به گزارش حیات، این مدل همچنین می‌تواند از برنامه‌های مربوط به حضور پایدار انسان در ماه پشتیبانی کند. مدل پایه ماه ناسا وآی بی ام (NASA-IBM Lunar Foundation Model) یک ابزار هوش مصنوعی عمومی و در دسترس است که برای مطالعهٔ ماه طراحی شده است.

این مدل با استفاده از بیش از ۳۰ لایهٔ داده آموزش داده شده که توسط ۹ ابزار علمی در چهار مأموریت ناسا جمع‌آوری شده‌اند، از جمله داده‌های مدارگرد شناسایی ماه (Lunar Reconnaissance Orbiter).

این مدل به خانوادهٔ مدل‌های پایهٔ متن‌باز Prithvi متعلق بهآی بی ام و ناسا می‌پیوندد؛ خانواده‌ای که کاربردهای مختلفی از جمله داده‌های مکانی، آب‌وهوا و سایر حوزه‌ها را پوشش می‌دهد.

این مدل می‌تواند به پژوهشگران کمک کند تا ذخایر احتمالی یخ در مناطق دائماً سایه‌دار ماه را شناسایی کنند، برای انتخاب محل‌های امن فرود، دهانه‌های برخوردی ماه را نقشه‌برداری کنند و ویژگی‌های آتشفشانی سطح ماه را بررسی کنند.

این کارها در گذشته معمولاً مستلزم آن بود که دانشمندان نقشه‌ها و تصاویر را به‌صورت دستی بررسی کنند یا از ابزارهای یادگیری ماشین با وضوح پایین‌تر استفاده کنند.

ناسا وآی بی ام اعلام کردند که در آزمایش‌های استاندارد مقایسه‌ای، این مدل توانست ویژگی‌های مهم سطح ماه را تا ۲۳ درصد دقیق‌تر از روش‌های رایج و پرکاربرد شناسایی کند.

یخ ماه برای سازمان‌های فضایی اهمیت ویژه‌ای دارد، زیرا وجود آن می‌تواند نشان‌دهندهٔ حضور آب و اکسیژن باشد. این منابع برای ایجاد یک پایگاه آیندهٔ انسانی روی ماه و همچنین تولید سوخت موشک برای مأموریت‌های فضایی به مریخ ضروری تلقی می‌شوند.