Aller au contenu principal
Recherche · Paper ·

Le modèle lunaire open source de la NASA et d'IBM transforme 17 ans de données d'orbiteur en base pour la science lunaire

La NASA et IBM ont publié le Lunar Foundation Model, l'un des premiers modèles d'intelligence artificielle open source consacrés à la science lunaire. Le modèle a été entraîné sur près de 2 millions de lots de tuiles d'images et de données, issus pour l'essentiel de 17 années d'observations du Lunar Reconnaissance Orbiter, la sonde qui cartographie la Lune depuis son orbite. Sur la prédiction des dépôts de glace aux pôles, il réduit l'erreur jusqu'à 22 % par rapport au plus performant des modèles auxquels il a été comparé.

1 min de lecturePertinence 59

Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie

Source

Résumé et traduction réalisés par Le Fil IA à partir de The Decoder. Lire l'article original →

Ce résultat compte d'abord pour les équipes scientifiques. Elles disposent désormais d'une base commune et ouverte, qu'elles peuvent adapter à leurs propres questions sans repartir de zéro. Un « modèle de fondation » est en effet entraîné une seule fois sur un très large corpus, puis affiné pour des tâches précises. La glace polaire est un enjeu central, car l'eau pourrait fournir de l'oxygène, de l'eau potable et du carburant à de futures bases. Mieux repérer ces dépôts aide à choisir où poser des atterrisseurs et où concentrer les missions. Le caractère open source élargit l'accès aux chercheurs, universités et entreprises qui n'ont pas les moyens de bâtir un tel outil.

Cette publication s'inscrit dans la collaboration entre la NASA et IBM sur les modèles de fondation appliqués aux données spatiales, après leurs travaux sur l'observation de la Terre. Elle intervient alors que l'intérêt pour les ressources lunaires et le retour d'astronautes sur la Lune relancent la demande d'outils d'analyse. Reste à voir si la communauté scientifique validera ces performances sur d'autres tâches et si des missions s'appuieront sur ce modèle.

Impact France / UEChamp produit par Le Fil IA

Pas d\'impact direct sur la France/UE

À lire ensuite

01Meta lance Autodata : un framework à base d'agents qui transforme les modèles IA en data scientists autonomes pour créer des données d'entraînement de haute qualité42MarkTechPostRecherche 02Meta AI publie NeuralBench : un framework open source pour évaluer les modèles NeuroIA sur 36 tâches EEG et 94 jeux de données46MarkTechPostRecherche 03Google SensorFM transforme les données brutes des capteurs portables en une couche d'intelligence santé polyvalente42The DecoderRecherche 
Dossier · Open weight & Open sourceSuivi en continu par Le Fil IASuivre ce sujet →

Le brief du matin

L'essentiel de l'IA chaque jour. Gratuit, désinscription en un clic.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.