NASA e IBM desarrollan IA para hallar hielo y cráteres en la Luna antes del regreso humano

La NASA y IBM han desarrollado un modelo de inteligencia artificial especializado en ciencia lunar, entrenado con casi dos millones de observaciones de la sonda Lunar Reconnaissance Orbiter (LRO), con el objetivo de acelerar el análisis del mayor archivo de datos sobre la superficie de la Luna jamás reunido. La herramienta, denominada NASA-IBM Lunar Foundation Model, ha sido publicada como código abierto y puede adaptarse a tareas concretas como la cartografía de cráteres, el estudio de regiones polares o la identificación de estructuras volcánicas.

Durante 17 años, la misión LRO ha fotografiado y medido la Luna hasta construir un archivo que, según la NASA, supera en volumen de datos a todas sus demás misiones planetarias combinadas. El desafío ya no reside en obtener información, sino en procesarla con suficiente rapidez para extraer patrones útiles, una tarea que cobra mayor relevancia ante los preparativos para el regreso de astronautas a la superficie lunar.

El modelo fue entrenado con más de un millón de imágenes de alta resolución —de aproximadamente un metro por píxel— y casi 964.000 observaciones multiespectrales, complementadas con datos de otras misiones lunares como GRAIL, Lunar Prospector y la japonesa Kaguya. Entre sus aplicaciones más destacadas figura la estimación de la "prospectividad de hielo" en los polos lunares, donde algunas zonas permanecen eternamente en sombra y podrían conservar hielo durante miles de millones de años. El sistema no detecta agua helada de forma directa, sino que señala qué lugares reúnen condiciones favorables para su existencia y estabilidad, un dato clave tanto para la investigación científica como para el aprovechamiento de recursos locales en futuras expediciones.

La NASA probó la herramienta con imágenes tomadas antes y después del impacto de un cuerpo de cohete de SpaceX cerca del cráter Einstein, logrando resaltar el nuevo cráter junto a otros preexistentes, pese a que la imagen posterior al impacto no formó parte del preentrenamiento. El modelo también puede localizar las llamadas irregular mare patches, pequeñas estructuras volcánicas de aspecto anormalmente joven que han llevado a los científicos a revisar cuándo terminó realmente la actividad volcánica lunar. La agencia señala que el sistema igualó o superó a varios modelos de referencia, con su ventaja más clara en la estimación de prospectividad de hielo, aunque no está validado para certificar zonas de alunizaje ni para despejar riesgos operativos.

Fuente original: consultar publicación original.