Anthropic y Claude Science elaboran el primer mapa completo del cielo en ultravioleta

Anthropic ha publicado el primer mapa de todo el cielo en ultravioleta. Lo ha elaborado Brice Ménard, astrofísico de la Universidad Johns Hopkins e investigador de Anthropic, junto con Claude Science. El mapa combina el UV lejano (154 nm) y el UV cercano (232 nm). Cerca de un tercio de su superficie, incluida una parte considerable del plano de la Vía Láctea, no ha sido medido por telescopios, sino predicho por un modelo. Cada píxel está marcado como «medido» o «predicho» y lleva adjunta una estimación de incertidumbre.

Por qué no existía un mapa UV completo

La capa de ozono absorbe la radiación ultravioleta, de modo que solo se puede observar desde el espacio. En medio siglo, los telescopios han acumulado muchos datos, pero la cobertura del cielo es desigual. El mayor conjunto procede de la misión GALEX de la NASA (2003–2013): unas 38 000 observaciones individuales que cubren aproximadamente dos tercios del cielo. Sin embargo, GALEX evitaba deliberadamente las zonas con estrellas muy brillantes para no dañar los detectores. Y esas son precisamente las zonas del plano de la Galaxia, donde las estrellas se concentran con mayor densidad. Swift y el instrumento surcoreano FIMS/SPEAR aportaron más datos, pero el conjunto combinado seguía teniendo muchos huecos.

Los métodos estadísticos para estimar las zonas que faltan son conocidos. El problema es el trabajo que exigen: requieren una calibración a nivel de píxel individual y numerosos análisis repetidos, lo que supone semanas de labor minuciosa. Ménard reconoce que los astrofísicos aplazan este tipo de tareas en favor de otras más urgentes. Como resultado, en sus clases tenía que disculparse por un mapa UV lleno de vacíos. Todos los campos acumulan un pendiente similar: proyectos que explicarían una idea clave o ayudarían a los colegas, pero que nunca llegan a lo alto de la lista.

Cómo construyeron el mapa los agentes

En el verano de 2026, Ménard planteó a Claude Science una tarea fácil de formular y difícil de ejecutar: reunir todos los sondeos UV disponibles, llevarlos a una escala común, fusionarlos en un solo mapa y rellenar las zonas que ningún telescopio UV había observado. Claude actuó como orquestador de un equipo de agentes de IA, y el trabajo se desarrolló en varias etapas:

• los agentes buscaron en la red sondeos astronómicos UV públicos, cada uno con miles o decenas de miles de imágenes;
• los datos descargados se hicieron internamente coherentes, para que se pudieran comparar fotogramas tomados en distintos años;
• en las áreas cercanas a estrellas brillantes se eliminó el halo de luz, como el reflejo de una farola en una fotografía; de lo contrario, no se puede medir el tenue brillo UV de su entorno;
• las distintas regiones del cielo se procesaron en paralelo, cada una con su propio agente o grupo de agentes;
• los sondeos se calibraron entre sí, se reescalaron a una misma resolución y se trasladaron a un sistema de coordenadas común.

Ménard dio las instrucciones generales para la fusión y Claude se encargó de los detalles. El fragmento disponible del material no revela más información, incluido el método con el que se predicen las áreas que faltan. Solo se sabe que está descrito en la publicación original de Anthropic.

Para qué servirá el resultado

La primera aplicación es educativa. Los estudiantes podrán ver la estructura de la Vía Láctea en UV: nubes alrededor de estrellas jóvenes, anillos de supernovas y polvo iluminado por la luz estelar. Las capas «medido/predicho» y los mapas de incertidumbre permiten separar los datos reales de los generados por el modelo. Para el trabajo científico esto es fundamental: las regiones predichas no pueden tomarse como observaciones, aunque sí pueden usarse teniendo en cuenta el error estimado.

La conclusión principal va más allá de la astronomía. Una tarea del tipo «algún día» (para la que el especialista no tenía semanas disponibles) se resolvió con agentes coordinados en un único proyecto de verano. Para los grupos de investigación es una señal: conviene revisar su lista de pendientes en busca de trabajos con un planteamiento claro, datos abiertos y una calibración engorrosa pero formalizable. Esas son justo las tareas que los sistemas de agentes asumen con mayor facilidad. Y la capa de incertidumbres muestra cómo etiquetar un resultado de IA para que pueda verificarse.