重建太空UV图 | Anthropic

星***

anthropic.com – 8 Oct 26 (https://www.anthropic.com/research/the-missing-map-of-the-sky)

Using Claude Science to produce the first complete map of the sky in UV light (https://www.anthropic.com/research/the-missing-map-of-the-sky)
Claude Science helped produce the first complete map of the sky in UV light
约翰·霍普金斯大学的天体物理学家、Anthropic公司的研究员布里斯·梅纳德解释了他如何与 Claude 科学公司合作，制作出首张完整的紫外光天空图。这张地图将成为一项宝贵的教学工具，使学生能够详细观察在这一波长下可见的银河系的丰富结构。
我教天体物理学时，经常会先向学生们展示，在不同的波长下，天空呈现出截然不同的景象。每种波长都会展现不同的特征。在可见光波段，我们主要看到的是恒星。切换到红外波段，就能看到银河系沿线聚集的微小尘埃颗粒发出的光芒。在射电波段，恒星和尘埃逐渐消失，而氢气——新恒星形成的原材料——则变得清晰可见。在X射线波段，我们可以看到剧烈的宇宙现象，例如恒星爆炸，或者物质螺旋式地落入黑洞。这些特征共同帮助天文学家理解气体如何坍缩成恒星，恒星如何将尘埃播撒到银河系中，以及像我们这样的星系是如何形成的。

每当谈到紫外线如何揭示被星光照亮的尘埃，从年轻恒星周围的星云到恒星爆炸后留下的光环时，我总是不得不道歉。因为我能展示的紫外线地图总是漏洞百出。

今年夏天，我着手制作了一幅完整的天空紫外线地图。 (https://www.anthropic.com/news/claude-science-ai-workbench)这些指令简单易懂，但执行起来并不简单：收集所有可用的紫外线数据集，将它们放在统一比例尺上，合并成一张地图，填满所有紫外望远镜从未观测到的天空区域。
为此，Claude 策划了一支AI代理团队。首先，Agent 们在网上搜索公开的天文紫外巡天，每份都包含大量独立数据点或图像——NASA的GALEX任务为数万张图像——这些图像是在多年、不同条件下拍摄的。
数据下载后，工作人员必须使每次调查内部保持一致，以便一个时间段拍摄的图像与另一个时期的图像进行比较。这需要特别关注明亮恒星周围的区域。就像太阳或路灯能给地球上的照片增添眩光一样，星星也能为太空望远镜拍摄的天空图像增添眩光。必须先去除眩光，才能精确测量恒星周围较弱的紫外线。许多特工在天空不同区域并行工作，能够平衡这些差异。
接下来，这些调查必须合并。这些数据集由不同仪器和不同望远镜收集，每个仪器捕捉紫外天空的方式略有不同，因此必须相互交叉校准，按相同分辨率重新绘制，并映射到统一坐标系上，才能合并成一张地图。我给了 Claude 高层次的操作指示，Claude 则组建了一支 Agent 团队执行任务。
接下来是最难的部分：填补地图上的空白。大约三分之一的天空从未在紫外线下被观测到。为了解决这些空白，我请Claude Science使用一种叫做修复的技术——这是机器学习中常见的过程，通过数百万张照片训练的模型学习图像的每个部分如何与周围环境的关系，并利用这些知识恢复图像中受损或缺失的部分。
Claude 将这种方法与我们手头的其他信息结合起来。在缺乏紫外数据的地方，我们确实可以在其他波段进行观测，包括可见光、红外和射电波。利用被紫外线映射的三分之二天空，克劳德了解了紫外线亮度与这些波长的关系。然后它将该关系应用于没有紫外线数据的三分之一天空，估算每个点的预期效果及其信心。
为了验证模型预测的准确性，我让Claude对已有紫外线数据的区域进行刻意隐藏部分区域，形成修复设计中用来填充的空白区域。模型必须利用所学知识来完成图像，但无法获得真实数值。经过多轮优化，它能够将隐藏数据估算到实际紫外测量值的约10%，这一差异人眼几乎察觉不到。
最后，在这模糊的涂色背景上，Claude 还通过欧洲航天局的盖亚卫星在可见光下测量推断出的超过一亿颗恒星的紫外光估计值。天空完整紫外图的第一个版本已经完成。

FengB***

蹲后续，看看有没有补充内容。