Claude「补天」，拼出了人类从没拍到的三分之一天空- 大数跨境

APPSO

2026-10-09

导读：那些尚未被拍到的地方，仍然在等一束真正的紫外线抵达

天空浩瀚且复杂，单一波段的观测往往只能窥见一角。若切换至可见光、紫外线、红外线或射电波段，同一片星空将呈现截然不同的结构。

2003年，NASA发射了GALEX星系演化探测器，这是一台运行于地球轨道的紫外线太空望远镜。它仅在进入地球背光面时进行科学观测，每次覆盖约1.2度宽的圆形区域，分别记录远紫外和近紫外光。随着观测累积，这些碎片化的数据逐渐拼凑成巡天图。

截至2007年，GALEX的全天成像巡天已覆盖约三分之二的天空，拍摄了近3.8万张快照。然而，直至2013年任务结束，紫外线星图中仍存在大量空白。为避免强光损伤探测器，明亮恒星和银河盘面区域被有意规避，后续其他望远镜的补充观测也未能完全填补这些缺口。

10月8日，Anthropic展示了一张无缺口的全新地图——首张完整的紫外线全天图。

Claude如何「补全」紫外线星空

在这张新地图中，约三分之一区域从未被紫外线望远镜直接观测，而是由AI模型推算得出。今年夏季，约翰斯·霍普金斯大学物理与天文学教授、Anthropic研究员Brice Ménard向Claude下达任务：整合现有紫外线观测数据，统一坐标与标尺，并补全缺失区域。

Ménard多年来渴望在课堂上展示一张无损的紫外线天空图，但受制于繁琐的数据清理工作。对Claude而言，这并非简单的问答，而是一项复杂的工程任务：需拆解为搜集公开巡天资料、下载本地数据、校准不同年份及仪器的图像，并最终实现数据对齐。

只有当所有测量值处于同一坐标和亮度标准下，空白处的推算才具备参照系。Ménard负责制定方向，Claude则调度多个Agent并行处理不同区域。计算与校准过程持续数小时，研究者定期检查结果并调整后续策略。

这一过程如同大规模的工程校对：需解决不同仪器、不同年份图像的亮度与分辨率差异，并从微弱背景中剔除明亮恒星造成的杂光。Agent在处理各自区域的同时，逐步拼接多源数据。

针对无紫外线观测的区域，团队利用其他波段数据进行推断。通过建立紫外线亮度与可见光、红外线、射电数据之间的统计关系，估算空白区域亮度。此外，基于欧洲航天局Gaia卫星的可见光数据，团队还估算了上亿颗恒星的紫外线贡献并叠加至背景图。

为验证准确性，Ménard采用“遮罩测试”：隐藏部分已观测区域，利用剩余数据重构图像，并与实测值对比。经多轮迭代，Anthropic宣称预测结果与实测值的差异约为10%。

值得注意的是，该准确率仅基于已观测区域的测试。对于真正从未被拍摄的区域，尚缺乏逐点核对的原始紫外线数据。

初版地图生成后，Ménard在暗区发现若干若隐若现的圆圈，其明暗程度与周围略有差异。凭借专业经验，他判断这些并非真实天体，而是GALEX望远镜圆形拍摄边界留下的仪器痕迹。若将这些伪影误认为天空实景，将误导观察者。

尽管Claude已知晓此类残留风险并安排Agent进行了两轮审查，但仍未能识别该问题。直到Ménard人工介入，这一已知风险才得以具体修正。

最终地图历经十多个版本迭代，不仅融合了远紫外和近紫外信息，还为每个像素标注了“测得”或“预测”状态及其不确定性。用户既可查看成图，也能明确知晓数据来源是望远镜实测还是模型推算。

移除圆圈伪影后，地图更贴近真实天空。然而，即便拼接再完整，若混淆“实测”与“预测”，地图便失去了告知用户“已知”与“未知”边界的能力。分类绘制，才是构建可用紫外线全天图的关键。

利用算法补全紫外线地图并非首创，2021年已有研究借助神经网络完成类似工作。Ménard近年亦专注于神经网络在天体物理中的应用，包括利用星系数据研究星际尘埃及开发自动规律发现算法。

作为天体物理学家，Ménard深知挑战不在于数据匮乏，而在于如何从海量数据中提炼可靠知识并激发想象。常人眼中的“天空”默认指向肉眼可见光，而多波段观测揭示了更深层的结构。

在这张图上，部分光线曾真实落在探测器上，另一部分则是人类基于多波段线索推演而来。二者首次在同一片星空下交汇，让我们得以沿银河纵深凝视。

切换不同光线波段，银河横带的明暗分布随之变化，展现出多样的宇宙面貌。

用户可在图中查看发光尘埃云及其邻近恒星，并探究由Claude预测构建的区域为何呈现特定亮度。那些尚未被捕捉的地方，仍在等待真正的紫外线抵达。在此之前，人类已通过想象描绘出它们的模样。

完整研究指路：https://menard.pha.jhu.edu/uvmap/

【声明】内容源于网络

APPSO

AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

内容 15816

粉丝 0

APPSO AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al

总阅读502.2k

粉丝0

内容15.8k