Anthropic发布首张完整紫外全天图：Claude填补NASA十年空白
NASA卫星耗时十年未完成的银河系紫外巡天，被Anthropic的AI模型Claude在几天内补齐。约翰斯·霍普金斯大学天体物理学家Brice Ménard利用Claude Science指挥多智能体（Agent）团队，整合过去50年的紫外数据，生成了首张无死角的紫外全天图。
紫外光下的整片天空，银心在正中。约三分之一的天区，包括大半条银河盘面，是Claude推算出来的
这张地图填补了三分之一的天空空白，这些区域此前从未被任何紫外望远镜直接观测过。通过AI算法，科学家将原本需要数周的人工校准与数据处理工作压缩至数天，且无需中断其他研究项目。
卫星回避的银河盲区：技术挑战与数据缺失
在天文学各个波段的全天图中，紫外波段长期存在缺失。由于大气臭氧层吸收紫外光，相关观测必须依赖太空望远镜。过去50年间，NASA的GALEX卫星（2003-2013年）拍摄了约3.8万张图像，覆盖了三分之二天空。
剩余三分之一天区，主要是恒星密集的银河盘面，因强光可能损坏探测器而被GALEX刻意回避。此外，Swift、FIMS/SPEAR等后续任务虽有所补充，但数据拼接后仍存在大量缺口。自GALEX退役后，再无同等级别的紫外巡天望远镜发射。
从GALEX的原始观测到最终成图，黑色是从没被紫外看过的地方
紫外波段呈现出与可见光截然不同的宇宙景象：尘埃对紫外的吸收更强，导致可见光中明亮的银心在紫外下显得暗淡；而猎户座、大小麦哲伦云等恒星形成区则在紫外下发出强烈蓝光。
同一片天空，上为可见光，下为紫外，银河一带的明暗几乎颠倒了过来
AI重构全天图：多智能体协作与精度验证
Ménard教授利用Claude Science平台，通过自然语言指令驱动AI完成复杂的数据处理流程。主Agent派遣子Agent搜索并下载公开的紫外巡天数据，进行去眩光、统一分辨率及坐标校准。
针对缺失的三分之一天区，AI学习了已有数据中紫外亮度与可见光、红外、射电波段的对应关系，逐点推算空白区域的紫外亮度，并评估置信度。验证显示，推算结果与真实测量值的偏差仅约10%，肉眼难以分辨差异。最终，结合欧空局Gaia卫星数据，地图叠加了1.19亿颗恒星的紫外亮度信息。
智能纠错：解决残留辉光难题
在初期成果中，Ménard发现暗天区存在由GALEX单次观测留下的圆形“脚印”，这是地球大气紫外辉光扣除不净所致。尽管该问题已被列入已知风险，但前两轮AI审查均未识别。经教授提示后，Agent重新处理了3.8万次观测数据，成功消除了圆斑伪影。
两处被GALEX绕开的亮星天区。左为单次观测留下的圆斑，中为逐张扣掉背景后仍有残留，右为补洞、叠上Gaia恒星后的成图
科学价值与应用前景
最终生成的紫外全天图清晰展示了年轻亮星周围的尘埃云、超新星爆炸产生的尘埃环以及银盘外的尘埃丝。例如，天蝎座和蛇夫座方向被年轻恒星照亮的尘埃云在紫外下呈现明显蓝光，而大麦哲伦云中的蜘蛛星云等恒星育婴室细节也得以显现。
银心上方，天蝎座、蛇夫座方向被年轻恒星照亮的尘埃云
针对外界对“推算数据”完整性的质疑，Ménard在地图中标注了每个像素的数据来源（实测或推算）及误差范围，强调区分二者的重要性。在NASA造价3亿美元的UVEX探测器于2030年发射前，这张基于旧数据重构的地图提供了重要的过渡性科学资源。
NASA下一代紫外探测器UVEX效果图，计划2030年发射
此案例表明，AI正在接手那些对人类科学家而言耗时巨大、优先级低但基础价值高的“积压工作”。如哈佛物理学家Matthew Schwartz类似地利用AI在三个月内完成横跨18个学科的36篇论文初稿。在通往人工超级智能（ASI）的道路上，AI首先改变的是科学基础研究的工作流，让人类专注于决策与方向指引，而将繁琐的数据处理交给智能体。
参考资料：
https://www.anthropic.com/research/the-missing-map-of-the-sky
https://x.com/AnthropicAI/status/2108290395599667700
编辑：摩西 桃子
