IA

Anthropic y la Universidad Johns Hopkins crean el primer mapa completo del cielo en luz ultravioleta utilizando Claude Science

El astrofísico Brice Ménard emplea un equipo de agentes autónomos de IA para unificar datos de más de 38.000 observaciones de telescopios espaciales y completar mediante técnicas de estimación el tercio del firmamento que permanecía sin explorar.

Guardar
Compartir
Fotografía de Anthropic

    El astrofísico Brice Ménard, profesor de la Universidad Johns Hopkins e investigador de la firma Anthropic, ha completado la creación del primer mapa astronómico continuo del cielo observado en luz ultravioleta (UV).

    La elaboración de este recurso científico —que combina observaciones de la galaxia en rango UV lejano y cercano— fue ejecutada en colaboración con la plataforma Claude Science, coordinando un sistema de agentes autónomos de inteligencia artificial para procesar datos satelitales y estimar la radiación en regiones que carecían de registros visuales previa a esta investigación.

    Históricamente, los astrofísicos se veían imposibilitados de mostrar un mapa ultravioleta completo de la Vía Láctea debido a que los telescopios espaciales —como la misión GALEX de la NASA— omitían de forma deliberada el escaneo de zonas con estrellas muy brillantes para evitar daños en sus sensores de detección.

    Flujo de trabajo con agentes de IA y procesamiento de datos espacial

    El proyecto requirió unificar decenas de miles de archivos de datos provenientes de misiones espaciales como GALEX y Swift (NASA), FIMS/SPEAR (Corea del Sur), TD-1 e infraestructuras de la Agencia Espacial Europea (ESA) como Gaia y Planck.

    La arquitectura de agentes dirigida por Claude Science ejecutó el pipeline de datos mediante las siguientes etapas operativas:

    • Búsqueda e ingesta autónoma: Descarga y normalización de más de 38.000 imágenes individuales capturadas en diferentes épocas y condiciones de brillo.
    • Calibración y limpieza de resplandor: Eliminación del brillo parasitario de la atmósfera terrestre y corrección del deslumbramiento causado por estrellas de alta magnitud en cada observación circular.
    • Predicción mediante Inpainting y datos multiespectrales: Para rellenar el 33% del cielo que jamás había sido fotografiado en UV, el modelo aprendió la relación estadística entre la radiación ultravioleta y las observaciones existentes en luz visible, infrarroja y ondas de radio, estimando los valores faltantes con un margen de error inferior al 10% respecto a mediciones reales.
    • Incorporación de estrellas individuales: Adición del flujo ultravioleta de más de 100 millones de estrellas mapeadas por el satélite Gaia de la ESA.

    Visualización de la Vía Láctea y utilidad educativa

    El mapa final revela con alta precisión estructuras astrofísicas complejas, incluyendo nubes de polvo iluminadas por estrellas jóvenes, anillos y bucles gigantescos generados por explosiones de supernovas y filamentos débiles que atraviesan la galaxia, además de la presencia detallada de la Gran y Pequeña Nube de Magallanes.

    La integración de la IA en tareas complejas de astronomía demuestra cómo la automatización de la calibración de datos masivos (big data) permite abordar proyectos de investigación de escala científica sin interrumpir los flujos de trabajo tradicionales de los investigadores.

    El mapa interactivo, junto con las capas de estimación de incertidumbre, se encuentra disponible públicamente como recurso educativo e investigación para la comunidad científica global.