La NASA e IBM crearon el mapa de la Luna más completo mediante IA

La agencia espacial estadounidense NASA e IBM presentaron conjuntamente el mapa más completo de la Luna, creado mediante inteligencia artificial y denominado Lunar Foundation Model. Según ixbt.com, este proyecto permite localizar hielo de agua con una precisión superior al 20 % en comparación con los modelos de aprendizaje automático convencionales, lo que supone un paso fundamental para futuras misiones espaciales. Así lo informa el sitio Ixbt.com.

Este proyecto de código abierto fusiona datos de misiones espaciales de EE. UU. y Japón —gravedad, topografía, mediciones de temperatura e imágenes ópticas— en un formato único y flexible. Juan Bernabe-Moreno, director de IBM Research Europe, comparó este modelo con una «piedra de Rosetta digital» para desvelar los secretos de la Luna, destacando que revela patrones ocultos en bases de datos anteriormente dispersas.

El entorno lunar se distingue por su extrema dureza y la ausencia de atmósfera: debido a la falta de una capa que disperse la luz, las sombras son totalmente negras y las zonas iluminadas son deslumbrantes. La temperatura varía desde +121 grados al sol hasta –246 grados en los cráteres en sombra. Además, un polvo abrasivo y pegajoso cubre las superficies, dañando los equipos y dificultando la observación.

Entrenamiento de la IA e importancia práctica

Los expertos explican que la posición del sol bajo el horizonte en los polos crea largas sombras que ocultan cráteres y barrancos. En tales condiciones, interpretar datos satelitales, planificar rutas seguras para astronautas o elegir emplazamientos para bases es una tarea extremadamente difícil.

El nuevo modelo fue entrenado con diversos conjuntos de datos, desde mapas de gravedad de la misión GRAIL con una precisión de 20 km hasta imágenes del Lunar Reconnaissance Orbiter capaces de distinguir rocas individuales con una precisión de 1 m. Es capaz de refinar mapas térmicos brutos, localizar cráteres con mayor precisión y reducir errores en la identificación de capas de hielo.

Michael Barker, experto en topografía lunar de la NASA y colíder del proyecto, señala que el modelo de IA ayudará a determinar la edad de diversas regiones lunares mediante la identificación de pequeños cráteres no registrados anteriormente, y a aclarar cuestiones controvertidas sobre la actividad volcánica reciente.

El valor práctico del modelo está directamente relacionado con el hielo de agua, considerado el objetivo principal de la exploración lunar. Según estimaciones de la NASA, los cráteres polares podrían albergar cientos de millones de toneladas de agua potable, oxígeno y combustible para cohetes, necesarios para abastecer a futuras tripulaciones y realizar vuelos al espacio profundo.

Juan Bernabe-Moreno destacó que los futuros avances no vendrán de una sola herramienta nueva, sino de algoritmos que permitan a múltiples herramientas trabajar juntas. La Luna también es importante por ser rica en el isótopo helio-3, raro para la futura fusión termonuclear limpia, y su cara oculta ofrece un entorno extremadamente silencioso para los telescopios.