{"id":20207,"date":"2026-09-29T09:49:07","date_gmt":"2026-09-29T13:49:07","guid":{"rendered":"https:\/\/wp.glbgpt.com\/?p=20207"},"modified":"2026-09-29T09:49:08","modified_gmt":"2026-09-29T13:49:08","slug":"nasa-ibm-lunar-foundation-model","status":"publish","type":"post","link":"https:\/\/wp.glbgpt.com\/id\/hub\/nasa-ibm-lunar-foundation-model","title":{"rendered":"Model Fondasi Bulan NASA-IBM: Kegunaan, Hasil, dan Akses"},"content":{"rendered":"<p class=\"wp-block-paragraph\"><strong>Model Lunar Foundation NASA-IBM adalah model AI terbuka yang digunakan untuk menganalisis pengamatan Bulan.<\/strong> Diumumkan pada 10 September 2026, teknologi ini dapat disesuaikan untuk mendeteksi kawah, memetakan fitur vulkanik, dan memprediksi pola pada peta prospektivitas es. Keunggulan yang dilaporkan terkait dengan tolok ukur penelitian tertentu: hasil utama terkait es adalah penurunan tingkat kesalahan prediksi, bukan penemuan 22% lebih banyak air di Bulan.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Bagi para mahasiswa dan peneliti, titik awal yang berguna adalah <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\">kartu model resmi<\/a>, laporan teknis, dan kode yang telah dirilis. Ketiganya secara bersama-sama menjelaskan apa yang telah dipelajari oleh model tersebut, tugas-tugas apa saja yang dievaluasi, serta apa saja yang Anda perlukan untuk membuat eksperimen Anda sendiri.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Jika langkah pertama Anda adalah memahami penelitian tersebut, <a href=\"https:\/\/www.glbgpt.com\/home?inviter=hub_content_home&amp;login=1\">GlobalGPT<\/a> menggabungkan pencarian sumber, analisis dokumen, penalaran, dan penulisan ke dalam satu ruang kerja multimodel. Platform ini menawarkan cara yang terjangkau untuk beralih dari istilah-istilah ilmiah yang asing menjadi ringkasan penelitian yang jelas melalui satu langganan saja.<\/p>\n\n\n\n<div class=\"wp-block-group is-layout-constrained wp-block-group-is-layout-constrained\">\n<figure class=\"wp-block-image size-large\"><img fetchpriority=\"high\" decoding=\"async\" width=\"1024\" height=\"645\" src=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-1024x645.png\" alt=\"dasbor globalgpt\" class=\"wp-image-19280\" srcset=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-1024x645.png 1024w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-300x189.png 300w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-18x11.png 18w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-767x483.png 767w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-1536x967.png 1536w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/07\/glb-2048x1289.png 2048w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<div class=\"wp-block-buttons is-content-justification-center is-layout-flex wp-container-core-buttons-is-layout-3e41869c wp-block-buttons-is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link has-black-color has-text-color has-background has-link-color wp-element-button\" href=\"https:\/\/www.glbgpt.com\/home?inviter=hub_popup&amp;login=1\" style=\"background:linear-gradient(135deg,rgba(250,183,0,0.55) 0%,rgba(255,106,0,0.66) 96%)\"><strong>Coba Lebih dari 100 Model Terbaik di GlobalGPT<\/strong><\/a><\/div>\n<\/div>\n<\/div>\n\n\n\n<nav class=\"glb-lunar-toc\" aria-label=\"Daftar isi\" style=\"box-sizing:border-box;margin:32px 0;padding:22px;border:1px solid #b9cbd7;border-radius:6px;background:#f4f8fb;color:#173b4b;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-toc-title\" style=\"box-sizing:border-box;margin:0 0 14px;font-size:1.05rem;font-weight:750;color:#173b4b\">Jelajahi model bulan<\/p><ol style=\"box-sizing:border-box;display:grid;grid-template-columns:repeat(auto-fit,minmax(min(100%,220px),1fr));gap:10px 30px;padding-left:23px;margin:0\"><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#what-is-it\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Apa itu Model Fondasi Bulan NASA-IBM?<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#data-and-design\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Dari data apa sistem ini belajar?<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#what-it-can-do\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Tiga tugas yang dapat didukungnya<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#benchmarks\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Apa arti dari hasil benchmark tersebut<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#access-and-cost\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Di mana bisa mendapatkannya dan berapa biayanya<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#research-workflow\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Gunakan AI untuk memahami penelitian tersebut<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#limitations\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Batas-batas yang relevan dalam praktiknya<\/a><\/li><li style=\"box-sizing:border-box;margin:0;line-height:1.55;color:#274756\"><a href=\"#faq\" style=\"box-sizing:border-box;color:#12516a;text-decoration:underline;text-underline-offset:3px;overflow-wrap:anywhere\">Pertanyaan yang Sering Diajukan<\/a><\/li><\/ol><\/nav>\n\n\n\n<h2 id=\"what-is-it\" class=\"wp-block-heading\">Apa itu Model Fondasi Bulan NASA-IBM?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/science.nasa.gov\/science-research\/artificial-intelligence-lunar-foundation-model\/\">Pengumuman NASA<\/a> memperkenalkan proyek ini sebagai model dasar untuk ilmu bulan, yang dikembangkan bersama IBM. Model dasar mempelajari pola-pola yang dapat digunakan kembali dari kumpulan data yang luas; para peneliti kemudian menyesuaikan pola-pola tersebut untuk tugas yang lebih spesifik. Dalam hal ini, bahan yang digunakan adalah data penginderaan jauh bulan, bukan bahasa sehari-hari.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">LFM NASA-IBM menggunakan encoder dan decoder berbasis Vision Transformer, dengan arsitektur ViT-B. Masukan sistem ini mencakup citra dan produk pengamatan lainnya dengan resolusi spasial yang beragam. Seorang ilmuwan dapat menyesuaikan representasi yang dihasilkan untuk tujuan deteksi, segmentasi, atau regresi\u2014tiga metode untuk mengidentifikasi objek, menggambarkan batas wilayah, dan memprediksi nilai numerik.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"1440\" height=\"900\" src=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/nasa-lunar-announcement-20260928_78ea7b61cc404657b5112e2a8bea709a.webp\" alt=\"Pengumuman NASA yang memperkenalkan Model Fondasi Bulan NASA-IBM untuk ilmu pengetahuan bulan.\" class=\"wp-image-20212\" srcset=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/nasa-lunar-announcement-20260928_78ea7b61cc404657b5112e2a8bea709a.webp 1440w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/nasa-lunar-announcement-20260928_78ea7b61cc404657b5112e2a8bea709a-300x188.webp 300w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/nasa-lunar-announcement-20260928_78ea7b61cc404657b5112e2a8bea709a-1024x640.webp 1024w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/nasa-lunar-announcement-20260928_78ea7b61cc404657b5112e2a8bea709a-768x480.webp 768w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/nasa-lunar-announcement-20260928_78ea7b61cc404657b5112e2a8bea709a-18x12.webp 18w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/><figcaption class=\"wp-element-caption\"><a href=\"https:\/\/science.nasa.gov\/science-research\/artificial-intelligence-lunar-foundation-model\/\">NASA mengumumkan model bulan tersebut<\/a> pada tanggal 10 September 2026, dengan akses publik terhadap model dan kode.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Hal itu menjadikan rilis ini bermanfaat bagi tim yang bekerja dengan peta bulan serta bagi mahasiswa yang mempelajari pembelajaran mesin dalam konteks planet. Membaca proyek ini juga bermanfaat bagi siapa pun yang ingin memahami bagaimana model AI ilmiah dievaluasi. Namun, penggunaan checkpoint-nya merupakan alur kerja komputasi penelitian, bukan percakapan obrolan.