事实概述 IBM与NASA联合发布了NASA-IBM Lunar Foundation Model并将其开源，这是首批面向月球科学研究的基础模型之一。该模型基于TerraMind框架构建——这是IBM与欧洲航天局合作开发的地球观测模型。 在数据来源方面，该模型整合了来自多个航天器与任务的多模态数据，包括NASA月球勘测轨道器图像、GRAIL任务20公里每像素分辨率的重力场图、月球探矿者探测数据，以及JAXA SELENE/Kaguya探测器的补充观测数据。这些多样化的数据集被用于训练模型对月球表面特征与潜在资源分布的识别能力。 模型权重、技术报告及机器学习可用的训练数据集已发布在Hugging Face平台的Prithvi模型家族下，该家族此前涵盖地球观测、天气与日光物理学领域的模型。 在性能表现方面，据厂商测试，该模型在标记可能冰沉积物时的均方根误差相比SwinV2-B基线最多降低22%。 技术架构特点 该模型采用低秩适配器进行任务微调，保持90%的基础权重冻结状态。这一设计使得针对不同月球分析任务的适配成本保持在较低水平。 这种参数高效微调策略反映了当前大规模科学