Modelo criado com a IBM reúne décadas de dados lunares e pode ajudar cientistas a estudar o terreno antes da chegada de novos astronautas
A Lua já foi fotografada, medida e analisada por diferentes missões espaciais. O problema é juntar essa enorme quantidade de informações e encontrar detalhes úteis no meio de tantos mapas. Uma nova inteligência artificial desenvolvida pela NASA e pela IBM pretende acelerar esse trabalho.
Batizado de NASA-IBM Lunar Foundation Model, o sistema combina imagens, dados de relevo, temperatura, gravidade e composição da superfície lunar. Entre as primeiras tarefas escolhidas pela agência espacial estão a busca por pequenas crateras ainda sem registro, o estudo da antiga atividade vulcânica da Lua e a localização de áreas onde pode existir gelo.
Essas informações podem ajudar no planejamento de futuras missões, inclusive na avaliação de regiões para pousos, pesquisas e instalações humanas.
Um modelo de IA treinado para entender a Lua
Um modelo fundacional é uma inteligência artificial treinada com uma grande quantidade de dados e que depois pode ser adaptada para diferentes trabalhos. Neste caso, pesquisadores podem aproveitar a mesma base para procurar crateras, reconhecer formações geológicas ou analisar regiões próximas aos polos lunares.
O treinamento usou aproximadamente 2 milhões de recortes de imagens. Mais de 1 milhão deles têm resolução de um metro por pixel, enquanto quase 964 mil reúnem registros multiespectrais com resolução de 100 metros por pixel.
A maior parte do material veio da Lunar Reconnaissance Orbiter, sonda da NASA que observa a Lua desde 2009. Também entraram dados das missões GRAIL e Lunar Prospector, ambas americanas, e da sonda japonesa SELENE, conhecida como Kaguya.
A IA consegue relacionar observações feitas por instrumentos diferentes, em diversos ângulos e escalas. Essa capacidade é importante porque a iluminação muda bastante a aparência do terreno lunar. Uma cratera pode ficar visível em determinada imagem e quase desaparecer em outra por causa das sombras.
IA encontrou marca deixada por foguete da SpaceX
Um dos testes mostrou como o modelo pode reconhecer alterações recentes na superfície. Os pesquisadores apresentaram imagens de uma região próxima à cratera Einstein, registradas antes e depois do impacto de um corpo de foguete da SpaceX, ocorrido em 5 de agosto.
A IA marcou crateras que já existiam e destacou a nova formação provocada pelo choque. A imagem posterior ao impacto havia ficado fora do treinamento original, o que permitiu avaliar a capacidade do sistema de reconhecer uma mudança inédita.
O resultado indica que o modelo pode ajudar a procurar novas crateras em grandes coleções de imagens. A tarefa ainda enfrenta limitações, pois diferenças na iluminação entre duas passagens da sonda podem dificultar a identificação de formações menores.
Contar crateras ajuda os cientistas a calcular a idade de uma região. Superfícies antigas costumam acumular mais marcas de impacto. Esse trabalho também fornece pistas sobre a história da Lua e do próprio Sistema Solar.
Gelo pode virar água, oxigênio e combustível
Outra prioridade envolve os polos lunares. Algumas crateras dessas regiões ficam permanentemente na sombra e alcançam temperaturas muito baixas, capazes de conservar gelo durante bilhões de anos.
A água encontrada nesses locais teria várias utilidades em uma futura presença humana. Além do consumo, suas moléculas podem ser separadas em hidrogênio e oxigênio. O oxigênio serviria para respiração, enquanto os dois elementos poderiam participar da produção de combustível.
O modelo cruza dados de temperatura, inclinação e características do terreno para estimar onde o gelo teria mais chance de permanecer estável, tanto na superfície quanto no subsolo. Em testes divulgados pela IBM, a IA reduziu em 22% a taxa de erro em comparação com outro sistema usado nessa tarefa.
Esses mapas funcionam como indicações para novas investigações. A confirmação da presença e da quantidade de água depende de observações adicionais ou de instrumentos enviados ao local.
Passado vulcânico também entra no mapa
A ferramenta pode localizar pequenas formações chamadas manchas irregulares dos mares lunares. Algumas parecem mais jovens do que as grandes planícies de lava que cobrem partes da Lua, o que levanta dúvidas sobre quando terminou a atividade vulcânica no satélite.
Mapear essas estruturas ajuda a reconstituir como o interior lunar esfriou ao longo do tempo. Nos testes iniciais, o modelo apresentou desempenho semelhante ou ligeiramente superior ao de sistemas treinados especificamente para essa tarefa.
A vantagem está na possibilidade de usar uma mesma base para pesquisas diferentes. Os cientistas conseguem ajustar o modelo com quantidades menores de exemplos identificados previamente.
Modelo está disponível gratuitamente
O NASA-IBM Lunar Foundation Model pode ser baixado no Hugging Face e tem licença aberta Apache 2.0. A equipe também publicou o código, os dados de treinamento preparados para aprendizado de máquina e conjuntos usados nos testes.
Apesar do acesso público, a ferramenta foi feita para pesquisadores e desenvolvedores. Seu uso exige programação, preparação dos dados e capacidade de processamento. O modelo também precisa ser ajustado para cada tarefa científica.
A documentação traz limites importantes. O sistema não está validado para certificar um ponto de pouso, liberar uma área de riscos ou substituir os instrumentos que medem o terreno. Algumas coordenadas geradas podem apresentar erros de dezenas de graus, e as previsões sobre gelo apontam condições favoráveis à sua preservação, sem representar uma medição direta.
Por: Giz_br