<\/p>\n\n\n\n<h2 id=\"data-and-design\" class=\"wp-block-heading\">Dari data apa sistem ini belajar?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">The <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\">kartu model<\/a> menjelaskan data pelatihan SomBench: 963.609 bundel ubin Kamera Sudut Lebar (WAC) dan 1.000.113 bundel Kamera Sudut Sempit (NAC). Skala WAC sekitar 100 meter per piksel; skala NAC sekitar 1 meter per piksel. Hal ini memberikan model konteks medan yang lebih luas serta detail permukaan yang jauh lebih halus, mencakup sekitar dua juta bundel.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><a href=\"https:\/\/newsroom.ibm.com\/2026-09-10-ibm-and-nasa-release-open-source-ai-model-to-support-lunar-exploration\">IBM menjelaskan sumber daya data yang lebih luas<\/a> yaitu lebih dari 30 lapisan yang telah diselaraskan dari sembilan instrumen di empat misi. Kartu model mencantumkan 11 modalitas masukan. Gambar-gambar ini menggambarkan berbagai tahap dalam alur pemrosesan data: lapisan sumber, contoh pelatihan yang telah dikemas, dan jenis masukan yang dikodekan oleh model.<\/p>\n\n\n\n<section class=\"glb-lunar-data\" aria-label=\"Data bulan dan masukan model\" style=\"box-sizing:border-box;margin:28px 0;padding:24px;background:#f1f6f5;border:1px solid #bad0cb;border-radius:6px;color:#183d38;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-data-title\" style=\"box-sizing:border-box;color:#173e37;line-height:1.6;margin:0 0 18px;font-weight:750;font-size:1.2rem\">Satu proyek, tiga satuan penghitungan yang berbeda<\/p><div class=\"glb-lunar-data-grid\" style=\"box-sizing:border-box;display:grid;grid-template-columns:repeat(auto-fit,minmax(min(100%,220px),1fr));gap:12px\"><div class=\"glb-lunar-data-step\" style=\"box-sizing:border-box;min-width:0;background:#fff;border:1px solid #c2d5cf;padding:16px;border-radius:4px\"><span class=\"glb-lunar-data-number\" style=\"box-sizing:border-box;display:block;color:#12594d;font-size:1.55rem;font-weight:750;margin-bottom:8px\">30+ lapisan sumber<\/span><p style=\"box-sizing:border-box;color:#294e45;line-height:1.6;margin:8px 0\">IBM menjelaskan sumber daya data yang disusun dari sembilan instrumen yang digunakan dalam empat misi.<\/p><\/div><div class=\"glb-lunar-data-step\" style=\"box-sizing:border-box;min-width:0;background:#fff;border:1px solid #c2d5cf;padding:16px;border-radius:4px\"><span class=\"glb-lunar-data-number\" style=\"box-sizing:border-box;display:block;color:#12594d;font-size:1.55rem;font-weight:750;margin-bottom:8px\">1.963.722 bundel<\/span><p style=\"box-sizing:border-box;color:#294e45;line-height:1.6;margin:8px 0\">963.609 paket WAC dan 1.000.113 paket NAC menyediakan dua tingkatan materi pelatihan.<\/p><\/div><div class=\"glb-lunar-data-step\" style=\"box-sizing:border-box;min-width:0;background:#fff;border:1px solid #c2d5cf;padding:16px;border-radius:4px\"><span class=\"glb-lunar-data-number\" style=\"box-sizing:border-box;display:block;color:#12594d;font-size:1.55rem;font-weight:750;margin-bottom:8px\">11 jenis masukan<\/span><p style=\"box-sizing:border-box;color:#294e45;line-height:1.6;margin:8px 0\">Model ini mengolah berbagai jenis data pengamatan, termasuk citra satelit dan produk topografi.<\/p><\/div><\/div><p class=\"glb-lunar-data-note\" style=\"box-sizing:border-box;color:#35584f;line-height:1.6;margin:16px 0 0;font-size:.9rem\">Lapisan sumber, kumpulan ubin, dan modalitas masukan menghitung hal-hal yang berbeda. Sumber: <a href=\"https:\/\/newsroom.ibm.com\/2026-09-10-ibm-and-nasa-release-open-source-ai-model-to-support-lunar-exploration\" style=\"box-sizing:border-box;color:#10594e;text-decoration:underline\">Deskripsi kumpulan data IBM<\/a> dan <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\" style=\"box-sizing:border-box;color:#10594e;text-decoration:underline\">kartu model resmi<\/a>.<\/p><\/section>\n\n\n\n<p class=\"wp-block-paragraph\">Pencahayaan juga merupakan bagian dari desain. Model tersebut menerima geometri pengamatan, termasuk sudut pencahayaan, sebagai konteks eksplisit. Hal ini membantu membedakan bagaimana tampilan suatu permukaan di bawah pencahayaan tertentu dari pola medan dasar yang sedang dipelajarinya.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Satu piksel yang mewakili wilayah seluas sekitar 100 meter tidak dapat menampilkan detail yang sama dengan piksel yang mewakili wilayah seluas sekitar 1 meter. Itulah sebabnya hasil pengamatan kawah WAC dan NAC perlu mendapat perhatian tersendiri. Keunggulan pada citra berskala luas tidak berarti keunggulan yang sama pada fitur permukaan berskala kecil.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Proyek ini mengikuti pendekatan prapelatihan TerraMind, namun dilatih menggunakan data bulan dari awal. Oleh karena itu, proyek ini harus dipahami sebagai model yang dibangun untuk pengamatan bulan, bukan sekadar titik pemeriksaan pengamatan Bumi dengan nama baru. Pertanyaan yang relevan adalah bagaimana representasi yang dipelajarinya dapat membantu tugas pengamatan bulan tertentu.<\/p>\n\n\n\n<h2 id=\"what-it-can-do\" class=\"wp-block-heading\">Tiga tugas yang dapat didukungnya<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Evaluasi yang telah dipublikasikan mencakup tiga kelompok tugas. Masing-masing menghasilkan jenis jawaban yang berbeda, sehingga arti dari \u201clebih baik\u201d pun berubah-ubah tergantung pada tugasnya.<\/p>\n\n\n\n<div class=\"glb-lunar-table\" style=\"max-width:100%;overflow-x:auto;margin:28px 0;border:1px solid #c9d6df;border-radius:4px;box-sizing:border-box;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><table style=\"border-collapse:collapse;width:100%;min-width:590px;font-size:.94rem;line-height:1.6\"><thead><tr><th scope=\"col\" style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#edf3f6;color:#173f51\">Tugas<\/th><th scope=\"col\" style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#edf3f6;color:#173f51\">Output<\/th><th scope=\"col\" style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#edf3f6;color:#173f51\">Apa yang dapat didukung oleh hasil tersebut<\/th><\/tr><\/thead><tbody><tr><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Deteksi kawah<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Kotak pembatas di sekeliling kawah pada citra WAC atau NAC<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Membandingkan seberapa baik sebuah detektor mendeteksi dan menentukan lokasi kawah-kawah yang telah diberi label.<\/td><\/tr><tr><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Segmentasi Bintik Mare yang Tidak Teratur<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Gambaran umum fitur permukaan gunung berapi pada tingkat piksel<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Menganalisis sejauh mana wilayah yang diprediksi sesuai dengan batas-batas fitur yang telah diberi label.<\/td><\/tr><tr><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Regresi prospektivitas es kutub<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Prediksi berkelanjutan terhadap peta prospektivitas berbasis pengetahuan<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Menganalisis kesesuaian dengan target yang dimodelkan untuk kondisi yang mungkin terkait dengan es.<\/td><\/tr><\/tbody><\/table><\/div>\n\n\n\n<p class=\"wp-block-paragraph\">Deteksi kawah dan segmentasi fitur vulkanik dapat membantu para peneliti mengorganisir dan menganalisis citra. Kegunaannya bergantung pada label, skala, dan wilayah evaluasi. Sebuah model yang berkinerja baik pada kumpulan data uji yang telah ditentukan tetap perlu dievaluasi berdasarkan data dan pertanyaan ilmiah dari proyek baru.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Prospektivitas es memerlukan interpretasi yang paling cermat.<\/strong> Tujuannya adalah membuat peta berbasis pengetahuan mengenai lokasi-lokasi di mana kemungkinan terdapat es, bukan pengukuran langsung terhadap endapan es. Semakin sesuai hasilnya dengan peta tersebut, semakin dapat mendukung penelitian mengenai pola-pola dan wilayah-wilayah yang berpotensi. Hal ini tidak berarti bahwa telah ditemukan tambahan volume air.