La NASA e IBM presentaron el Modelo de la Fundación Lunar NASA-IBM, uno de los primeros sistemas de inteligencia artificial de código abierto pensados para la ciencia lunar. El modelo está disponible en Hugging Face y el código en GitHub, para que la comunidad científica lo use, ajuste y compare.
Fue entrenado sobre todo con datos del Orbitador de Reconocimiento Lunar (LRO): alrededor de 2 millones de teselas, con más de 1 millón de imágenes de alta resolución a 1 metro por píxel y cerca de 964 mil imágenes multiespectrales a 100 metros por píxel. También incorpora datos de GRAIL, Lunar Prospector y la misión SELENE/Kaguya de la agencia espacial japonesa (JAXA).
Entre sus usos destacan estimar dónde puede haber hielo estable cerca de los polos (incluidas regiones permanentemente sombreadas), mapear cráteres y detectar Parches Irregulares de Mare, formaciones volcánicas útiles para estudiar la evolución térmica de la Luna. En el banco de prueba de prospectividad de hielo polar, el modelo redujo el error hasta un 22% frente a la referencia SwinV2-B; en detección de cráteres a escala contextual (~100 m) superó a esa base en casi un 19% usando la mitad de los datos de entrenamiento.
Kevin Murphy, director de datos científicos de la NASA, subrayó que reunir petabytes de datos es solo una parte del trabajo: también hay que facilitar su exploración. Junto al modelo, el equipo liberó un conjunto unificado de datos lunares listo para aprendizaje automático, con más de 30 capas alineadas de 9 instrumentos de 4 misiones.
La cobertura en español del anuncio (Infobae) circuló esta tarde del 13 de septiembre de 2026 (alrededor de las 15:40, hora de México). No hubo un breaking de Ciencia más sólido en la ventana estricta de las últimas dos horas; esta es la pieza fresca de mayor impacto del ciclo, tras omitir el seguimiento de Curiosity en Marte ya cubierto hoy.
Informativo al momento 
Deja un comentario