NASA–IBM Ay modeli: Buz ve krateri açık kaynakla

NASA ile IBM, Ay yüzeyinin petabaytlarca gözlem verisini tek bir açık modelde toplayan Lunar Foundation Model’i yayımladı. Amaç basit: krater, olası buz ve volkanik izleri tek tek haritada aramak yerine, bilim insanlarına ortak bir başlangıç noktası vermek. Model Hugging Face’te, veri seti ve kod da kamuya açık; Prithvi ailesinin Ay’a uzanan yeni halkası bu.

Neden şimdi önemli?

Ay’ı onlarca yıldır uydular izliyor; Lunar Reconnaissance Orbiter (LRO) tek başına petabayt ölçeğinde veri üretiyor. Sorun veri azlığı değil, parçalı olması. Farklı çözünürlükler, farklı enstrümanlar ve elle tarama ya da dar amaçlı modeller, özellikle sürekli gölgede kalan bölgelerde yavaş ve maliyetli kalıyor. IBM Research’ün duyurusuna göre model, bu dağınık katmanları bir araya getirip “görülmesi zor” örüntüleri daha hızlı yüzeye çıkarıyor.

NASA Headquarters’tan Kevin Murphy, veriyi toplamanın işin yarısı olduğunu; asıl işin bilim insanlarının bu veriyi keşfedebilir hale getirmek olduğunu söylüyor. IBM Research Europe (UK & Ireland) Direktörü Juan Bernabe-Moreno ise modelin enstrümanlar arasında bağlantı kurduğunu ve global araştırma topluluğunun üzerine inşa edebileceği açık bir platform sunduğunu vurguluyor.

Su buzu, krater ve volkanik izler

Modelin öne çıkan kullanım alanlarından biri, kalıcı gölgeli bölgelerde olası ay buzu. Buz; gelecekteki üsler için su ve oksijen, Mars’a gidecek görevler için de yakıt üretimi açısından kritik. NASA–IBM teknik makalesine göre model, yüksek buz potansiyeli olan alanları saptarken RMSE hata payını SwinV2-B (ImageNet) tabanına göre yüzde 22’ye varan oranda düşürdü. Webtekno’nun aktardığı gibi IBM ekibi, gölgeli bölgeleri daha iyi tanımak için yüzeyi dilimleyen “Orange Wedge” yaklaşımını kullandı.

Krater tarafında metre ölçeğinde sınıflandırma mümkün; bağlam ölçeğinde (~100 metre) model, SwinV2-B’yi yaklaşık yüzde 19 daha iyi geçerken eğitim verisinin yarısını kullanıyor. IBM, 5 Ağustos 2026’da bir SpaceX roketinin çarpmasıyla oluşan yeni krateri, eski bir kraterle üst üste binmesine rağmen ilk denemede yakaladığını örnek gösteriyor. Düzensiz Mare yamaları gibi volkanik özelliklerde ise aynı taban modele göre yüzde 3 daha iyi kapsam yakalanıyor; ince ayar maliyeti de daha düşük tutuluyor.

• Olası buz alanlarında RMSE’de yüzde 22’ye varan iyileşme
• Bağlam ölçeğinde krater tespitinde yüzde ~19 daha iyi sonuç, yarı eğitim verisiyle
• Volkanik Irregular Mare Patch kapsamında yaklaşık yüzde 3 iyileşme
• Genel coğrafi özellik tespitinde “yüzde 23’e varan” üst sınır (IBM basın bülteni)

Açık veri seti ve Prithvi ailesi

Model tek başına gelmiyor. IBM ve NASA, dokuz enstrümandan 30’dan fazla mekânsal hizalı katmanı birleştiren, makine öğrenmesine hazır ilk türdeki açık Ay veri setini de paylaşıyor. Set; LRO ve GRAIL’in yanı sıra JAXA’nın SELENE/Kaguya verilerini de içeriyor. Webtekno’ya göre sette 2 milyondan fazla veri noktası bulunuyor. Model Hugging Face’te, kod GitHub’da; afet izleme ve iklim tahmininden bilinen Prithvi ailesine Ay boyutu eklenmiş oluyor.

Kullanıcı ve sektör için anlamı

Bu bir tüketici uygulaması değil; araştırma altyapısı. Açık kaynak olması, üniversitelerin ve ulusal ajansların kendi görevlerine ince ayar yapabilmesi demek. Sürekli Ay üssü planları için iniş alanı seçimi, tehlike haritalama ve kaynak arama gibi işler, artık her soruya sıfırdan model yazmak yerine ortak bir temelden türetilebilir. Kısa vadede etki akademik ve görev planlama masalarında hissedilir; uzun vadede ise “bilimsel petabaytı keşfedilebilir hale getirme” yarışında NASA–IBM iş birliğinin standartlarından biri olabilir.

Özetle: Ay verisi artık sadece arşivde durmuyor. Açık Lunar Foundation Model, buz ihtimalinden krater güvenliğine kadar ölçülebilir iyileştirmelerle geliyor; kalan soru, araştırmacıların bu temeli hangi görevlere ne kadar hızlı uyarlayacağı.