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter size-full\"><img decoding=\"async\" width=\"760\" height=\"500\" src=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-intended-use-20260928_45c0828921cb4df7a9802ad5b4edb59a.webp\" alt=\"Kartu model bulan resmi yang menjelaskan kegunaan penelitian dan batasan prediksi potensi keberadaan es.\" class=\"wp-image-20213\" srcset=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-intended-use-20260928_45c0828921cb4df7a9802ad5b4edb59a.webp 760w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-intended-use-20260928_45c0828921cb4df7a9802ad5b4edb59a-300x197.webp 300w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-intended-use-20260928_45c0828921cb4df7a9802ad5b4edb59a-18x12.webp 18w\" sizes=\"(max-width: 760px) 100vw, 760px\" \/><figcaption class=\"wp-element-caption\">The <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\">kartu model resmi<\/a> mendefinisikan prospektivitas es sebagai target yang dimodelkan dan mengesampingkan sertifikasi lokasi pendaratan.<\/figcaption><\/figure>\n\n\n\n<h2 id=\"benchmarks\" class=\"wp-block-heading\">Apa arti dari hasil benchmark tersebut<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">The <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\/blob\/main\/NI_LFM_Technical_Report.pdf\">laporan teknis<\/a> menyajikan nilai rata-rata dan simpangan baku berdasarkan lima nilai awal acak. Hasilnya membandingkan konfigurasi model lunar yang telah disesuaikan dengan model dasar vision yang telah ditetapkan. Kami telah memeriksa tabel-tabel yang dipublikasikan; kami tidak mengulangi eksperimen model lunar tersebut.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Metrik-metrik tersebut menjawab pertanyaan yang berbeda-beda. Mean Average Precision (mAP) mengevaluasi deteksi objek; Intersection over Union (IoU) mengukur tumpang tindih antara wilayah yang diprediksi dan yang diberi label; Root Mean Squared Error (RMSE) mengukur kesalahan prediksi numerik. Nilai mAP dan IoU yang lebih tinggi lebih baik, sedangkan nilai RMSE yang lebih rendah lebih baik. Metrik-metrik ini tidak boleh digabungkan menjadi satu skor akurasi.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"850\" height=\"680\" src=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-benchmarks-20260928_ce8b39a4f9d94857b7917f4ff77d7e9f.webp\" alt=\"Tabel perbandingan resmi yang membandingkan model lunar dengan model dasar yang telah dilatih sebelumnya menggunakan ImageNet.\" class=\"wp-image-20211\" srcset=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-benchmarks-20260928_ce8b39a4f9d94857b7917f4ff77d7e9f.webp 850w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-benchmarks-20260928_ce8b39a4f9d94857b7917f4ff77d7e9f-300x240.webp 300w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-benchmarks-20260928_ce8b39a4f9d94857b7917f4ff77d7e9f-768x614.webp 768w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-model-benchmarks-20260928_ce8b39a4f9d94857b7917f4ff77d7e9f-15x12.webp 15w\" sizes=\"(max-width: 850px) 100vw, 850px\" \/><figcaption class=\"wp-element-caption\">The <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\">tabel perbandingan para penulis<\/a> melaporkan peningkatan potensi es serta hasil yang sebanding terkait kawah berskala meter dan fitur vulkanik.<\/figcaption><\/figure>\n\n\n\n<section class=\"glb-lunar-results\" aria-label=\"Uji kinerja model lunar yang dilaporkan oleh penulis\" style=\"box-sizing:border-box;margin:30px 0;padding:24px;background:#102c3b;border:1px solid #244f61;border-radius:6px;color:#f0f7fa;font:inherit;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-results-title\" style=\"box-sizing:border-box;color:#fff;line-height:1.35;margin:0 0 9px;font-size:1.3rem;font-weight:750\">Kesalahan prospektivitas es: peningkatan paling nyata yang dilaporkan<\/p><p style=\"box-sizing:border-box;color:#e0edf3;line-height:1.65;margin:12px 0\">RMSE turun dari <strong style=\"box-sizing:border-box;color:#fff\">0,0377 hingga 0,0293<\/strong> terhadap SwinV2-B, sebuah <strong style=\"box-sizing:border-box;color:#fff\">22,31 TP40T pengurangan relatif<\/strong>. Semakin rendah nilai RMSE, semakin dekat kesesuaiannya dengan peta prospektivitas es dari acuan tersebut.<\/p><div class=\"glb-lunar-results-bars\" style=\"box-sizing:border-box;margin:22px 0\"><div class=\"glb-lunar-results-label\" style=\"box-sizing:border-box;display:flex;justify-content:space-between;gap:12px;color:#e9f5f9;font-size:.94rem;margin:15px 0 7px\"><span style=\"box-sizing:border-box\">SwinV2-B \u00b7 Telah dilatih sebelumnya dengan ImageNet<\/span><span style=\"box-sizing:border-box\">0,0377 \u00b1 0,0004<\/span><\/div><div class=\"glb-lunar-results-track\" aria-hidden=\"true\" style=\"box-sizing:border-box;height:15px;background:#264454;border-radius:2px\"><div class=\"glb-lunar-results-bar\" style=\"box-sizing:border-box;height:15px;background:#9bc9dd;border-radius:2px;width:100%\"><\/div><\/div><div class=\"glb-lunar-results-label\" style=\"box-sizing:border-box;display:flex;justify-content:space-between;gap:12px;color:#e9f5f9;font-size:.94rem;margin:15px 0 7px\"><span style=\"box-sizing:border-box\">NASA-IBM LFM \u00b7 penyempurnaan menyeluruh<\/span><span style=\"box-sizing:border-box\">0,0293 \u00b1 0,0013<\/span><\/div><div class=\"glb-lunar-results-track\" aria-hidden=\"true\" style=\"box-sizing:border-box;height:15px;background:#264454;border-radius:2px\"><div class=\"glb-lunar-results-bar glb-lunar-results-bar-lfm\" style=\"box-sizing:border-box;height:15px;background:#f5c56d;border-radius:2px;width:77.7188%\"><\/div><\/div><\/div><p class=\"glb-lunar-results-note\" style=\"box-sizing:border-box;color:#c7dce6;line-height:1.65;margin:12px 0;font-size:.89rem\">RMSE, semakin rendah semakin baik. Batang grafik dimulai dari nol. Rata-rata \u00b1 simpangan baku dari lima kali pengulangan. Sasarannya adalah peta prospektivitas yang dimodelkan, bukan pengukuran es.<\/p><div class=\"glb-lunar-results-scroll\" role=\"region\" aria-label=\"Hasil pengujian perbandingan bulan lainnya\" tabindex=\"0\" style=\"box-sizing:border-box;max-width:100%;overflow-x:auto;margin-top:22px\"><table style=\"box-sizing:border-box;border-collapse:collapse;width:100%;min-width:650px;color:#e4eff4;background:#102c3b;font-size:.86rem\"><thead style=\"box-sizing:border-box\"><tr style=\"box-sizing:border-box\"><th style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#fff;background:#1d3d4d;line-height:1.5;font-weight:700;border:1px solid #c6d6d0\">Tugas dan data<\/th><th style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#fff;background:#1d3d4d;line-height:1.5;font-weight:700;border:1px solid #c6d6d0\">Metrik \u2191<\/th><th style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#fff;background:#1d3d4d;line-height:1.5;font-weight:700;border:1px solid #c6d6d0\">Model Bulan<\/th><th style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#fff;background:#1d3d4d;line-height:1.5;font-weight:700;border:1px solid #c6d6d0\">Titik awal yang kuat<\/th><\/tr><\/thead><tbody style=\"box-sizing:border-box\"><tr style=\"box-sizing:border-box\"><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">Kawah WAC \u00b7 Data pelatihan 50%<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">mAP<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,2541 \u00b1 0,0018<br style=\"box-sizing:border-box\">penyesuaian menyeluruh<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,2313 \u00b1 0,0027<br style=\"box-sizing:border-box\">SwinV2-B<\/td><\/tr><tr style=\"box-sizing:border-box\"><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">Kawah WAC \u00b7 Data pelatihan 100%<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">mAP<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,2581 \u00b1 0,0017<br style=\"box-sizing:border-box\">LoRA<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,2420 \u00b1 