मॉडल अनियमित घोड़ी पैच को भी ट्रैक करता है - रहस्यमय ज्वालामुखीय विशेषताएं जो वैज्ञानिकों को चंद्रमा के थर्मल विकास को समझने में मदद करती हैं। घोषणा के अनुसार, अपूर्ण लेबल दिए जाने पर भी, यह इन सुविधाओं की सीमा को SwinV2-B बेसलाइन से 3 प्रतिशत बेहतर पकड़ता है।

कुल मिलाकर, आईबीएम का कहना है कि चंद्र सतह पर प्रमुख भौगोलिक विशेषताओं की पहचान करने में मॉडल व्यापक रूप से उपयोग की जाने वाली विधियों से 23 प्रतिशत तक अधिक है।

पहला एकीकृत ओपन लूनर डेटासेट

मॉडल के साथ-साथ, आईबीएम और नासा के वैज्ञानिकों ने ऐसा निर्माण किया जिसे कंपनियां अपनी तरह का पहला ओपन-सोर्स चंद्र डेटासेट बताती हैं: एक एकीकृत, मशीन-लर्निंग-तैयार संग्रह चार मिशनों में नौ उपकरणों से 30 से अधिक स्थानिक रूप से संरेखित परतें। यह चंद्रमा की सतह के भूभौतिकीय गुणों को कैप्चर करने वाली हजारों छवियों और मानचित्रों को जोड़ती है, जो नासा के लूनर रिकोनिसेंस ऑर्बिटर (एलआरओ) और ग्रेल मिशनों सहित अन्य पर आधारित हैं। व्यापार प्रकाशन Unite.ai ने साथ में दिए गए बेंचमार्क डेटासेट को SomBench के रूप में वर्णित किया है।

डेटासेट उतना ही मायने रखता है जितना मॉडल। अब तक, आईबीएम ने उल्लेख किया है, कोई भी सार्वजनिक रूप से उपलब्ध डेटासेट चंद्रमा के मल्टीमॉडल, मल्टी-रिज़ॉल्यूशन अवलोकनों को आधुनिक मशीन लर्निंग के लिए उपयुक्त एक सामान्य ढांचे में नहीं लाया है - जिसका अर्थ है कि चंद्र विज्ञान में गहन शिक्षा लागू करने के इच्छुक किसी भी शोध समूह को पहले डेटा इंजीनियरिंग के महीनों का सामना करना पड़ा।

NASA और IBM क्या कह रहे हैं

नासा मुख्यालय में मुख्य विज्ञान डेटा अधिकारी और कार्यवाहक मुख्य डेटा और एआई अधिकारी केविन मर्फी ने कहा, "नासा ने चंद्रमा का एक असाधारण वैज्ञानिक रिकॉर्ड बनाने में दशकों बिताए हैं, लेकिन डेटा एकत्र करना काम का केवल एक हिस्सा है।" "हमें वैज्ञानिकों के लिए डेटा का अन्वेषण और उपयोग करना भी आसान बनाना होगा। नासा-आईबीएम लूनर फाउंडेशन मॉडल दिखाता है कि जब हम नासा के वैज्ञानिक डेटा के पेटाबाइट में एआई लाते हैं तो क्या संभव है।"

आईबीएम रिसर्च यूरोप, यूके और आयरलैंड के निदेशक जुआन बर्नबे-मोरेनो ने कहा, "चंद्रमा के रहस्यों को उजागर करने के लिए असाधारण मात्रा में वैज्ञानिक डेटा से सीखने की क्षमता की आवश्यकता होती है।" "नासा-आईबीएम लूनर फाउंडेशन मॉडल वैज्ञानिकों को बड़े पैमाने पर चंद्रमा का पता लगाने, उपकरणों के बीच अवलोकनों को जोड़ने, उन पैटर्न को प्रकट करने के लिए एक आधार प्रदान करता है जिन्हें अलग से देखना मुश्किल है, और एक खुला मंच प्रदान करता है जिस पर वैश्विक अनुसंधान समुदाय निर्माण कर सकता है।"

यहां ओपन सोर्स क्यों मायने रखता है

ओपन-सोर्स फ़्रेमिंग जानबूझकर की गई है। सार्वजनिक रूप से वजन जारी करके, नासा और आईबीएम दुनिया भर में प्रयोगशालाओं, विश्वविद्यालयों और अंतरिक्ष एजेंसियों को अपने स्वयं के प्रश्नों के लिए मॉडल को बेहतर बनाने के लिए आमंत्रित कर रहे हैं - चालक दल के मिशनों के लिए लैंडिंग-साइट चयन से लेकर चंद्रमा की सतह कैसे विकसित हुई, इसके मौलिक अध्ययन तक। आईबीएम ने कहा, कम फाइन-ट्यूनिंग लागत इसे छोटी टीमों के लिए भी व्यावहारिक बनाती है।

चंद्रमा पर निरंतर मानव उपस्थिति की दिशा में काम करने वाले कई अंतरिक्ष कार्यक्रमों के साथ, दांव पर लगे संसाधन महत्वपूर्ण हैं: पानी की बर्फ का मतलब सांस लेने के लिए ऑक्सीजन और मंगल की यात्रा के लिए रॉकेटों को ईंधन भरने के लिए हाइड्रोजन-ऑक्सीजन प्रणोदक है। वह मानचित्रण जहां वह बर्फ है, और जहां सतह उतरने के लिए सुरक्षित है, मूलभूत कार्य है - और यह बिल्कुल उसी तरह का पैटर्न-पहचान समस्या है जिसमें फाउंडेशन मॉडल अच्छे साबित हुए हैं।

यह रिलीज़ विज्ञान के लिए एआई में एक व्यापक प्रवृत्ति का भी संकेत देती है: चैटबॉट्स का पीछा करने के बजाय, सार्वजनिक अनुसंधान संस्थान तेजी से अपने उपकरणों द्वारा जमा किए गए अविश्लेषित वैज्ञानिक डेटा के पहाड़ पर फाउंडेशन-मॉडल तकनीकों की ओर इशारा कर रहे हैं। यह पता चला है कि चंद्रमा शुरुआत करने के लिए एक अच्छी जगह है।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →