米IBMとNASAは月探査を支援するオープンソースAIモデル「NASA-IBM Lunar Foundation Model」を公開した。
月面の多様な観測データを統合し、科学者による氷や火山、クレーターの解析を支援する基盤を提供する。
IBMとNASA、月面データを統合するAIモデルを公開
2026年9月10日に公開された「NASA-IBM Lunar Foundation Model」は、IBMとNASAの研究者が整備した大規模な月面観測データを学習した基盤モデル（※）である。
複数の観測機器から得た異なる種類や解像度のデータを横断して解析することで、従来は捉えにくかった月面の関連性を見つけやすくすることを狙う。
両者はモデル開発と同時に、月面の機械学習向けオープンデータセットも構築した。
4つのミッションにまたがる9機器の観測から30以上の空間的に整合したレイヤーを集約し、NASAのLROやGRAIL、日本のJAXAによるSELENE/Kaguyaのデータを組み合わせているという。
「NASA-IBM Lunar Foundation Model」の想定用途としては、永久影領域に存在する可能性がある月氷の推定、火山活動の痕跡であるIrregular Mare Patchesの識別、クレーターの検出・分類などが挙げられている。
公開資料では、月氷候補領域の推定で従来モデル比最大22％誤差を削減したことに加え、約100メートル文脈スケールのクレーター解析で約19％性能が向上したことが示されている。
また、クレーター解析では、メートル級の解像度でも既存のSwinV2-Bと同程度の精度を確保しながら、より高い効率と低いファインチューニングコストを実現したという。
※基盤モデル：幅広い課題へ適応できるよう、大量のデータで事前学習されたAIモデル。追加学習などによって個別の研究用途へ展開できる。
月探査を加速する一方、AI依存には検証も必要に
本モデル公開による最大のメリットは、月面科学におけるデータ解析を効率化できることだろう。
月氷や火山地形、クレーターを広範囲に調べられれば、将来の着陸地点選定や月面インフラ計画、資源調査の精度向上につながるかもしれない。
オープンソースで公開されたことで、研究者が共通の基盤を再利用・改変しやすくなり、新たな用途へ展開される可能性もある。
一方で、AIによる推定には誤検出や誤分類の可能性があるため、特に月氷の存在や着陸地点の安全性など重要な判断では、追加観測や人間による検証が必要となりそうだ。
今後は、今回のモデルを起点に月面研究の共通基盤が形成されるかに注目したい。
個別の科学課題ごとにAIを作る方式から、共有された基盤モデルを再利用する方式へ移行すれば、月探査だけでなく地球観測や気象、太陽物理など他の科学分野にも同様の手法が広がる可能性がある。
関連記事：
史上初、火星探査車がAI計画ルートで走行 生成AI「Claude」を活用
IBMとOpenAIが企業向けAI導入で提携 GPT-5.6などの業務活用を支援
