NASA presentó, en colaboración con IBM Research y varias instituciones académicas, el NASA-IBM Lunar Foundation Model, uno de los primeros modelos de IA de código abierto creados específicamente para la ciencia lunar. Según el informe publicado el 10 de septiembre de 2026, el modelo se entrenó principalmente con datos del Lunar Reconnaissance Orbiter (LRO) y está alojado públicamente en Hugging Face, con su código disponible en GitHub.

El modelo se entrenó con aproximadamente 2 millones de mosaicos de imágenes de ese conjunto de datos, que incluyen más de 1 millón de imágenes de cámara de alta resolución a 1 metro de resolución y cerca de 964.000 imágenes multiespectrales a 100 metros. También se usaron datos de misiones como GRAIL y Lunar Prospector de NASA y el explorador japonés SELENE. Según la fuente, permite tareas como cartografiar cráteres, identificar rasgos volcánicos y estimar la estabilidad del hielo polar con pequeñas cantidades de datos etiquetados.

Kevin Murphy, de la sede de NASA en Washington, afirmó que el modelo muestra lo que es posible al aplicar IA a los petabytes de datos científicos de la agencia. La fuente indica que el modelo igualó o superó a varios modelos de referencia en todas las tareas evaluadas, con una ventaja clara en la estimación de la estabilidad del hielo polar.