IBM dan NASA Ciptakan AI untuk Bantu Eksplorasi Bulan

IBM dan NASA memperkenalkan model kecerdasan buatan (AI) multimodal yang dirancang untuk membantu manusia memahami permukaan Bulan. Teknologi bernama NASA-IBM Lunar Foundation Model ini menggabungkan data dari berbagai misi antariksa untuk memetakan kawah, meneliti aktivitas vulkanik, hingga mencari keberadaan es.

Pengembangan model tersebut dilakukan ketika Amerika Serikat melalui program Artemis mempersiapkan misi eksplorasi jangka panjang di Bulan. NASA tidak hanya ingin kembali mengirim astronaut, tetapi juga membangun kemampuan untuk tinggal dan bekerja di Bulan sebelum melanjutkan eksplorasi menuju Mars.

Bagi astronaut, memahami kondisi medan Bulan menjadi sangat penting. Permukaannya dipenuhi kawah, batuan, debu, serta wilayah yang terus berubah tampilannya akibat pencahayaan ekstrem.

NASA-IBM Lunar Foundation Model dikembangkan dengan menggabungkan data dari berbagai sensor, sudut pengamatan, dan tingkat resolusi. Data tersebut berasal dari puluhan tahun misi Amerika Serikat dan Jepang.

Model ini dibangun menggunakan versi TerraMind, model AI observasi Bumi yang dikembangkan IBM bersama European Space Agency (ESA). Teknologi tersebut memungkinkan berbagai jenis data dengan resolusi berbeda diproses dalam satu sistem.

NASA memprioritaskan tiga penggunaan utama model ini. Pertama, menemukan dan memetakan kawah-kawah kecil yang belum terdokumentasi. Kedua, mempelajari sejarah vulkanik Bulan. Ketiga, mencari es di wilayah kutub yang berpotensi menjadi sumber air bagi astronaut.

Tantangan Ekstrem di Permukaan Bulan

Memetakan Bulan bukan pekerjaan sederhana. Satelit alami Bumi itu mengalami sekitar dua minggu siang yang diikuti dua minggu malam. Perubahan pencahayaan tersebut dapat membuat permukaan yang sama terlihat sangat berbeda.

Ketiadaan atmosfer tebal juga membuat kondisi pencahayaan semakin ekstrem. Tidak ada awan atau atmosfer yang cukup untuk menyebarkan cahaya seperti di Bumi. Akibatnya, permukaan Bulan memiliki kontras tajam antara area yang terkena cahaya dan wilayah yang berada dalam bayangan.

Situasinya semakin sulit di daerah kutub. Karena kemiringan Bulan terhadap orbitnya kecil, Matahari berada rendah di cakrawala kutub sehingga menghasilkan bayangan yang sangat panjang. Batu, kawah, dan rintangan lainnya dapat tersembunyi di balik bayangan tersebut.

Permukaan Bulan juga tertutup regolit, campuran debu dan batuan yang abrasif. Material ini bukan hanya mengganggu pengamatan, tetapi juga berpotensi merusak pakaian astronaut dan peralatan.

Model AI baru tersebut juga dapat membantu meningkatkan detail data satelit. Hal ini penting karena suhu Bulan sangat ekstrem, dari sekitar 121 derajat Celsius di bawah sinar Matahari hingga sekitar -246 derajat Celsius di kawah yang terus berada dalam bayangan.

Peta suhu beresolusi tinggi dapat membantu ilmuwan menemukan lokasi yang berpotensi mengandung es sekaligus menentukan tempat yang lebih aman untuk membangun fasilitas penelitian.

AI Bantu Cari Es dan Jejak Vulkanik

Bulan selama puluhan tahun dianggap sebagai dunia yang kering. Namun, pandangan tersebut berubah pada 2008 setelah instrumen radar NASA yang dibawa wahana Chandrayaan-1 India menemukan indikasi es di sekitar 40 kawah kecil dekat kutub utara.

NASA memperkirakan cadangan air tersebut mencapai sekitar 600 juta metrik ton, setara dengan sedikitnya 240.000 kolam renang berukuran Olimpiade. Penemuan berikutnya menunjukkan bahwa air tidak hanya berada dalam bentuk es di kawah. Molekul air juga ditemukan menempel pada butiran debu Bulan.

Keberadaan air menjadi sangat penting bagi rencana eksplorasi jangka panjang. Air dapat digunakan untuk minum dan, melalui proses tertentu, diolah menjadi oksigen serta bahan bakar. Model NASA-IBM juga dirancang untuk membantu mempelajari sejarah vulkanik Bulan. Para ilmuwan masih memperdebatkan usia sejumlah fitur vulkanik yang disebut irregular mare patches.

Bulan tidak memiliki lempeng tektonik, angin, dan air seperti Bumi yang dapat menghapus jejak masa lalu. Namun, permukaannya terus dihantam asteroid dan mikrometeoroid. Karena itu, jumlah kawah dapat menjadi petunjuk untuk memperkirakan usia suatu wilayah.

Performa Model AI

Dalam pengujian, NASA-IBM Lunar Foundation Model menunjukkan kemampuan yang menjanjikan. Untuk mengidentifikasi apakah kawah gelap di wilayah kutub berpotensi mengandung es, model tersebut mampu menurunkan tingkat kesalahan hingga 22 persen dibandingkan model SwinV2 yang dilatih khusus untuk pencarian es.

Dalam mendeteksi kawah pada resolusi 100 meter per piksel, model NASA-IBM juga mengungguli model pembanding hampir 19 persen, meski menggunakan separuh data pelatihan. Untuk memetakan fitur vulkanik, model tersebut memberikan peningkatan sekitar 3 persen dibandingkan model khusus yang menjadi pembanding.

Bulan Jadi Tujuan Banyak Negara

Eksplorasi Bulan kini tidak lagi menjadi ambisi satu negara. Sejumlah negara telah berhasil melakukan pendaratan lunak dan mulai mempersiapkan misi lanjutan.

Selain kepentingan ilmiah, sumber daya Bulan juga menjadi perhatian. Tanah Bulan mengandung helium-3, isotop yang berpotensi digunakan dalam teknologi fusi nuklir. Sejumlah batuan juga mengandung unsur tanah jarang yang dibutuhkan industri elektronik.

Bulan juga menawarkan lingkungan yang menarik bagi astronom. Sisi jauhnya relatif tenang dari gangguan radio yang berasal dari Bumi dan satelit, sehingga berpotensi menjadi lokasi ideal untuk teleskop radio. Sejumlah proyek bahkan mengusulkan pemanfaatan kawah Bulan sebagai antena raksasa, detektor gelombang gravitasi, dan lokasi teleskop inframerah untuk mengamati eksoplanet.

Bagi IBM dan NASA, AI menjadi salah satu teknologi yang dapat menghubungkan berbagai sumber data tersebut. Alih-alih hanya mengandalkan satu instrumen, algoritma memungkinkan data dari banyak instrumen diproses bersama.

Ke depan, pendekatan ini dapat dipadukan dengan superkomputer dan, ketika teknologinya semakin matang, komputasi kuantum.

“Terobosan berikutnya dalam eksplorasi Bulan mungkin tidak datang dari satu instrumen baru, melainkan dari algoritma yang memungkinkan banyak instrumen dan berbagai teknologi komputasi bekerja bersama,” ujar Juan Bernabé-Moreno dari IBM Research Europe.