科技日報北京9月17日電 （記者張夢然）據美國國家航空航天局（NASA）官網、IBM研究院官方社交媒體消息稱，這兩家機構發布並開源了首個月球模型，模型權重與代碼向全球研究者開放，以供下載、微調和試驗。這是首批專門面向月球科學、可公開使用的智能分析工具之一，目標是把數十年來分散的月球觀測數據轉化為可復用的分析工具，用於隕石坑測繪、火山地貌識別和極區水冰潛力評估。

月球研究長期面臨數據多、整合難的矛盾。此次模型的訓練數據以NASA月球勘測軌道飛行器為主。LRO在軌約17年，覆蓋大部分月面，其數據規模超過NASA其他行星任務總和。模型使用約200萬個月球圖像切片，其中包括逾100萬張1米分辨率窄角相機圖像和近96.4萬張100米分辨率多光譜圖像，並融合GRAIL重力、Lunar Prospector，以及日本JAXA SELENE等任務的地形與遙感數據。配合發布的數據集整合9台儀器、4項任務、30多個空間對齊數據層，解決不同分辨率、不同載荷難以統一調用的問題。

這一模型對月球資源勘查意義重大。月球永久陰影坑溫度極低，可把水冰保存數百萬年以上，而光學手段難以直接觀測。模型綜合多分辨率、多模態觀測估算極區冰的賦存與穩定區，幫助研究者縮小實地驗証范圍。而水冰不僅關系到月球基地的飲用水和呼吸用氧，也可通過電解制氧、制氫，為深空任務提供推進劑原料，這正是人類長期駐月任務及后續走向火星任務的起點。

同時，在未來飛船安全著陸與對著陸點的地質認知上，新模型可輔助快速提取和分類隕坑，減少人工判讀工作量。

該模型納入NASA首席科學數據辦公室“科學人工智能”戰略，由多個中心、高校、研究所協同完成。對學界而言，統一、可復現的月球數據集，遠比單次算法指標更重要。未來探月任務持續產生新影像，研究者也可在同一底模上微調，把多任務、多時段觀測連成一致認識，而不是每次另起爐灶。