0,0047<br style=\"box-sizing:border-box\">SwinV2-B<\/td><\/tr><tr style=\"box-sizing:border-box\"><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">Kawah-kawah NAC \u00b7 Data pelatihan 100%<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">mAP<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,1543 \u00b1 0,0098<br style=\"box-sizing:border-box\">LoRA<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,1552 \u00b1 0,0086<br style=\"box-sizing:border-box\">SwinV2-B<\/td><\/tr><tr style=\"box-sizing:border-box\"><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">Bintik-bintik Mare yang Tidak Teratur<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">IoU1<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,5709 \u00b1 0,0114<br style=\"box-sizing:border-box\">encoder beku<\/td><td style=\"box-sizing:border-box;padding:11px 10px;border-bottom:1px solid #38586a;text-align:left;vertical-align:top;color:#e4eff4;background:#102c3b;line-height:1.5;border:1px solid #c6d6d0\">0,5687 \u00b1 0,0181<br style=\"box-sizing:border-box\">ConvNeXtV2-B<\/td><\/tr><\/tbody><\/table><\/div><p style=\"box-sizing:border-box;color:#e0edf3;line-height:1.65;margin:12px 0\">Para penulis menggambarkan hasil pengamatan kawah dan fitur vulkanik berskala meter sebagai hasil yang sebanding dengan data acuan yang andal. Perbedaan kecil yang terdapat pada hasil tersebut sebaiknya diinterpretasikan dengan mempertimbangkan variasi antar-pengukuran.<\/p><p class=\"glb-lunar-results-note\" style=\"box-sizing:border-box;color:#c7dce6;line-height:1.65;margin:12px 0;font-size:.89rem\">Sumber: <a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\/blob\/main\/NI_LFM_Technical_Report.pdf\" style=\"box-sizing:border-box;color:#94dbf2;text-decoration:underline\">Laporan teknis NASA-IBM<\/a>, Tabel 4\u20137, halaman 16 dan 18. Ini adalah hasil penelitian para penulis, bukan hasil pengulangan penelitian secara independen.<\/p><\/section>\n\n\n\n<h3 class=\"wp-block-heading\">Hasil perhitungan es 22% menunjukkan penurunan tingkat kesalahan<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Untuk prospektivitas es, konfigurasi lunar terkuat yang dilaporkan memiliki RMSE sebesar 0,0293, dibandingkan dengan 0,0377 untuk SwinV2-B. Perhitungannya adalah <strong>(0,0377 \u2212 0,0293) \u00f7 0,0377 \u00d7 100 = 22,3%<\/strong>. RMSE mengukur kesalahan prediksi terhadap peta target; semakin rendah, semakin baik. Persentase ini bukanlah skor akurasi maupun perubahan jumlah es di Bulan.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Hasil analisis kawah bergantung pada metrik dan skala data<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Dengan 50% data pelatihan WAC, model lunar mencatat nilai mAP sebesar 0,2541 dibandingkan dengan 0,2313 untuk SwinV2-B. Hasil model lunar yang sama tersebut juga melampaui nilai baseline sebesar 0,2420 dengan 100% data pelatihan. Perbandingan pertama menggunakan fraksi data yang sama; sedangkan perbandingan kedua menunjukkan efisiensi label dalam eksperimen khusus ini.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Peningkatan IBM sebesar sekitar 19% dapat diselaraskan dengan nilai AP@75 dalam laporan tersebut pada data pelatihan sebesar 50%: 0,2213 berbanding 0,1862, yang menunjukkan kenaikan relatif sebesar 18,9%. AP@75 mengevaluasi deteksi pada ambang batas tumpang tindih tertentu. Nilai ini tidak boleh disamakan dengan peningkatan sebesar 19% pada metrik mAP dalam tabel.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Pada skala NAC yang lebih halus, nilai mAP model lunar adalah 0,1543 dan nilai mAP model dasar adalah 0,1552. Untuk Irregular Mare Patches, nilai IoU latar depan yang dilaporkan adalah 0,5709 dan 0,5687 dibandingkan dengan ConvNeXtV2-B. Para penulis menggambarkan tugas-tugas ini sebanding dengan baseline yang kuat. Perbedaan kecil, bersama dengan variasi yang dilaporkan antar-jalankan, tidak mendukung klaim bahwa model bulan selalu unggul di semua aspek.<\/p>\n\n\n\n<h2 id=\"access-and-cost\" class=\"wp-block-heading\">Di mana bisa mendapatkannya dan berapa biayanya<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Mulailah dari sumber resmi di bawah ini. Bobot model dan kode tersebut dilisensikan di bawah lisensi Apache-2.0, dan checkpoint-nya tersedia untuk umum. Repositori tersebut secara khusus menjelaskan sebuah <strong>Rilis penyempurnaan dan inferensi<\/strong>; hal ini secara tegas mengecualikan kode prapelatihan.<\/p>\n\n\n\n<section class=\"glb-lunar-access\" aria-label=\"Sumber daya resmi mengenai model bulan\" style=\"box-sizing:border-box;margin:28px 0;border:1px solid #b9cbd7;padding:24px;border-radius:6px;background:#f8fafc;color:#173544;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-access-title\" style=\"box-sizing:border-box;color:#173544;line-height:1.65;margin:0 0 16px;font-weight:750;font-size:1.2rem\">Pilih sumber daya untuk langkah Anda selanjutnya<\/p><div class=\"glb-lunar-access-grid\" style=\"box-sizing:border-box;display:grid;grid-template-columns:repeat(auto-fit,minmax(min(100%,220px),1fr));gap:12px\"><div class=\"glb-lunar-access-item\" style=\"box-sizing:border-box;padding:16px;min-width:0;border:1px solid #ced9df;border-radius:4px;background:#fff\"><a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\" style=\"box-sizing:border-box;color:#12546c;font-weight:700;text-decoration:underline;overflow-wrap:anywhere\">Baca kartu model<\/a><p style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0\">Mulailah dengan tujuan penggunaan, data masukan, lisensi, dan batasan-batasannya.<\/p><\/div><div class=\"glb-lunar-access-item\" style=\"box-sizing:border-box;padding:16px;min-width:0;border:1px solid #ced9df;border-radius:4px;background:#fff\"><a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\/tree\/main\" style=\"box-sizing:border-box;color:#12546c;font-weight:700;text-decoration:underline;overflow-wrap:anywhere\">Unduh bobot dan konfigurasi<\/a><p style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0\">Tab \"File\" berisi titik pemeriksaan yang telah dirilis beserta berkas-berkas yang menyertainya.<\/p><\/div><div class=\"glb-lunar-access-item\" style=\"box-sizing:border-box;padding:16px;min-width:0;border:1px solid #ced9df;border-radius:4px;background:#fff\"><a href=\"https:\/\/github.com\/NASA-IMPACT\/NASA-IBM-Lunar-Foundation-Model\" style=\"box-sizing:border-box;color:#12546c;font-weight:700;text-decoration:underline;overflow-wrap:anywhere\">Periksa kode penyempurnaan dan inferensi<\/a><p style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0\">Gunakan berkas README dan konfigurasi tugas TerraTorch untuk merencanakan sebuah eksperimen.<\/p><\/div><div class=\"glb-lunar-access-item\" style=\"box-sizing:border-box;padding:16px;min-width:0;border:1px solid #ced9df;border-radius:4px;background:#fff\"><a href=\"https:\/\/huggingface.co\/collections\/nasa-ibm-ai4science\/nasa-ibm-lunar-fm-and-downstream-models\" style=\"box-sizing:border-box;color:#12546c;font-weight:700;text-decoration:underline;overflow-wrap:anywhere\">Telusuri model dan sumber daya data<\/a><p style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0\">Ikuti koleksi resmi ini untuk mengakses model dan kumpulan data terkait di tahap selanjutnya.<\/p><\/div><div class=\"glb-lunar-access-item\" style=\"box-sizing:border-box;padding:16px;min-width:0;border:1px solid #ced9df;border-radius:4px;background:#fff\"><a href=\"https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\/blob\/main\/NI_LFM_Technical_Report.pdf\" style=\"box-sizing:border-box;color:#12546c;font-weight:700;text-decoration:underline;overflow-wrap:anywhere\">Baca laporan teknisnya<\/a><p style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0\">Tabel 4\u20137 menyajikan hasil tugas, pengaturan, dan variasi antar-jalankan.