美国国家航空航天局（NASA）与IBM研究院近日联合宣布，双方共同开发并正式开源了全球首个专为月球科学研究设计的智能分析模型。该模型通过整合数十年间分散的月球观测数据，构建了一套可复用的分析工具集，其核心代码与训练权重已向全球科研人员开放下载。
据公开资料显示，这一项目突破了传统数据处理的局限，将来自不同探测任务的卫星图像、光谱数据及地形测量结果进行标准化整合。研究人员特别强调，模型采用模块化设计，支持根据具体需求进行参数调整，例如在陨石坑分布测绘任务中，可通过微调算法提升特定尺寸环形山的识别精度。
在应用场景方面，该工具集已展现出三大核心功能：通过深度学习技术实现火山地貌的自动化分类，利用多光谱分析评估极区永久阴影区域的水冰储量潜力，以及构建高精度月球表面三维模型。IBM研究院团队透露，在测试阶段，模型对直径超过1公里的陨石坑识别准确率达到92%，较传统方法提升近30%。
开放策略方面，NASA与IBM采用分层授权模式，基础代码库允许商业机构免费使用，而涉及高精度月球资源评估的衍生模块则需遵守特定数据共享协议。这种设计既保障了科研公益性，也为商业航天开发预留了技术接口。目前已有来自15个国家的37个研究团队申请获取完整工具包，其中欧洲空间局计划将其应用于即将启动的月球门户站选址研究。
