NASA e IBM lanzaron un modelo lunar de IA abierto entrenado con dos millones de paquetes de datos
Rachel Slank alineó 11 tipos de datos y etiquetó 49,000 cráteres; la publicación en GitHub incluye código downstream pero omite el código de preentrenamiento.
By Ryan Merket · Published
Primary source: USRA
Por qué importa
El proyecto muestra cómo expertos en la materia pueden convertir datos científicos públicos fragmentados en infraestructura de IA reutilizable, mientras que la falta del código de preentrenamiento limita la reproducibilidad completa.
La científica planetaria Rachel Slank ayudó a NASA y a IBM a convertir décadas de observaciones lunares desparejadas en el NASA-IBM Lunar Foundation Model, un modelo abierto lanzado el 10 de septiembre para mapeo de cráteres, análisis de rasgos volcánicos e investigación sobre posible hielo…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.