<\/p><\/div><div class=\"glb-lunar-access-item\" style=\"box-sizing:border-box;padding:16px;min-width:0;border:1px solid #ced9df;border-radius:4px;background:#fff\"><a href=\"https:\/\/huggingface.co\/spaces\/nasa-ibm-ai4science\/nasa-ibm-lunar-foundation-model-generation-demo\" style=\"box-sizing:border-box;color:#12546c;font-weight:700;text-decoration:underline;overflow-wrap:anywhere\">Kunjungi demo resminya<\/a><p style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0\">Jelajahi versi demo proyek ini. Kami tidak menjalankan proses pembuatannya dalam tinjauan ini.<\/p><\/div><\/div><p class=\"glb-lunar-access-note\" style=\"box-sizing:border-box;color:#2c4958;line-height:1.65;margin:9px 0 0;font-size:.9rem;margin-top:16px\">Saat diperiksa pada tanggal 28 September 2026, kartu model tersebut tidak mencantumkan adanya Hugging Face Inference Provider yang telah diterapkan. Checkpoint yang dapat diunduh dan halaman demonstrasi merupakan jalur akses yang terpisah.<\/p><\/section>\n\n\n\n<p class=\"wp-block-paragraph\">Jika Anda ingin menyesuaikan model, pilih tugas hilir sebelum menyiapkan eksperimen. Repositori ini menyediakan komponen dan konfigurasi yang kompatibel dengan TerraTorch untuk menghubungkan checkpoint, tugas, dan data. TerraTorch adalah kerangka kerja perangkat lunak yang digunakan untuk mengatur alur kerja pelatihan dan evaluasi tersebut.<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Baca kartu model dan berkas README, lalu pilih deteksi, segmentasi, atau regresi sesuai dengan pertanyaan ilmiah yang diajukan.<\/li>\n\n\n\n<li>Peroleh data yang relevan dan titik pemeriksaan resmi, serta periksa konfigurasi tugas dan petunjuk lingkungan pada repositori tersebut.<\/li>\n\n\n\n<li>Siapkan data untuk konfigurasi tersebut, lalu jalankan alur kerja penyempurnaan atau inferensi yang sesuai.<\/li>\n\n\n\n<li>Lakukan evaluasi berdasarkan tolok ukur yang sesuai dan simpan pembagian data, pengaturan, serta hasilnya agar hasilnya dapat diverifikasi.<\/li>\n<\/ol>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"1440\" height=\"900\" src=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-github-access-20260928_0ed29da82aa24945999f774b4713ac5d.webp\" alt=\"Dokumen README resmi di GitHub yang menjelaskan rilis penyempurnaan model bulan dan proses inferensi.\" class=\"wp-image-20210\" srcset=\"https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-github-access-20260928_0ed29da82aa24945999f774b4713ac5d.webp 1440w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-github-access-20260928_0ed29da82aa24945999f774b4713ac5d-300x188.webp 300w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-github-access-20260928_0ed29da82aa24945999f774b4713ac5d-1024x640.webp 1024w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-github-access-20260928_0ed29da82aa24945999f774b4713ac5d-768x480.webp 768w, https:\/\/wp.glbgpt.com\/wp-content\/uploads\/2026\/09\/lunar-github-access-20260928_0ed29da82aa24945999f774b4713ac5d-18x12.webp 18w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/><figcaption class=\"wp-element-caption\">The <a href=\"https:\/\/github.com\/NASA-IMPACT\/NASA-IBM-Lunar-Foundation-Model\">repositori resmi<\/a> menyediakan kode untuk penyempurnaan dan inferensi; kode ini tidak mencakup kode prapelatihan.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Akses terbuka memang menghilangkan proses pembelian lisensi model pada tahap awal, tetapi menjalankan eksperimen tetap memerlukan biaya. Anda memerlukan daya komputasi, penyimpanan, persiapan data, dan waktu untuk evaluasi. Checkpoint yang dirilis tidak secara otomatis dilengkapi dengan API yang dihosting atau waktu penggunaan GPU gratis, dan sumber-sumber tersebut tidak menetapkan spesifikasi GPU minimum yang berlaku secara universal untuk setiap tugas hilir.<\/p>\n\n\n\n<div class=\"glb-lunar-table\" style=\"max-width:100%;overflow-x:auto;margin:28px 0;border:1px solid #c9d6df;border-radius:4px;box-sizing:border-box;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><table style=\"border-collapse:collapse;width:100%;min-width:590px;font-size:.94rem;line-height:1.6\"><thead><tr><th scope=\"col\" style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#edf3f6;color:#173f51\">Tujuan Anda<\/th><th scope=\"col\" style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#edf3f6;color:#173f51\">Sumber daya atau biaya yang perlu diperhitungkan<\/th><\/tr><\/thead><tbody><tr><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Baca dan nilai siaran pers tersebut<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Pengumuman publik, kartu model, laporan, dan repositori.<\/td><\/tr><tr><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Menjalankan atau menyesuaikan model ilmiah<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Sistem komputasi dan penyimpanan yang sesuai, data yang relevan, pengaturan lingkungan, serta pekerjaan evaluasi.<\/td><\/tr><tr><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Memahami artikel ilmiah dan menyusun ringkasan penelitian<\/td><td style=\"padding:13px 15px;text-align:left;vertical-align:top;border:1px solid #d5dfe5;background:#fff;color:#263c48\">Ruang kerja asisten peneliti seperti GlobalGPT, yang menyediakan akses ke model dan alat bantu dokumentasi dalam satu langganan.<\/td><\/tr><\/tbody><\/table><\/div>\n\n\n\n<h2 id=\"research-workflow\" class=\"wp-block-heading\">Gunakan AI untuk memahami penelitian tersebut<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Pertanyaan pertama yang produktif bersifat spesifik: \u201cApa sebenarnya yang diukur oleh peningkatan 22% yang dilaporkan itu?\u201d Untuk menjawabnya, diperlukan target, metrik, nilai acuan, dan perhitungan. Menanyakan keempat hal tersebut jauh lebih bermanfaat daripada sekadar bertanya kepada asisten apakah model tersebut mengesankan.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">GlobalGPT memungkinkan Anda menyelesaikan tugas membaca tersebut mulai dari pencarian sumber, penjelasan dokumen, hingga penulisan tanpa perlu berpindah-pindah antar alat yang berbeda untuk setiap langkahnya. Untuk metode yang dapat diulang, <a href=\"https:\/\/www.glbgpt.com\/hub\/how-to-use-perplexity-for-research\/\">menyusun ringkasan penelitian yang telah diverifikasi sumbernya<\/a> dengan daftar sumber yang singkat dan pertanyaan-pertanyaan yang jelas sebelum meminta ringkasan yang sudah disempurnakan.<\/p>\n\n\n\n<section class=\"glb-lunar-workflow\" aria-label=\"Alur kerja penelitian tiga tahap\" style=\"box-sizing:border-box;margin:28px 0;padding:24px;border:1px solid #c2d2de;border-radius:6px;background:#eef5fa;color:#183c51;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-workflow-title\" style=\"box-sizing:border-box;font-size:1.2rem;font-weight:750;margin:0 0 16px;color:#183c51\">Dari sumber resmi hingga paparan yang bermanfaat<\/p><ol style=\"box-sizing:border-box;margin:0;padding-left:24px\"><li style=\"box-sizing:border-box;padding:0 0 14px 4px;color:#24495f;line-height:1.65\"><strong style=\"box-sizing:border-box;color:#153e55\">Kumpulkan bahan baku.<\/strong> Mulailah dengan pengumuman NASA, lalu tambahkan kartu model, laporan teknis, dan berkas README. Anda dapat <a href=\"https:\/\/www.glbgpt.com\/perplexity?inviter=hub_content_perplexity&amp;login=1\" style=\"box-sizing:border-box;color:#125977;text-decoration:underline\">penelitian dengan Perplexity pada GlobalGPT<\/a> untuk mencari sumber-sumber pendukung.<\/li><li style=\"box-sizing:border-box;padding:0 0 14px 4px;color:#24495f;line-height:1.65\"><strong style=\"box-sizing:border-box;color:#153e55\">Ajukan pertanyaan yang spesifik.<\/strong> Mintalah seorang asisten untuk menjelaskan mAP, IoU, dan RMSE secara terpisah, lalu cantumkan target, baseline, dan pengaturan evaluasi yang mendasari setiap klaim tersebut.<\/li><li style=\"box-sizing:border-box;padding:0 0 14px 4px;color:#24495f;line-height:1.65;padding-bottom:0\"><strong style=\"box-sizing:border-box;color:#153e55\">Periksa dan tulis.<\/strong> Buka kembali tabel yang dimaksud, periksa setiap angka, dan susun catatan yang telah diperiksa menjadi ringkasan yang tetap mempertahankan batasan-batasan ilmiahnya.