编辑丨coisini
天空的样貌取决于观测波段。可见光下主要呈现恒星，红外波段凸显银河系尘埃，射电波段揭示氢气分布，X 射线则展现恒星爆炸及黑洞吸积等剧烈现象。这些多波段数据共同帮助天文学家理解恒星形成、星系演化等关键过程。
然而，由于大气臭氧层对紫外光的吸收，地面无法进行紫外观测，必须依赖太空望远镜。过去 50 年间，虽然已有部分紫外数据发布，但全天图始终存在缺失。
近日，约翰斯・霍普金斯大学天体物理学家、Anthropic 研究员 Brice Ménard 宣布，通过与 Claude Science 合作，成功制作了首张完整的紫外光全天图。
该图以紫外波段呈现整片天空，银河系中心位于中央（结合远紫外 154 纳米和近紫外 232 纳米）。值得注意的是，图中约三分之一的区域由 Claude Science 预测生成。
构建紫外全天图：AI 智能体的协同作业
此前最大的紫外数据集来自 NASA 的 GALEX 任务（2003-2013 年），其覆盖了约三分之二的天空。出于保护探测器免受强光损坏的考虑，GALEX 刻意避开了包括银河系银道面在内的明亮恒星区域。
传统统计技术虽可估算缺失数据，但需进行像素级校准及复杂反复的分析，工作量巨大。今年夏天，Brice Ménard 利用 Claude Science 自动化完成了这一挑战：收集所有公开紫外数据集，统一尺度，合并地图，并填补未观测区域的空白。
Claude 统筹了一支 AI 智能体团队执行以下任务：
1. 数据搜集与预处理：搜索并下载公开天文紫外巡天数据，确保每组数据内部的一致性，以便跨时间段比较。
2. 交叉校准与合并：针对不同望远镜和仪器采集的数据，进行交叉校准，重绘至相同分辨率，并映射到统一坐标系。
图像修复技术填补数据空白
最核心的难点在于填补约占天空三分之一的未观测区域。Brice Ménard 指导 Claude Science 采用「图像修复」（inpainting）技术，并结合多波段信息进行推断。
在缺乏紫外数据的区域，团队利用了可见光、红外和射电等其他波段的观测数据。基于已测绘的三分之二天空，Claude 学习了紫外光与其他波段之间的关联规律，并将其应用于空白区域，估算出各点的紫外辐射强度及置信度。
为验证准确性，团队故意隐藏部分已知紫外数据作为测试集。模型需在无真实值参考的情况下进行补全。经过数轮迭代优化，估算结果与真实测量值的误差控制在 10% 以内，差异几乎不可察觉。
最终，在图像修复的基础上，Claude 还根据欧洲空间局盖亚卫星的可见光数据，估算并添加了超过 1 亿颗恒星的紫外光信息，完成了第一版完整紫外全天图。
成果展示与科学意义
经过十余个版本的迭代优化，最终版紫外全天图展现了丰富的宇宙结构：年轻恒星周围的尘埃云、大质量恒星爆炸形成的气体泡及尘埃环、贯穿天空的微弱尘埃丝线，以及因年轻恒星而明亮的大、小麦哲伦云。
Brice Ménard 表示，这张地图将加入经典天空图行列，助力后代学生探索宇宙奥秘。
此次合作也是 AI for Science 的成功实践。整个过程持续数天，形成了高效的人机协作节奏：研究者规划方向，AI 独立执行长时间计算。这种模式让科学家能够在不牺牲其他研究时间的前提下，推进那些因优先级问题而被搁置的创新想法。
参考链接：https://www.anthropic.com/research/the-missing-map-of-the-sky