IBM dan NASA Rilis Model AI Open Source untuk Pemetaan Bulan
IBM dan NASA resmi merilis model AI open source untuk mempelajari Bulan. Dinamai NASA-IBM Lunar Foundation Model, model ini dirilis pada 10 September 2026 dan menjadi salah satu model fondasi (foundation model) pertama di dunia yang dirancang khusus untuk sains Bulan.
Apa yang Dibelanjakan Model Ini
Model ini dilatih dari data observasi Bulan selama 17 tahun yang dikumpulkan oleh NASA’s Lunar Reconnaissance Orbiter (LRO) — data ini disebut lebih besar dari seluruh misi planet NASA lainnya digabungkan. IBM dan NASA menggunakan sekitar 2 juta ubin citra untuk pelatihan, mencakup 1 juta citra kamera beresolusi 1 meter dan hampir 964 ribu citra multispektral beresolusi 100 meter.
Selain LRO, data juga berasal dari misi GRAIL (peta gravitasi Bulan), Lunar Prospector, dan SELENE/Kaguya dari Japan Aerospace Exploration Agency (JAXA). Totalnya, dataset mencakup lebih dari 30 lapisan data spasial dari 9 instrumen di 4 misi berbeda.
Hasil: 22% Lebih Akurat dari Metode Lama
IBM dan NASA menyebut model ini melampaui metode sebelumnya secara signifikan dalam tiga tugas utama.
Untuk mendeteksi area yang berpotensi mengandung es di kutub Bulan, model mengurangi kesalahan (RMSE) hingga 22% dibandingkan SwinV2-B, metode yang paling umum dipakai saat ini. Dalam mengidentifikasi fitur vulkanik (Irregular Mare Patches), akurasinya 3% lebih tinggi dari SwinV2-B dengan biaya fine-tuning lebih rendah. Pada deteksi kawah dengan resolusi ~100 meter, model mengungguli SwinV2-B hampir 19% meski hanya menggunakan setengah data pelatihan.
Juan Bernabe-Moreno, Direktur IBM Research Eropa untuk Inggris dan Irlandia, mengatakan model ini memberi ilmuwan fondasi untuk mengeksplorasi Bulan dalam skala besar.
“NASA-IBM Lunar Foundation Model menghubungkan pengamatan dari berbagai instrumen, mengungkapkan pola yang sulit dilihat secara terisolasi, dan menyediakan platform terbuka yang bisa dibangun oleh komunitas riset global,” katanya.
Kevin Murphy, chief science data officer NASA, menyebut model ini menunjukkan kemungkinan nyata membawa AI ke data ilmiah NASA.
Tersedia di Hugging Face dan GitHub
Model ini dirilis secara open source di Hugging Face dengan dataset pelatihan siap digunakan untuk machine learning. Kode lengkap tersedia di GitHub, dan laporan teknis dipublikasikan di situs Hugging Face model.
Model ini merupakan bagian dari keluarga Prithvi — model open source IBM dan NASA untuk pengamatan Bumi, cuaca antariksa, dan kini Bulan. Arsitekturnya menggunakan TerraMind, sistem yang dikembangkan IBM bersama European Space Agency untuk keperluan observasi multi-modal.
Tiga Prioritas NASA: Kawah, Vulkanik, dan Es
NASA menyebut tiga kasus penggunaan awal yang jadi prioritas.
Deteksi kawah menjadi dasar penanggalan permukaan Bulan dan rekonstruksi sejarah tata surya. Setiap kawah terbentuk dari tumbukan, sehingga menghitung dan mengukur kawah memungkinkan ilmuwan menentukan usia bagian permukaan Bulan.
Fitur vulkanik berupa struktur yang disebut Irregular Mare Patches menarik perhatian karena tampak relatif muda — menantang garis waktu pendinginan Bulan yang sudah mapan.
Es kutub adalah prioritas eksplorasi. Region yang secara permanen teduh di kutub cukup dingin untuk mempertahankan es selama miliaran tahun. Es ini bisa menjadi sumber air minum, oksigen, dan bahan bakar roket bagi misi masa depan.
Sumber
- IBM Newsroom — IBM and NASA Release Open-Source AI Model to Support Lunar Exploration (10 September 2026)
- NASA Science — NASA, IBM Launch AI Foundation Model for Lunar Science (10 September 2026)
- IBM Research Blog — Introducing IBM and NASA’s new foundation model for the Moon (10 September 2026)