<\/li><\/ol><\/section>\n\n\n\n<p class=\"wp-block-paragraph\">Kami menguji versi ringkas dari alur kerja ini menggunakan GPT-5.6 Sol. Model tersebut menerima kumpulan data yang disaring dari empat sumber resmi dan ditugaskan untuk menghasilkan ringkasan singkat, mengklasifikasikan enam klaim, menghitung penurunan RMSE, serta mengusulkan langkah-langkah praktis selanjutnya. Tugas ini menggunakan teks yang telah disediakan; model tersebut tidak mencari bukti baru.<\/p>\n\n\n\n<section class=\"glb-lunar-setup\" aria-label=\"Pengaturan uji coba dalam briefing penelitian\" style=\"box-sizing:border-box;margin:28px 0;padding:22px;border:1px solid #b9cbd7;border-left:4px solid #13576c;border-radius:6px;background:#f3f8fb;color:#172f3b;font:inherit;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-setup-title\" style=\"box-sizing:border-box;margin:0 0 10px;color:#123443;line-height:1.65;font-size:1.18rem;font-weight:700\">Uji briefing berbasis sumber<\/p><p style=\"box-sizing:border-box;margin:8px 0;color:#243f4c;line-height:1.65\">Kami memberikan GPT-5.6 Sol sekumpulan materi singkat yang diambil dari pengumuman NASA, kartu model resmi, laporan teknis, dan berkas README di GitHub. Model tersebut harus menyusun ringkasan, memeriksa enam klaim, dan menjelaskan perhitungan RMSE.<\/p><dl style=\"box-sizing:border-box;display:block;grid-template-columns:repeat(auto-fit,minmax(min(100%,220px),1fr));gap:12px 24px;margin:16px 0 0\"><div style=\"box-sizing:border-box\"><dt style=\"box-sizing:border-box;font-weight:700;color:#234453\">Ruang kerja dan tanggal<\/dt><dd style=\"box-sizing:border-box;margin:4px 0 14px;color:#2c4855\">GlobalGPT \u00b7 28 September 2026<\/dd><\/div><div style=\"box-sizing:border-box\"><dt style=\"box-sizing:border-box;font-weight:700;color:#234453\">Jalankan kebijakan<\/dt><dd style=\"box-sizing:border-box;margin:4px 0 14px;color:#2c4855\">Satu soal; jawaban pertama yang lengkap; tidak boleh mencoba ulang<\/dd><\/div><div style=\"box-sizing:border-box\"><dt style=\"box-sizing:border-box;font-weight:700;color:#234453\">Masukan<\/dt><dd style=\"box-sizing:border-box;margin:4px 0 14px;color:#2c4855\">Paket sumber berisi 355 kata dengan empat ID sumber<\/dd><\/div><div style=\"box-sizing:border-box\"><dt style=\"box-sizing:border-box;font-weight:700;color:#234453\">Ruang lingkup<\/dt><dd style=\"box-sizing:border-box;margin:4px 0 14px;color:#2c4855\">Pembacaan dan sintesis; tanpa pencarian secara real-time atau eksekusi model bulan<\/dd><\/div><div style=\"box-sizing:border-box\"><dt style=\"box-sizing:border-box;font-weight:700;color:#234453\">Pengaturan respons<\/dt><dd style=\"box-sizing:border-box;margin:4px 0 14px;color:#2c4855\">Batas token keluaran: 4.096; semua pengaturan pengambilan sampel lainnya tetap menggunakan nilai default layanan<\/dd><\/div><div style=\"box-sizing:border-box\"><dt style=\"box-sizing:border-box;font-weight:700;color:#234453\">Penggunaan dan biaya<\/dt><dd style=\"box-sizing:border-box;margin:4px 0 14px;color:#2c4855\">Total 2.154 token dilaporkan; tanggapan tersebut tidak mencantumkan biaya dalam bentuk uang<\/dd><\/div><\/dl><\/section>\n\n\n\n<section class=\"glb-lunar-t01\" aria-label=\"Hasil uji briefing berbasis sumber\" style=\"box-sizing:border-box;margin:28px 0;padding:24px;background:#f7fafc;border:1px solid #b9cbd7;border-radius:6px;color:#172f3b;font:inherit;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-t01-title\" style=\"box-sizing:border-box;color:#123443;line-height:1.35;margin:0 0 8px;font-size:1.3rem;font-weight:700\">Jawaban pertama tetap mempertahankan klaim-klaim ilmiah dalam lingkupnya<\/p><div class=\"glb-lunar-t01-metrics\" style=\"box-sizing:border-box;display:grid;grid-template-columns:repeat(auto-fit,minmax(min(100%,220px),1fr));gap:10px;margin:18px 0\"><div class=\"glb-lunar-t01-metric\" style=\"box-sizing:border-box;padding:14px;background:#e3eef3;border:1px solid #c4d7df;border-radius:4px\"><span class=\"glb-lunar-t01-number\" style=\"box-sizing:border-box;display:block;font-size:1.55rem;font-weight:750;color:#123c4d;line-height:1.2\">6 \/ 6<\/span><span class=\"glb-lunar-t01-label\" style=\"box-sizing:border-box;display:block;font-size:.86rem;color:#294b5a;margin-top:6px;line-height:1.4\">Hasil verifikasi klaim sesuai dengan sumber yang disediakan<\/span><\/div><div class=\"glb-lunar-t01-metric\" style=\"box-sizing:border-box;padding:14px;background:#e3eef3;border:1px solid #c4d7df;border-radius:4px\"><span class=\"glb-lunar-t01-number\" style=\"box-sizing:border-box;display:block;font-size:1.55rem;font-weight:750;color:#123c4d;line-height:1.2\">22.3%<\/span><span class=\"glb-lunar-t01-label\" style=\"box-sizing:border-box;display:block;font-size:.86rem;color:#294b5a;margin-top:6px;line-height:1.4\">Penurunan RMSE relatif yang tepat<\/span><\/div><div class=\"glb-lunar-t01-metric\" style=\"box-sizing:border-box;padding:14px;background:#e3eef3;border:1px solid #c4d7df;border-radius:4px\"><span class=\"glb-lunar-t01-number\" style=\"box-sizing:border-box;display:block;font-size:1.55rem;font-weight:750;color:#123c4d;line-height:1.2\">14,0 detik<\/span><span class=\"glb-lunar-t01-label\" style=\"box-sizing:border-box;display:block;font-size:.86rem;color:#294b5a;margin-top:6px;line-height:1.4\">Saatnya memberikan tanggapan lengkap ini<\/span><\/div><\/div><p style=\"box-sizing:border-box;color:#25434f;line-height:1.65;margin:12px 0\">Jawaban tersebut menghasilkan ringkasan sepanjang 112 kata, membantah klaim bahwa model tersebut telah menemukan 22% es yang lebih nyata, serta mempertahankan pembatasan terkait sertifikasi lokasi pendaratan dan akses ke kode prapelatihan. Tiga langkah selanjutnya mengacu kembali pada kartu model resmi, titik pemeriksaan, dan sumber daya TerraTorch.<\/p><p class=\"glb-lunar-t01-note\" style=\"box-sizing:border-box;color:#405967;line-height:1.65;margin:12px 0;font-size:.91rem\">Ini adalah salah satu tugas membaca yang menggunakan bahan yang disediakan. Paket sumber tersebut telah menyebutkan batasan-batasan utamanya. Hasilnya tidak menunjukkan kemampuan dalam penelitian mandiri atau penalaran berbasis penginderaan jauh bulan.<\/p><details style=\"box-sizing:border-box;margin:14px 0 0;padding:12px 14px;background:#fff;border:1px solid #bed0dc;border-radius:4px\"><summary style=\"box-sizing:border-box;cursor:pointer;color:#174d62;font-weight:700;line-height:1.5\">Lihat prompt yang tepat dan paket sumbernya<\/summary><pre style=\"box-sizing:border-box;margin:14px 0 0;white-space:pre-wrap;overflow-wrap:anywhere;word-break:normal;max-width:100%;font:0.88rem\/1.65 ui-monospace,SFMono-Regular,Consolas,monospace;color:#203d4a;background:#fff\">SISTEM\nAnda berperan sebagai editor penelitian yang teliti yang menulis untuk seorang mahasiswa. Gunakan hanya paket sumber yang disediakan. Jangan mencari informasi di luar sumber tersebut. Bedakan antara hasil pengukuran benchmark yang dilaporkan dengan pengukuran ilmiah di dunia nyata. Cantumkan ID sumber dalam tanda kurung siku. Jika suatu klaim tidak didukung bukti, nyatakan hal itu dengan jelas. Jangan mengarang kutipan, harga, persyaratan perangkat keras, atau hasil eksperimen. Berikan jawaban yang diminta, bukan alasan tersembunyi.\n\nPENGGUNA\nUbah paket sumber menjadi catatan penelitian praktis. Kembalikan: (1) ringkasan dalam bahasa Inggris sederhana sebanyak 100\u2013130 kata; (2) tabel pemeriksaan klaim berbaris enam yang menggunakan persis \"Didukung\" atau \"Tidak didukung\", ID sumber, dan penjelasan satu kalimat untuk setiap klaim yang disediakan; (3) pengurangan RMSE relatif yang dihitung dari 0,0377 menjadi 0,0293, dibulatkan hingga satu tempat desimal, disertai rumus dan satu kalimat yang menjelaskan apa yang tidak diukur oleh rumus tersebut; (4) tiga langkah praktis selanjutnya bagi seorang mahasiswa yang ingin memeriksa atau mengadaptasi model yang telah dirilis. Jumlah kata keseluruhan jawaban harus kurang dari 500 kata.\n\nKlaim yang perlu diperiksa:\n1. NASA dan IBM mengumumkan model tersebut secara publik pada 10 September 2026.\n2. RMSE prospektivitas es yang dilaporkan turun dari 0,0377 untuk SwinV2-B menjadi 0,0293 untuk model bulan yang telah disempurnakan sepenuhnya.