Cerca de um terço do céu nunca foi observado no ultravioleta. Em 8 de outubro de 2026, a Anthropic publicou um relato do astrofísico Brice Ménard sobre como ele usou o Claude Science para combinar observações espaciais de arquivo e estimar as áreas que faltavam. No mapa, as regiões medidas são diferenciadas das previsões do modelo, que também incluem uma avaliação de incerteza.

O projeto mostra como agentes de IA podem ajudar no processamento trabalhoso de arquivos científicos: localizar conjuntos de dados, colocar observações em uma escala comum e executar cálculos repetitivos. Para testar as previsões, Ménard ocultou do modelo partes de regiões com medições ultravioleta conhecidas e, em seguida, comparou os valores reconstruídos com os dados reais.
Como combinaram observações de diferentes telescópios
A radiação ultravioleta é absorvida pelo ozônio da atmosfera, por isso essas observações são feitas do espaço. A principal fonte de dados do projeto foi a missão NASA GALEX, que observou o céu de 2003 a 2012. O levantamento de arquivo do MAST informa que o GALEX observou 77% do céu em pelo menos uma faixa; a missão evitou deliberadamente algumas regiões com estrelas muito brilhantes, devido ao risco para os detectores. O projeto também obteve dados adicionais do Swift e da missão sul-coreana FIMS/SPEAR.
Não era possível simplesmente somar as observações de diferentes instrumentos: elas precisavam ser calibradas entre si, ajustadas para a mesma resolução e colocadas em um sistema de coordenadas comum. Segundo Ménard, o Claude coordenou o trabalho de agentes que pesquisaram levantamentos astronômicos abertos, processaram imagens e combinaram os resultados. No esquema do projeto, os componentes calculados por procedimentos determinísticos são separados das estimativas estatísticas do modelo.
Lacunas estimadas com base em outras faixas
Para preencher as áreas vazias, o Claude usou inpainting — um método para estimar dados ausentes com base em padrões encontrados nas imagens disponíveis. Nas regiões sem observações ultravioleta, havia dados nas faixas visível, infravermelha e de rádio. Nas áreas com medições ultravioleta, o modelo estimou a relação entre elas e as observações em outras faixas e, depois, aplicou essas relações às regiões não cobertas por observações ultravioleta.
Ménard testou as previsões em regiões conhecidas: ocultou parte dos dados ultravioleta reais e pediu ao sistema que os reconstruísse. Após várias iterações, nesse teste as estimativas diferiram das medições ocultas em cerca de 10%. O resultado descreve um teste em regiões conhecidas; para o mapa final, a Anthropic também informa que há camadas separadas, identificadas como «medido» e «previsto», com estimativas de incerteza.
O mapa também inclui estimativas da luz ultravioleta de mais de 100 milhões de estrelas individuais. Elas foram obtidas a partir de medições na faixa visível da missão Gaia, da Agência Espacial Europeia. Assim, o mapa combina observações de arquivo e camadas calculadas, preservando informações sobre a origem de cada uma.
Revisão humana detectou um erro após duas análises
Ao examinar as imagens, Ménard percebeu fracos rastros circulares de exposições individuais do GALEX. Eles eram causados pelo brilho ultravioleta residual da atmosfera terrestre: quando o fundo não é totalmente removido, os campos circulares de observação ficam ligeiramente diferentes em brilho. Segundo o relato de Ménard, duas rodadas de revisão por outros agentes não detectaram o defeito. Após ele apontar o problema, os agentes corrigiram o fundo nas 38 mil observações.
O episódio mostra que os agentes aceleraram operações repetitivas, mas a inspeção visual por um especialista continuou fazendo parte do processo de trabalho. No esquema final, é útil preservar as camadas intermediárias, distinguir as regiões previstas e verificar o resultado com observações e análise visual.
A Anthropic apresenta o mapa como um recurso educacional que mostra de forma visual as estruturas da Via Láctea no ultravioleta. A conclusão prática do projeto é que o processamento com agentes pode ajudar a concluir trabalhos demorados com arquivos abertos, desde que as medições, as estimativas do modelo e os resultados da revisão especializada permaneçam distinguíveis.