NASA och IBM släpper AI-modell som kartlägger is och kratrar på månen

NASA och IBM har släppt NASA-IBM Lunar Foundation Model, en öppen AI-modell utvecklad för månforskning. Modellen är tränad på stora mängder högupplösta bilder och geofysiska data från flera rymdmissioner och ska göra det snabbare för forskare att analysera månens yta, bland annat kratrar, vulkaniska formationer och möjliga isförekomster nära polerna.

NASA IBM Lunar Foundation Model: så fungerar den

Den nya modellen är en så kallad foundation model, alltså en AI-modell som tränats brett för att senare kunna anpassas till flera olika forskningsuppgifter. NASA beskriver modellen som en av de första öppet tillgängliga modellerna som tagits fram specifikt för vetenskaplig analys av månen.

Till skillnad från traditionella modeller, där forskare ofta behöver träna en separat algoritm för varje uppgift, är tanken att NASA-IBM Lunar Foundation Model ska kunna finjusteras för flera typer av analyser med relativt små mängder märkt data.

Modellen har enligt NASA Science tränats på ungefär två miljoner bildrutor. I materialet ingår mer än en miljon högupplösta kamerabilder med cirka en meters upplösning och närmare 964 000 multispektrala bilder med omkring 100 meters upplösning.

Underlaget kommer främst från Lunar Reconnaissance Orbiter, men även från NASA:s GRAIL- och Lunar Prospector-missioner samt den japanska rymdorganisationen JAXA:s SELENE/Kaguya.

Kan hjälpa till att hitta områden där is kan finnas

En av de viktigaste användningarna är analys av månens polarområden. Permanenta skuggområden nära polerna kan vara tillräckligt kalla för att bevara is under mycket långa tidsperioder. Sådan is är vetenskapligt intressant eftersom den kan ge information om månens historia, men också eftersom vatten och syre kan bli viktiga resurser vid framtida bemannade uppdrag.

IBM:s redovisning av modelltesterna uppger att modellen minskade felet i uppskattningar av områden med hög potential för is med upp till 22 procent jämfört med en etablerad referensmodell. Det betyder inte att modellen ensam kan bekräfta att is finns på en viss plats, utan att den kan hjälpa forskare att prioritera områden för fortsatt analys.

NASA betonar också att modellen kan användas för att kartlägga kratrar. Kratermätningar används bland annat för att uppskatta åldern på olika delar av månens yta och för att förstå solsystemets geologiska historia. För framtida landningar kan detaljerad kartläggning dessutom bidra till att identifiera risker som branta sluttningar och steniga områden.

Kartlägger även spår av gammal vulkanism

Modellen har även testats på så kallade irregular mare patches, ovanliga vulkaniska formationer som är intressanta för forskare som studerar månens termiska och geologiska utveckling.

NASA beskriver månen som geologiskt inaktiv i dag, men ytan bär spår av en lång historia med vulkanism och kraftiga nedslag. Att snabbare kunna identifiera och jämföra sådana strukturer i stora datamängder kan därför ge forskare bättre underlag för att förstå hur månen har förändrats över tid.

I IBM:s jämförelser matchade eller överträffade modellen flera starka referensmodeller i de uppgifter som testades. Vid analys av kratrar i större geografiskt sammanhang uppgav IBM att modellen presterade nästan 19 procent bättre än referensmodellen samtidigt som den använde hälften så mycket träningsdata för den specifika uppgiften.

Öppen modell och öppna data

NASA och IBM har gjort modellen tillgänglig som öppen källkod. Den publiceras tillsammans med maskininlärningsanpassade datamängder och verktyg som gör det möjligt för forskare att testa, jämföra och vidareutveckla modellen.

Modellen ingår i Prithvi-familjen av öppna foundation models som NASA och IBM tidigare har använt för bland annat geodata, väder och solforskning. IBM Research beskriver satsningen som en del av ett bredare arbete där samma typ av grundmodell kan anpassas till flera vetenskapliga problem i stället för att varje fråga kräver en helt ny algoritm.

Det innebär samtidigt inte att AI ersätter traditionell vetenskaplig analys. Resultaten behöver fortfarande granskas, jämföras med observationer och sättas i sitt vetenskapliga sammanhang. NASA framhåller modellen som ett verktyg för att göra mycket stora datamängder lättare att använda och för att hjälpa forskare att hitta mönster som annars kan vara svåra att upptäcka.

Varför modellen är relevant inför framtida månuppdrag

Noggrann kartläggning av terräng, kratrar och möjliga isresurser är central för planering av kommande uppdrag till månen. NASA:s långsiktiga mål är en mer varaktig mänsklig närvaro, där säkra landningsplatser och tillgång till lokala resurser kan få stor betydelse.

Den nya AI-modellen är därför framför allt ett analysverktyg: den ska hjälpa forskare att snabbare omvandla årtionden av observationsdata till kartor, hypoteser och prioriteringar för fortsatt forskning.

På Marketplace kan du också följa fler AI-nyheter och vår samlade bevakning av teknik och innovation.

Snabbfakta

• Modell: NASA-IBM Lunar Foundation Model
• Lansering: 10 september 2026
• Utvecklare: NASA och IBM Research tillsammans med forskningspartners
• Träningsdata: cirka två miljoner bildrutor plus geofysiska data
• Exempel på användning: kraterkartläggning, vulkaniska formationer och uppskattning av områden där polaris kan vara stabil
• Tillgänglighet: modellen och tillhörande forskningsresurser har släppts öppet

Källor och underlag

• NASA Science: NASA, IBM Launch AI Foundation Model for Lunar Science
• IBM Newsroom: IBM and NASA Release Open-Source AI Model to Support Lunar Exploration
• IBM Research: Introducing IBM and NASA’s new foundation model for the Moon