\n3. Model tersebut menemukan 22% lebih banyak es air asli di Bulan.\n4. NASA telah memvalidasi model ini untuk sertifikasi lokasi pendaratan dan klarifikasi bahaya.\n5. Rilis GitHub mencakup kode prapelatihan.\n6. Titik pemeriksaan terbuka menjamin bahwa komputasi GPU dan inferensi yang dihosting gratis.\n\nPaket sumber:\n[S1] Pengumuman NASA, 10 September 2026.\nJudul: NASA dan IBM Meluncurkan Model Dasar AI untuk Ilmu Bulan.\nURL: https:\/\/science.nasa.gov\/science-research\/artificial-intelligence-lunar-foundation-model\/\nNASA mengumumkan model dasar ilmu bulan yang dikembangkan bersama IBM. Model ini dihosting secara publik di Hugging Face, dengan kode sumbernya tersedia di GitHub. Model ini dapat diadaptasi untuk pemetaan kawah, identifikasi fitur vulkanik, dan penelitian es kutub.\n\n[S2] Kartu model resmi NASA-IBM dan laporan teknis, diperiksa pada 28 September 2026.\nURL kartu model: https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\nURL laporan teknis: https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\/blob\/main\/NI_LFM_Technical_Report.pdf\nTabel 7 dalam laporan tersebut (halaman 18) menyajikan nilai root mean squared error (RMSE) pada set uji untuk regresi prospektivitas es. Semakin rendah nilainya, semakin baik. Rata-rata plus\/minus simpangan baku dari lima benih acak: NASA-IBM LFM dengan penyempurnaan penuh, 0,0293 \u00b1 0,0013; SwinV2-B yang dilatih sebelumnya dengan ImageNet, 0,0377 \u00b1 0,0004. Tujuannya adalah peta prospektivitas es yang didasarkan pada pengetahuan. Ini adalah hasil benchmark yang dilaporkan oleh penulis, bukan replikasi independen atau pengukuran langsung terhadap es air.\nTabel 4 (halaman 16), kawah WAC dengan data pelatihan 50%: mAP kotak pembatas adalah 0,2541 \u00b1 0,0018 untuk LFM yang disesuaikan sepenuhnya dan 0,2313 \u00b1 0,0027 untuk SwinV2-B. Pada baris yang sama, nilai AP@75 masing-masing adalah 0,2213 \u00b1 0,0028 dan 0,1862 \u00b1 0,0041. Metrik-metrik ini tidak boleh dipertukarkan.\n\n[S3] Kartu model resmi, Tujuan penggunaan \/ Di luar cakupan \/ Keterbatasan.\nURL: https:\/\/huggingface.co\/nasa-ibm-ai4science\/NASA-IBM-Lunar-Foundation-Model\nTujuan penggunaan adalah penginderaan jauh Bulan melalui penyempurnaan atau adaptasi LoRA untuk deteksi, segmentasi, dan regresi padat. Model ini tidak divalidasi untuk sertifikasi lokasi pendaratan atau pembersihan bahaya. Keluaran prospektivitas es diregresikan dari peta berbasis pengetahuan, bukan es yang diukur. Bidang yang dihasilkan merupakan probe kualitatif, bukan prediksi ilmiah yang dikalibrasi. Model ini tidak mempertahankan kerangka acuan geodetik absolut. Model ini belum dievaluasi di luar Bulan. Lisensi yang tercantum adalah Apache-2.0. Halaman ini melaporkan tidak adanya penerapan Penyedia Inferensi. Paket ini tidak menjanjikan komputasi GPU gratis atau inferensi yang dihosting secara gratis, serta tidak mencantumkan spesifikasi perangkat keras minimum atau harga API yang dihosting.\n\n[S4] README GitHub Resmi, diperiksa pada 28 September 2026.\nURL: https:\/\/github.com\/NASA-IMPACT\/NASA-IBM-Lunar-Foundation-Model\nRepositori ini menjelaskan rilis penyempurnaan dan inferensi. Kode prapelatihan tidak disertakan. Bobot dan konfigurasi dapat diunduh dari repositori model resmi Hugging Face. Modul data, tugas, pembungkus backbone, dan konfigurasi tugas yang kompatibel dengan TerraTorch disediakan. Penyesuaian dan pengujian memerlukan data, titik pemeriksaan, serta konfigurasi tugas yang relevan. Berkas README mencantumkan lisensi Apache 2.0.\n<\/pre><\/details><details style=\"box-sizing:border-box;margin:14px 0 0;padding:12px 14px;background:#fff;border:1px solid #bed0dc;border-radius:4px\"><summary style=\"box-sizing:border-box;cursor:pointer;color:#174d62;font-weight:700;line-height:1.5\">Lihat jawaban pertama selengkapnya<\/summary><pre style=\"box-sizing:border-box;margin:14px 0 0;white-space:pre-wrap;overflow-wrap:anywhere;word-break:normal;max-width:100%;font:0.88rem\/1.65 ui-monospace,SFMono-Regular,Consolas,monospace;color:#203d4a;background:#fff\">## 1. Pengarahan\n\nNASA dan IBM mengumumkan Lunar Foundation Model pada 10 September 2026. Rilis publik ini menyediakan bobot di Hugging Face serta kode penyempurnaan dan inferensi di GitHub, yang ditujukan untuk tugas-tugas penginderaan jauh Bulan seperti pemetaan kawah, identifikasi fitur vulkanik, dan penelitian es kutub. Tolak ukur prospektivitas es yang dilaporkan menunjukkan peningkatan RMSE dibandingkan SwinV2-B yang telah dilatih sebelumnya menggunakan ImageNet, namun tujuannya adalah peta berbasis pengetahuan, bukan pengukuran langsung terhadap es di Bulan. Hasil ini dilaporkan oleh penulis berdasarkan lima benih acak dan bukan merupakan replikasi independen. Model ini dimaksudkan untuk diadaptasi melalui penyempurnaan penuh (full fine-tuning) atau LoRA, namun belum divalidasi untuk sertifikasi lokasi pendaratan atau penilaian risiko bahaya. Kode prapelatihan tidak disertakan, dan rilis ini tidak menjanjikan komputasi GPU gratis maupun layanan inferensi yang dihosting. [S1][S2][S3][S4]\n\n## 2. Tabel verifikasi klaim\n\n| Klaim | Kesimpulan | Sumber | Penjelasan |\n|---|---|---|---|\n| 1 | Didukung | [S1] | Pengumuman NASA tertanggal 10 September 2026, dan mengidentifikasi model tersebut sebagai proyek NASA\u2013IBM. |\n| 2 | Didukung | [S2] | Tabel 7 melaporkan nilai RMSE sebesar 0,0377 untuk SwinV2-B dan 0,0293 untuk model bulan yang telah disempurnakan sepenuhnya. |\n| 3 | Tidak didukung | [S2] | Angka-angka tersebut merupakan kesalahan benchmark terhadap peta prospektivitas berbasis pengetahuan, bukan pengukuran es air bulan yang sebenarnya. |\n| 4 | Tidak didukung | [S3] | Kartu model secara eksplisit menyatakan bahwa model ini belum divalidasi untuk sertifikasi lokasi pendaratan atau klarifikasi bahaya. |\n| 5 | Tidak didukung | [S4] | Repositori GitHub menyediakan sumber daya penyempurnaan dan inferensi, tetapi tidak menyertakan kode prapelatihan. |\n| 6 | Tidak didukung | [S3] | Paket ini tidak menjanjikan komputasi GPU gratis atau layanan inferensi yang dihosting, dan tidak melaporkan adanya penerapan Penyedia Inferensi. |\n\n## 3. Pengurangan RMSE relatif\n\n\\[\n\\frac{0,0377-0,0293}{0,0377}\\times 100 = 22,3\\%\n\\]\n\nIni adalah **penurunan relatif sebesar 22,3% pada RMSE benchmark yang dilaporkan penulis**; hal ini tidak mengukur penemuan es air tambahan yang sebenarnya atau kinerja ilmiah yang divalidasi secara independen. [S2]\n\n## 4. Langkah-langkah praktis selanjutnya\n\n1. Bacalah tujuan penggunaan, batasan, dan lisensi Apache-2.0 pada kartu model sebelum memilih tugas deteksi, segmentasi, atau regresi. [S3]\n2. Unduh checkpoint resmi dan konfigurasi dari Hugging Face, lalu periksa wrapper backbone dan konfigurasi tugas di GitHub. [S4]\n3. Peroleh dataset bulan yang relevan dan gunakan komponen yang kompatibel dengan TerraTorch yang disediakan untuk penyempurnaan dan pengujian, dengan mencatat bahwa kode prapelatihan tidak tersedia dan hasil benchmark memerlukan evaluasi independen. [S2][S4]<\/pre><\/details><\/section>\n\n\n\n<p class=\"wp-block-paragraph\">Hasil yang bermanfaat adalah tetap terjaganya perbedaan-perbedaan tersebut: kesalahan benchmark versus es yang terdeteksi, penggunaan untuk penelitian versus sertifikasi pendaratan, serta kode adaptasi yang dirilis versus kode prapelatihan yang tidak ada. Karena batasan-batasan tersebut sudah terdapat dalam paket sumber, hal ini menjadi bukti keberhasilan tugas pembacaan dan sintesis, bukan bukti bahwa asisten tersebut akan secara mandiri mengungkap setiap peringatan.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Untuk proyek yang lebih besar, <a href=\"https:\/\/www.glbgpt.com\/hub\/how-to-use-chatgpt-deep-research-complete-tutorial-tips-and-best-practices\/\">merencanakan sesi penelitian yang lebih mendalam dengan bantuan AI<\/a> seputar pertanyaan-pertanyaan terpisah mengenai data, metode, evaluasi, dan keterbatasan. Letakkan tabel sumber di samping draf dan periksa kembali setiap angka setelah penyuntingan. Kebiasaan itu lebih penting daripada seberapa lancar ringkasan pertama terdengar.