NASA 與 IBM 開源 NASA-IBM Lunar Foundation Model，極地冰層預測誤差降低 22%

據報導，NASA 與 IBM 聯合發布開源月球科學基礎模型 NASA-IBM Lunar Foundation Model。該模型基於多模態地球觀測模型 TerraMind 架構，並未使用微調，而是從頭訓練。 訓練資料採用 SomBench 基準資料集（補充資料顯示其論文於 2026 年 9 月 8 日發布），包含近 200 萬組涵蓋 11 種模態的圖塊，匯集過去 17 年月球勘測軌道飛行器（LRO）及其他三次探月任務的觀測資料。在架構設計上，模型直接將光照角度與太陽位置等幾何條件作為輸入，而非從像素推算；並透過 FlexiViT 技術適應不同尺寸的影像區塊。 實測數據顯示，在極地冰層預測任務中，該模型較基準模型 SwinV2-B 降低最高 22% 的預測誤差；在 100 公尺級別的隕石坑偵測中，僅用一半標註資料便超越 SwinV2-B 近 19%。 研究團隊指出，該模型不適用於絕對測地定位，在生成測試中經緯度可能出現數十度的偏差。目前模型權重已上架 Hugging Face，程式碼開源於 GitHub，並整合至 TerraTorch 工具包中。