何が起きたか

NASA（米航空宇宙局）とIBM Research（IBMの研究部門）は、月の科学研究向けAI「NASA-IBM Lunar Foundation Model」を公開した。9月10日の発表によると、月面の画像や地形データを学び、クレーターの地図作り、若い火山地形の発見、極で氷が残りそうな場所の推定を助ける。モデル、コード、学習用データ、評価用データは公開されている。

背景：月のデータは多い

中心になったのは、NASAの月探査機LRO（Lunar Reconnaissance Orbiter）の観測だ。LROは17年間、月のほぼ全体を細かく撮影してきた。学習には約200万個の画像タイルが使われ、1メートル解像度の画像が100万枚以上、複数の波長を調べる画像が約96万4000枚含まれる。GRAIL、Lunar Prospector、JAXAの探査機SELENEのデータも加わった。

「基盤モデル」は、一つの仕事だけを覚えるAIではない。大量のデータから広いパターンを学び、少量の正解データで別の仕事へ調整できる。研究者は課題ごとにゼロからモデルを作らずに済む。

なぜ重要か

クレーターは、物体が月面にぶつかった跡だ。数や大きさは、月の表面の年代や太陽系の歴史を考える手がかりになる。AIが広い範囲から穴を見つけて測れば、研究者は結果の意味を考えやすい。

月の極の暗い場所では、氷が長く残る可能性がある。氷の場所を調べれば、月の過去だけでなく、将来の探査で使える資源の候補も考えられる。若く見える火山地形の分布は、月がいつ冷えたのかを見直す材料になる。

確認できたこと

NASAによると、このモデルは評価した課題で、複数の強力な比較モデルと同等か、それ以上の成績を示した。クレーターや若い火山地形では同程度で、極の氷が安定しそうな場所の推定では強みがあったという。

テストでは、スペースXのロケット本体が月に衝突した場所も調べた。衝突後の画像を学習から外し、後で調整したモデルに新しいクレーターを探させたところ、既存の穴と新しい穴を示せた。ただし、光の当たり方が違うと、小さなクレーターは見えにくい。

まだ分からないこと

これはNASAが発表した評価結果で、AIが新発見を自動で確定するという意味ではない。地域や光の条件が変わっても同じ精度が出るか、実際の研究をどれだけ速く正確にできるかは、今後の検証が必要だ。最終確認は科学者が行う。

次に見る点

モデル、コード、データが公開されたため、世界の研究者は同じ方法を試し、比べ、改良できる。今後、月のクレーターや火山地形、極の氷の地図が、探査計画や月の歴史の理解をどこまで変えるかが注目される。