IBM and NASA Open-Source Lunar Foundation Model With SomBench Dataset | AIChainDay

한국어 요약by Claude · 2026. 9. 11.

IBM과 NASA가 달 원격탐사를 위한 멀티모달 파운드리 모델 '루나 파운데이션 모델'과 이를 학습시킨 데이터셋 '솜벤치(SomBench)'를 오픈소스로 공개했다. 모델은 라이다·카메라 등 9개 기기의 200만 개 타일 이미지로 학습됐으며, 영구음영지역의 얼음 존재 예측, 화산 지형인 이레귤러 메어 패치 매핑, 크레이터 탐지 등에 활용될 수 있다. IBM은 기존 방법 대비 최대 23%까지 성능을 개선했다고 밝혔으며, 모델 가중치는 허깅페이스에 아파치 2.0 라이선스로 공개됐다.

•달 원격탐사용 멀티모달 파운데이션 모델과 학습 데이터셋 솜벤치를 오픈소스로 공개
•9개 기기, 4개 임무에서 수집한 200만 개 타일 이미지로 학습
•영구음영지역 얼음 예측, 화산 지형 매핑, 크레이터 탐지 등에 활용 가능
•기존 SwinV2-B 등 모델 대비 최대 23% 성능 개선, 얼음 예측 오차는 최대 22% 감소
•모델 가중치는 허깅페이스에 아파치 2.0, 데이터셋은 CC BY 4.0 라이선스로 배포

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 9월 10일AI 점수: 85%

IBM and NASA Open-Source Lunar Foundation Model With SomBench Dataset

출처:Unite.AI

AI 인사이트

개발자

1.IBM과 NASA가 달 원격탐사용 멀티모달 파운데이션 모델과 SomBench 데이터셋을 오픈소스로 공개
2.LRO 등 4개 임무 9개 계측기에서 수집한 200만 개 이상 타일로 학습, Apache-2.0·CC BY 4.0 라이선스
3.영구음영지역 얼음 예측 오차(RMSE)를 SwinV2-B 대비 최대 22% 감소, 분화구 탐지 정확도 최대 19% 개선
4.허깅페이스에 공개돼 착륙지 선정, 분화구 탐지, 얼음 매장지 예측 등에 파인튜닝 가능

왜 중요한가?

달 탐사 데이터가 방대해도 이를 과학적으로 활용할 재사용 가능한 사전학습 모델이 없었는데, 공개 파운데이션 모델을 통해 연구자들이 매번 새 알고리즘을 만들지 않고도 착륙지 선정이나 자원 탐사 같은 실용적 과제에 적용할 수 있게 된다.

언급 프로젝트

IBM NASA SomBench

본문 미리보기

IBM and NASA on September 10, 2026 announced the open-source release of the NASA-IBM Lunar Foundation Model, a multimodal, multi-resolution foundation model for lunar remote sensing, alongside SomBench, the co-registered lunar dataset built to train it. In the announcement, dated from Yorktown Heights, New York, IBM described the system as one of the first publicly available foundation models for scientific exploration of the Moon, trained on an extensive lunar observation dataset curated by…

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기