नई चंद्र एआई ने बर्फ-अनुकूल दशाओं के नक्शे पर त्रुटि 22% घटाई

चंद्रमा की तस्वीरों, भू-आकृति, तापमान, रडार और रासायनिक संरचना को हर प्रश्न के लिए नया एल्गोरिदम बनाए बिना कैसे जोड़ा जाए? NASA और IBM ने एक फाउंडेशन मॉडल जारी किया है—ऐसी पूर्व-प्रशिक्षित प्रणाली जो दोबारा इस्तेमाल की जा सकने वाली अभिव्यक्तियां सीखती है। टीमें इसे गड्ढों, छोटी ज्वालामुखीय आकृतियों या बर्फ के टिके रहने के अनुकूल दशाओं के मानचित्रण के लिए ढाल सकती हैं। मॉडल, तैयार डेटा और कोड परीक्षण के लिए खुले हैं।

प्रशिक्षण में Lunar Reconnaissance Orbiter के वाइड एंगल कैमरे की बहुवर्णीय तस्वीरों पर आधारित 963,609 बंडल शामिल थे, जिनका पैमाना लगभग 100 मीटर प्रति पिक्सेल था। नैरो एंगल कैमरे की लगभग 1 मीटर प्रति पिक्सेल वाली तस्वीरों पर आधारित 1,000,113 बंडल भी थे। हर बंडल एक ही क्षेत्र पर पंजीकृत उत्पादों को जोड़ता है। प्रणाली को कुल 11 प्रकार के इनपुट मिले, जिनमें तस्वीरें, भूभाग, दूसरे उपकरणों का संदर्भ और चंद्र सतह का रूप बदलने वाले प्रकाश कोण शामिल हैं।

पूर्व-प्रशिक्षण के बाद शोधकर्ताओं ने उसी दृश्य एनकोडर को चार परीक्षणों के लिए ढाला: दोनों पैमानों पर गड्ढे खोजना, irregular mare patches नाम की छोटी ज्वालामुखीय आकृतियों का विभाजन और ध्रुवीय बर्फ-सम्भाव्यता नक्शे को दोहराना। चंद्र मॉडल और तुलना वाली संरचनाओं के लिए डेटा, विभाजन, परिवर्तन और माप समान रखे गए। औसत पांच प्रशिक्षण बीजों से निकाले गए, इसलिए केवल आरंभिकरण से होने वाला उतार-चढ़ाव भी दिखाई देता है।

सबसे बड़ा अंतर ध्रुवीय नक्शे में था। रूट मीन स्क्वेयर एरर बड़े विचलनों को अधिक दंड देता है और इसमें कम मान बेहतर होता है। सर्वश्रेष्ठ आधार मॉडल का मान 0.0377 ± 0.0004 था, जबकि चंद्र मॉडल में यह 0.0293 ± 0.0013 रहा—लगभग 22% की सापेक्ष कमी। फिर भी लक्ष्य पर्यावरणीय संकेतों से गणना किया गया नक्शा था, देखा गया बर्फ नहीं। आधे लेबल किए गए डेटा से बड़े पैमाने के गड्ढे खोजने पर औसत सटीकता 0.2313 ± 0.0027 से बढ़कर 0.2541 ± 0.0018 हुई। मीटर-पैमाने के गड्ढों और ज्वालामुखीय धब्बों में अग्रणी परिणाम तुलनीय माने गए, क्योंकि अंतर बीजों के बीच बदलाव से छोटा था।

दो डिजाइन चुनाव कार्यों के बीच स्थानांतरण को समझाते हैं। प्रणाली प्रकाश की ज्यामिति को स्पष्ट इनपुट के रूप में लेती है, इसलिए छाया को भूभाग का गुण मानने से बचती है। वह अलग-अलग विभेदनों को अलग ब्लॉकों में रखकर बाद में संकेत जोड़ती है। ध्रुवीय परीक्षण में लाभ का एक हिस्सा इसी संगठन से आया और शेष लाभ चंद्र पूर्व-प्रशिक्षण से। लेखकों ने वास्तुकला के हर योगदान को अभी अलग-अलग प्रयोग से नहीं मापा है।

यह रिलीज बड़े अभिलेखों की छंटाई तेज करने और परिकल्पनाओं की तुलना करने का साधन देती है, मिशन निर्णय लेने को तैयार स्वचालित मानचित्रकार नहीं। मॉडल में निरपेक्ष भू-मापन संदर्भ नहीं है, उसका उच्च-विभेदन प्रशिक्षण कुछ स्थानों तक सीमित है और उसे उतरने की मंजूरी या खतरा-मुक्ति के लिए मान्य नहीं किया गया। वैज्ञानिक उपयोगिता इस बात पर निर्भर करेगी कि बाहरी टीमें परीक्षण दोहरा पाती हैं या नहीं और उपकरणों व नए लेबलों से चार मूल्यांकित डेटासेट के बाहर लाभ की जांच करती हैं या नहीं।