NASA와 IBM, 달 연구 AI 공개... 충돌구 찾고 얼음도 추정

NASA와 IBM이 9월 10일(현지시간) 달 표면 연구용 AI ‘NASA-IBM Lunar Foundation Model’을 공개했다. 달 정찰 궤도선 LRO가 17년 동안 모은 관측 자료를 주로 학습한 오픈소스 모델이다. 연구자는 이 모델로 충돌구를 찾거나 화산 지형을 구분할 수 있다. 극지에 얼음이 있을 가능성도 추정한다.

달 영상 분석, 무엇이 달라지나

하나의 모델을 여러 연구 과제에 돌려 쓸 수 있다는 점이 가장 큰 변화다. 기존에는 연구자가 영상을 직접 살피거나 과제마다 모델을 따로 만들었다. 이번 모델은 다양한 관측 자료를 미리 학습해 놓았다. 연구 목적에 맞게 정답을 표시한 자료를 조금만 더 학습시키면 각각의 분석에 쓸 수 있다.

학습에는 넓은 관측 영상을 작게 자른 조각 약 200만 개가 쓰였다. 1m 해상도 카메라 영상 100만 개 이상과 100m 해상도 다중분광 영상 약 96만 4천 개가 들어갔다. 다중분광 영상은 여러 파장대의 빛을 나눠 담은 영상이다. 미국과 일본의 다른 탐사 임무 자료도 함께 활용했다.

NASA와 IBM이 앞서 공개한 Prithvi는 지구 관측 자료를, Surya는 태양 관측 자료를 다뤘다. 이번에는 달 관측 자료를 여러 분석에 재사용할 기반으로 삼았다. 해상도와 종류가 서로 다른 관측 자료를 한꺼번에 학습했다는 점이 특징이다.

극지 얼음 예측, 얼마나 정확해졌나

IBM은 극지의 얼음 존재 가능성을 추정하는 비교 실험에서 오차가 최대 22% 낮아졌다고 밝혔다. 비교 대상 가운데 성능이 가장 높은 모델과 견준 결과다. 평가에는 영상 분석 AI인 SwinV2-B 등이 쓰였다.

충돌구를 찾는 시험에서는 학습 자료를 줄여도 성능이 올라갔다. IBM에 따르면 100m 해상도 영상에서 충돌구를 찾을 때 학습 데이터를 절반만 쓰고도 비교 모델보다 약 19% 높은 성능을 냈다. NASA는 촬영 당시 조명에 따라 작은 충돌구가 보이는 정도가 달라질 수 있다고 설명했다.

한국 연구자도 쓸 수 있나

한국 연구자도 허깅페이스에 올라온 모델을 받아 쓸 수 있다. 학습을 마친 모델 파일과 평가용 데이터도 함께 공개됐다. GitHub에는 과제에 맞게 추가 학습하거나 분석을 실행하는 코드가 올라와 있다. 다만 모델을 처음부터 학습시키는 코드는 빠졌다.

이번 공개로 가장 직접적인 도움을 받는 쪽은 달 관측 자료를 분석하는 연구자다. 공통으로 학습된 모델을 각자의 목적에 맞게 손봐 쓸 수 있게 됐다. 남은 관문은 이번 시험에서 나온 성능 향상이 관측 조건과 분석 대상이 다른 연구에서도 이어지느냐다. 특히 조명에 따라 보이는 정도가 달라지는 작은 충돌구를 얼마나 안정적으로 찾아내는지가 활용 범위를 가늠할 기준이 된다.