Agentes de IA ayudan a completar un mapa ultravioleta de todo el cielo

El vacío en la cartografía ultravioleta

La luz ultravioleta es absorbida por la capa de ozono terrestre, lo que obliga a realizar estas observaciones desde el espacio. Durante décadas, los telescopios espaciales han fotografiado partes del cielo en esta banda, pero nunca de forma completa. El mayor volumen de datos proviene de la misión GALEX de la NASA, que operó entre 2003 y 2013 y capturó aproximadamente 38.000 imágenes, cubriendo cerca de dos tercios del cielo.

GALEX omitió deliberadamente el plano de la Vía Láctea y otras regiones con alta densidad de estrellas brillantes para evitar dañar sus detectores. Además, su detector de ultravioleta lejano dejó de funcionar antes que el de ultravioleta cercano. Misiones posteriores como Swift de la NASA y FIMS/SPEAR de Corea del Sur añadieron datos, pero al combinarlos, el cielo seguía presentando grandes huecos, especialmente en el tercio central del disco galáctico.

El rol de Claude Science en el procesamiento

Brice Ménard, astrofísico de la Universidad Johns Hopkins e investigador en Anthropic, encargó a Claude Science la tarea de reunir, calibrar y fusionar todos los datos ultravioleta disponibles. La plataforma coordinó un equipo de agentes de IA que descargaron los conjuntos de datos públicos, eliminaron artefactos como los halos de estrellas brillantes y unificaron las escalas de medición de los diferentes instrumentos.

El proceso no fue automático en su totalidad. Ménard proporcionó instrucciones de alto nivel y revisó los resultados intermedios. Los agentes trabajaron de forma autónoma durante horas en tareas repetitivas, como la calibración cruzada entre telescopios y la corrección de fondos atmosféricos residuales, mientras el investigador se centraba en la dirección científica del proyecto.

Relleno de huecos mediante inpainting

Para cubrir el tercio del cielo sin datos ultravioleta directos, se utilizó una técnica de aprendizaje automático llamada inpainting. El modelo aprendió las correlaciones entre el brillo ultravioleta y otras longitudes de onda (visible, infrarrojo y radio) en las regiones ya observadas. Luego, aplicó estas relaciones estadísticas para estimar el brillo ultravioleta en las zonas vacías, punto por punto.

Es crucial distinguir que estas áreas no son observaciones nuevas, sino predicciones basadas en datos existentes. El mapa final etiqueta cada píxel como 'medido' o 'predicho' e incluye estimaciones de incertidumbre, permitiendo a los usuarios saber qué parte de la imagen proviene de fotones reales y qué parte de modelos estadísticos.

Validación y corrección de errores

Para evaluar la precisión, Ménard pidió a Claude que ocultara deliberadamente partes de regiones con datos conocidos y las reconstruyera. Tras varias rondas de ajuste, las predicciones se desviaron en promedio un 10% respecto a las mediciones reales, una diferencia casi imperceptible visualmente. Sin embargo, la documentación técnica matiza que en algunas regiones reconstruidas los errores pueden alcanzar el 12-14%.

Un incidente revelador ocurrió cuando Ménard detectó círculos tenues en el mapa, causados por el resplandor atmosférico residual de GALEX que no se había eliminado por completo. Aunque dos revisiones automáticas por otros agentes no lo detectaron, la intervención humana permitió a los agentes rastrear el origen y corregir las 38.000 observaciones en cuestión de horas, eliminando los artefactos.

Implicaciones y límites del proyecto

El mapa, que incluye estimaciones de luz ultravioleta para más de 100 millones de estrellas de Gaia, se presenta como una herramienta educativa y de investigación. Permite visualizar estructuras como nubes de polvo iluminadas por estrellas jóvenes y remanentes de supernovas en una vista continua de la Vía Láctea.

No obstante, el proyecto no ha pasado aún por una revisión por pares formal. La afirmación de ser el 'primer mapa completo' se refiere a la cobertura continua, no a la observación directa de cada punto. La IA ha demostrado ser útil para tareas de ingeniería de datos laboriosas, pero no sustituye la validación científica independiente ni garantiza la detección de nuevos objetos en las zonas predichas.

Continúa explorando

Correcciones y transparencia

Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.