NASA-ի և IBM Research-ի կողմից լուսնի գիտության համար բաց կոդով մոդել է թողարկվել

Լուսնի դիտումները կրկին գործածելի մոդել են դառնում

NASA-ի և IBM Research-ի կողմից, մի քանի ակադեմիական ինստիտուտների հետ համագործակցությամբ, թողարկվել է NASA-IBM Lunar Foundation Model-ը: Այն նկարագրվում է որպես լուսնի գիտության համար առաջին բաց կոդով հիմնական մոդելներից մեկը: Այն նախապես վերապատրաստվել է չնշված տվյալների մեծ ծավալի վրա և կարող է հարմարեցվել կոնկրետ խնդիրներին՝ օգտագործելով փոքր քանակությամբ պիտակավորված օրինակներ, ինչը լուսնի հետազոտություններում տարածված խնդիրը լուում է. դիտումները շատ են, իսկ հանքանյութերը՝ հազվադեպ:

Թիմը մոդելը զրոյից վերապատրաստեց SomBench-ի միջոցով, որը մինչ օրեն կոչվում է ամենամեծ միաժամանակ գրանցված մոլտիմոդալ լուսնի կորպուսը: Այն ներառում է գրեթե 2 միլիոն ֆայլերի հավաքածու 11 մոդալության և երկու տարածական մասշտաբի վրա: Մոտավորապես 1 միլիոն բարձր լուծաչափության պատկեր Narrow Angle Camera-ից է ստացվել, մոտավորապես 1 մետր պիքսելի վրայով; մոտավորապես 964 000-ից մի փոքր պակաս մոլտիսպեկտրալի պատկեր՝ Wide Angle Camera-ից, 100 մետր պիքսելի վրայով: Տվյալների հավաքածուն ներառում է 30-ից ավելի տարածականորեն համապատասխանեցված տվյալների շերտ ինը գործիքից և չորս արձակումից: Այն աշխարհագրականորեն, քարտեզի գոտիների համաձայն բաժանվեց, որպեսզի չլինի թափանցում վարժության, վալիդացիայի և փորձարկման տվյալների միջև:

Ամենամեծ աճը սառուցի և խառնարանների կանխատեսման գործում

Մոդելը հիմնված է TerraMind-ի վրա, երկրի մոլտիմոդալ դիտումների մոդելի վրայի, սակայն այն զրոյից վերապատրաստվեց, այլ ոչ թե նախապես վերապատրաստված մոդելի վրա մանրացվեց: Յուրաքանչյուր ֆայլի համար այն հաստատուն համատեքստի տեսքով ընդունում է լուսավորման անկյունները, արևի դիրքը, ֆայլի չափը և այլ տեսախցի երկրաչափությունը: Այն լուսնի պատկերները, բարձրության տվյալները և տեսախցի երկրաչափությունը դարձնում է թոկեններ և այնուհետև սովորում է դրանց միջև կապերը՝ ծածկված մասերի կանխատեսմամբ: Բարձր և ցածր լուծաչափության պատկերները միասին սովորվում են, իսկ FlexiViT-ը վերապատրաստված մոդելին հնարավորություն է տալիս աշխատել տարբեր չափի պատկերների ֆրագմենտների հետ՝ առանց նոր վերապատրաստման:

Ամենամեծ բարելավումը գրանցվեց բևեռային սառուցի հանքավայրերի կանխատեսման գործում: IBM-ի տվյալնով, մոդելը կանխատեսման սխալը 22%-ով կրճատեց լավագույն հիմնական մոդելի հետ՝ SwinV2-B-ի համեմատությամբ: Մեծ մասշտաբի խառնարանների հայտնաբերման գործում այն գրեթե 19%-ով առաջնորդեց SwinV2-B-ն, ընդ որում օգտագործելով միայն կեսը վարժության տվյալների: Մոդելները նման արդյունքներ ցուցադրեցին մետրական մասշտաբի խառնարանների հայտնաբերման և Irregular Mare Patch-ի սեգմենտացիայի գործում. տարբերությունների մեծամասնությունը ընկավ տրենինգի գործարկումների միջև տատանման սահմանների ներս: LoRA-ն ամբողջական մանրացմանը չզարգացվեց փորձարկված խնդիրներում և ավելի լավ աշխատեց խառնարանների հայտնաբերման գործում:

Օգտագործելի է վերլուծության համար, բայց դիրքորոշման գործում սահմանափակումներ ունի

IBM Research Europe-ի տնօրեն Խուան Բեռնաբե-Մորենոն ասաց, որ մոդելը տարբեր գործիքների դիտարկումները կապում է և արտահայտում է այդպիսի օրինականություններ, որոնք իզոլյացված պայմաններում բարդ են ճանաչելու համար: Այն համապատասխան չէ բացարձակ երկրաչափական դիրքորոշման համար: Գեներացիայի թեստերում լայնությունը և երկարությունը երբեմն տասնյակ աստիճանով շեղվում էին, իսկ վերակառուցված ռելիեֆային կառուցվածքները կարող են գերազանցել բացարձակ բարձրության արժեքները: Հետազոտողները այն ներկայացնում են որպես հետագա վերլուծության համար նորընթաց հիմք, և ոչ թե ֆիզիկական չափիչ գործիքների փոխարեն: Վերահսկվող փորձեր, որոնք յուրաքանչյուր նորությունը առանձին փորձում են, դեռ չեն իրականացվել, իսկ որոշ թեստային տվյալների հավաքածուները փոքր են:

Մոդելը հասանելի է հանրայինորեն Hugging Face-ում, նրա կոդը GitHub-ում է, և այն ինտեգրված է բաց կոդով TerraTorch գործիքներում: NASA-ն և IBM-ը նաև հրապարակել են մեքենայական ուսուցման համար պատրաստ նախապես վերապատրաստված տվյալների հավաքածուներ և բենչմարկների հավաքածուներ: Մոդելը նրանց AI for Science համագործակցության մասն է, որի շրջանակներում 2022 թվականի սկզբից աշխատում են հիմնական մոդելների վրա: