NASA e IBM lanzan una IA para mapear hielo y cráteres en la Luna

La NASA, en colaboración con IBM y diversas instituciones académicas, ha desarrollado el NASA-IBM Lunar Foundation Model, una inteligencia artificial diseñada para acelerar el procesamiento de la ingente cantidad de datos recopilados durante 17 años por la Lunar Reconnaissance Orbiter (LRO). Este nuevo sistema busca optimizar el análisis de la superficie lunar ante los planes de la agencia para el retorno de misiones humanas al satélite.

Una IA entrenada para el entorno lunar

El modelo ha sido entrenado mediante un aprendizaje que procesa patrones generales a partir de cerca de dos millones de teselas, incluyendo imágenes de alta resolución y observaciones multiespectrales. Esta arquitectura permite a los investigadores adaptar la herramienta a tareas específicas, como la identificación de cráteres, la detección de estructuras volcánicas o la evaluación de regiones polares, superando la necesidad de entrenar sistemas dedicados para cada propósito científico.

Detección de recursos y análisis geológico

Uno de los objetivos clave de esta tecnología es la estimación de la prospectividad de hielo en los polos lunares. Aunque la IA no detecta agua de forma directa, señala las zonas con condiciones más favorables para su conservación. Identificar estos depósitos es fundamental, ya que el agua podría procesarse para obtener hidrógeno y oxígeno, recursos vitales para futuras expediciones que busquen establecer bases permanentes o servir de puente para viajes a Marte. Además de la búsqueda de recursos, el sistema facilita el estudio de cráteres, permitiendo reconstruir la historia del sistema solar mediante la medición de impactos, y el análisis de estructuras volcánicas anormalmente jóvenes. Esta capacidad de procesamiento rápido ayuda a los científicos a formular mejores preguntas sobre la evolución geológica de la Luna sin que el sistema reemplace el análisis humano, sino actuando como una base abierta y reutilizable para la comunidad científica.