NASAとIBM、マルチモーダル月面基盤モデルを公開――9種類の観測機器データを共通表現に整合

NASAとIBMはNASA-IBM Lunar Foundation Modelを公開した。その目的は自然言語の質問に直接回答することではなく、解像度、観測角度、物理量が大きく異なる月のリモートセンシングデータを、下流タスク向けにファインチューニング可能な共通表現へエンコードすることにある。モデルとともに公開された機械学習データセットには、4つのミッションと9種類の観測機器に由来する、30を超える空間整合済みレイヤーが収録されている。対象にはNASAのLunar Reconnaissance Orbiter、GRAIL、Lunar Prospector、日本のSELENE／Kaguyaが含まれる。[NASAのプロジェクトページ](https://science.nasa.gov/artificial-intelligence-science/)では、モデルが高解像度画像と地球物理データを扱うことが確認されている。[Hugging Faceのモデルカード](https://huggingface.co/nasa-ibm-ai4science/NASA-IBM-Lunar-Foundation-Model)にはApache 2.0ライセンスが明記され、TerraTorchによる読み込み方法と3つの下流タスク用checkpointも提供されている。

アーキテクチャは、IBMとESAがもともと地球観測向けに開発したTerraMindから派生したものだ。masked-token modelingによってモダリティ間の関係を学習し、1ピクセル当たり約1メートルの月面画像から、1ピクセル当たり約20キロメートルの重力データまでを処理する。下流タスクへの適応にはLoRAを採用し、基盤モデルの重みの約90％を凍結する。対象となるタスクは、クレーター検出、不規則な月の海パッチのセグメンテーション、月の極域における氷資源ポテンシャルの推定という3種類だ。これにより研究者は、backbone全体を再学習することなく、新たなスペクトル、地形、熱データを追加できる。

IBMとNASAのチームによる[発表資料](https://newsroom.ibm.com/2026-09-10-ibm-and-nasa-release-open-source-ai-model-to-support-lunar-exploration)によると、氷資源ポテンシャル推定タスクでは、ImageNetで事前学習したSwinV2-Bと比較してRMSEが最大22％低下した。約100メートルスケールのクレーター検出では、半分の学習データで約19％の改善を達成し、火山地形のセグメンテーションでは約3％向上した。これらの割合は、それぞれ異なるデータセット、評価指標、解像度に基づくため、汎用的に「23％高精度」とまとめて解釈することはできない。現在、レポート、重み、データ、下流モデルは公開されているが、評価は依然として同じチームによって実施されたものだ。エンジニアリングおよび研究チームが次に注目すべき点は、ミッション横断のデータ分割で空間的リークを防げているか、異なるセンサーのデータが欠損した場合にも堅牢性を維持できるか、そしてモデル出力の不確実性が着陸地点の選定や資源探査といった高リスクな意思決定の要件を満たせるかどうかである。