<\/p>\n\n\n\n<h2 id=\"limitations\" class=\"wp-block-heading\">Batas-batas yang relevan dalam praktiknya<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Kartu model tersebut menyebutkan bahwa model bulan belum divalidasi untuk pengambilan keputusan operasional seperti sertifikasi lokasi pendaratan atau penilaian risiko. Model ilmiah dapat membantu menganalisis pengamatan tanpa harus memastikan bahwa suatu wahana antariksa dapat mendarat dengan aman di suatu tempat. Penggunaan-penggunaan tersebut memerlukan tingkat validasi yang berbeda.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Bidang yang dihasilkan juga perlu diperhatikan dengan hati-hati. Model ini tidak mempertahankan kerangka acuan geodetik absolut, dan nilai-nilai yang dihasilkan dapat menyimpang dari nilai-nilai fisik. Para penulis menggambarkan proses pembuatannya sebagai alat uji kualitatif, bukan prediksi ilmiah yang telah dikalibrasi. Peta medan atau peta pengamatan yang tampak masuk akal tidak boleh dianggap sebagai hasil pengukuran.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Titik pemeriksaan tersebut belum dievaluasi di luar Bulan. Bahkan dalam penelitian tentang Bulan, hasil evaluasinya beragam: terdapat kemajuan yang jelas pada beberapa tugas dan hasil yang sebanding pada tugas lainnya. Pelajaran yang dapat dipetik adalah menilai model tersebut berdasarkan target, skala, data, dan acuan yang sesuai dengan eksperimen Anda.<\/p>\n\n\n\n<h2 id=\"faq\" class=\"wp-block-heading\">Pertanyaan yang Sering Diajukan<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Apakah Model Fondasi Bulan NASA-IBM dapat digunakan secara gratis?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Kartu model resmi dan repositori kode mencantumkan lisensi Apache-2.0, dan checkpoint-nya tersedia untuk umum. Untuk menjalankan eksperimen, tetap diperlukan sumber daya komputasi yang memadai, persiapan data, serta evaluasi yang disesuaikan dengan tugas tertentu. Akses terbuka terhadap model ini tidak menjamin ketersediaan komputasi GPU gratis atau layanan inferensi yang dihosting.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Apakah Model Fondasi Bulan NASA-IBM itu sebuah chatbot?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Model ini merupakan model dasar untuk penginderaan jauh Bulan, yang dirancang untuk diintegrasikan dengan citra, produk topografi, dan data pengamatan terkait. Para peneliti mengadaptasinya untuk tugas-tugas deteksi, segmentasi, dan regresi. Asisten obrolan dapat membantu menjelaskan dokumentasi tersebut, namun berinteraksi dengan chatbot merupakan alur kerja yang berbeda dari menjalankan model ini.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Apakah model tersebut menemukan lebih banyak es air di Bulan?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Hasil analisis es yang dilaporkan ini mengukur sejauh mana prediksi sesuai dengan peta prospektivitas es yang didasarkan pada pengetahuan. Nilai RMSE terbaik yang dilaporkan turun dari 0,0377 menjadi 0,0293 dibandingkan dengan baseline yang disebutkan, yang merupakan penurunan relatif sekitar 22%. Hal ini merupakan peningkatan benchmark; bukan pengukuran penemuan es tambahan.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Apakah saya bisa menjelajahi proyek ini tanpa menulis kode?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Anda dapat membaca pengumuman NASA, memeriksa kartu model, menjelajahi tabel tolok ukur yang dipublikasikan, dan mengunjungi halaman demonstrasi resmi tanpa perlu membangun alur kerja pelatihan. Untuk menyesuaikan checkpoint yang dirilis dengan tugas ilmiah, gunakan kode, data, dan konfigurasi TerraTorch dari repositori tersebut, dilanjutkan dengan validasi khusus tugas.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Bagaimana hubungan model bulan dengan Prithvi dan Surya?<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Model-model tersebut merupakan bagian dari kolaborasi yang lebih luas antara NASA dan IBM dalam pengembangan model dasar untuk bidang sains. NASA menjelaskan bahwa model Prithvi ditujukan untuk pengamatan Bumi dan aplikasi cuaca, model Surya untuk heliofisika, serta model Bulan untuk pengamatan Bulan. Bidang penerapan dan tugas yang dimaksudkan dari masing-masing model tersebut berbeda; titik uji model Bulan belum dievaluasi di luar wilayah Bulan.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Model Lunar Foundation NASA-IBM menawarkan titik awal yang dapat digunakan kembali untuk penelitian penginderaan jauh Bulan. Gunakan tabel resmi untuk memahami kelebihan model ini, kartu model untuk menentukan batasannya, dan sumber daya yang telah dirilis untuk merencanakan eksperimen yang disesuaikan dengan tugas tertentu. Jika tujuan Anda saat ini adalah belajar atau menulis, mulailah dengan mengubah sumber-sumber tersebut menjadi ringkasan yang telah diverifikasi.<\/p>\n\n\n\n<section class=\"glb-lunar-cta\" aria-label=\"Buat ringkasan penelitian dengan GlobalGPT\" style=\"box-sizing:border-box;margin:34px 0 14px;padding:26px;border:1px solid #234e63;border-radius:6px;background:#123142;color:#eef8fc;max-width:100%;overflow-wrap:anywhere;font-family:system-ui,-apple-system,BlinkMacSystemFont,&quot;Segoe UI&quot;,sans-serif;line-height:1.65\"><p class=\"glb-lunar-cta-title\" style=\"box-sizing:border-box;color:#fff;line-height:1.4;margin:0 0 12px;font-size:1.35rem;font-weight:750\">Ubah makalah teknis menjadi ringkasan yang bisa Anda manfaatkan<\/p><p style=\"box-sizing:border-box;color:#e2eef5;line-height:1.7;margin:12px 0 20px\">Bawa sumber-sumber resmi Anda ke GlobalGPT, pelajari konsep-konsep yang belum Anda kenal, dan susun temuan yang telah diverifikasi menjadi catatan yang jelas atau draf yang sudah jadi\u2014semuanya dalam satu ruang kerja multi-model.<\/p><a class=\"glb-lunar-cta-button\" href=\"https:\/\/www.glbgpt.com\/home?inviter=hub_content_home&amp;login=1\" style=\"box-sizing:border-box;display:inline-block;padding:12px 17px;border-radius:4px;background:#d9f2ef;color:#103b3b;font-weight:750;text-decoration:none;line-height:1.5;max-width:100%;overflow-wrap:anywhere\">Jelajahi penelitian dengan GlobalGPT<\/a><\/section>","protected":false},"excerpt":{"rendered":"<p>Model Lunar Foundation NASA-IBM adalah model AI terbuka untuk menganalisis pengamatan Bulan. Diumumkan pada 10 September 2026, model ini dapat disesuaikan untuk mendeteksi kawah, mengidentifikasi fitur vulkanik, dan memprediksi pola pada peta prospek es. Keunggulan yang dilaporkan terkait dengan tolok ukur penelitian tertentu: hasil utama terkait es adalah penurunan kesalahan prediksi, bukan penemuan [\u2026]<\/p>","protected":false},"author":7,"featured_media":20209,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"","_seopress_titles_title":"NASA-IBM Lunar Foundation Model: Uses, Results & Access","_seopress_titles_desc":"Learn what the NASA-IBM Lunar Foundation Model does, how to read its ice and crater benchmarks, and where to get the open model, data, and research code.","_seopress_robots_index":"","footnotes":""},"categories":[7],"tags":[],"class_list":["post-20207","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-chat"],"acf":[],"_links":{"self":[{"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/posts\/20207","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/comments?post=20207"}],"version-history":[{"count":2,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/posts\/20207\/revisions"}],"predecessor-version":[{"id":20215,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/posts\/20207\/revisions\/20215"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/media\/20209"}],"wp:attachment":[{"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/media?parent=20207"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/categories?post=20207"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.glbgpt.com\/id\/wp-json\/wp\/v2\/tags?post=20207"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}