O primeiro mapa completo do céu em ultravioleta: como o Claude Science preencheu 50 anos de lacunas de observação

Brice Ménard (astrofísico da Johns Hopkins e pesquisador da Anthropic), em parceria com o Claude Science, criou o primeiro mapa completo da história do céu no espectro ultravioleta. Antes, um mapa assim não existia: a radiação UV é absorvida pela camada de ozônio da atmosfera terrestre, por isso só pode ser observada do espaço. Mesmo o maior banco de dados já criado, o NASA GALEX (2003–2013, 38 mil observações individuais), cobria apenas dois terços do céu, evitando deliberadamente sua parte mais densa (o disco galáctico) para não danificar os detectores do satélite. O Claude Science resolveu o problema em poucos dias, transformando um mês de trabalho manual em um pipeline automatizado. Cerca de um terço das lacunas do mapa foi preenchido usando inpainting (treinado com dados visíveis, infravermelhos e de rádio), e o restante foi reunido a partir dos arquivos do NASA GALEX, NASA Swift, do sul-coreano FIMS/SPEAR e da ESA Gaia. A precisão das previsões chegou a 10% em relação às medições UV reais. • Fontes de dados: NASA GALEX (38 mil imagens), NASA Swift, FIMS/SPEAR, ESA Gaia (~100 milhões de estrelas), Planck, TD-1 • Método: coleta e unificação de todos os conjuntos de dados UV, calibração cruzada entre telescópios, inpainting para preencher um terço do céu • Resultado: nuvens de poeira ao redor de estrelas jovens, enormes anéis de poeira resultantes de explosões estelares, e as Nuvens de Magalhães Maior e Menor

Processado por IA de Anthropic Research; editado por Hamidun News
O primeiro mapa completo do céu em ultravioleta: como o Claude Science preencheu 50 anos de lacunas de observação
Fonte: Anthropic Research. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalAnthropic Research ↗
Editor-chefe
Fontes de dadosNASA GALEX (38 mil imagens), NASA Swift, FIMS/SPEAR, ESA Gaia (~100 milhões de estrelas), Planck, TD-1
Métodocoleta e unificação de todos os conjuntos de dados UV, calibração cruzada entre telescópios, inpainting para preencher um terço do céu
Resultadonuvens de poeira ao redor de estrelas jovens, enormes anéis de poeira resultantes de explosões estelares, e as Nuvens de Magalhães Maior e Menor

Como surgiu o primeiro mapa completo do céu em UV

Brice Ménard, astrofísico da Johns Hopkins University e pesquisador da Anthropic, conta como foi criado o primeiro mapa completo da história do céu em luz ultravioleta. O projeto, feito em conjunto com o Claude Science, combina dois comprimentos de onda: UV distante (154 nm) e UV próximo (232 nm). Cerca de um terço do mapa foi previsto por IA, enquanto o restante foi montado a partir de todas as observações UV disponíveis dos últimos 50 anos.

Ménard dá aulas de astrofísica e costuma mostrar aos alunos como o céu parece completamente diferente dependendo do comprimento de onda: na luz visível vemos estrelas, no infravermelho brilham nuvens de poeira, no rádio aparece o gás de hidrogênio (matéria-prima para novas estrelas) e nos raios X vemos explosões estelares e buracos negros. Juntas, essas representações revelam como o gás colapsa em estrelas, como as estrelas espalham poeira pela galáxia e como se formam galáxias como a nossa.

Por que não havia um mapa UV completo há 50 anos

A radiação UV é absorvida pela camada de ozônio da atmosfera terrestre, então apenas um telescópio espacial pode observar o cosmos no espectro UV. Nos últimos 50 anos, vários observatórios espaciais fotografaram pedaços do céu e publicaram seus dados, mas uma imagem completa nunca foi montada.

O maior banco de dados é o NASA GALEX (lançado em 2003, desativado em 2013). Em 10 anos, ele realizou aproximadamente dois terços de todas as observações do céu: 38 mil imagens individuais, feitas em condições diferentes. Mas o GALEX evitava deliberadamente regiões com estrelas brilhantes, especialmente o plano da Via Láctea (onde as estrelas estão mais densamente concentradas), porque essas regiões corriam o risco de danificar os detectores sensíveis do satélite.

Outros telescópios espaciais complementaram o banco de dados — NASA Swift e o sul-coreano FIMS/SPEAR —, mas mesmo somados, seus dados só conseguiam fechar parte das lacunas. Para um mapa completo, seria necessário executar manualmente técnicas estatísticas, calibrar milhões de valores de pixels e refazer a análise várias vezes. Isso leva semanas de trabalho minucioso. Nenhum astrofísico considerava essa tarefa uma prioridade — ela é importante para o ensino, mas não para gerar novas descobertas.

Como o Claude Science criou o mapa em dias em vez de meses

No verão de 2026, Ménard deu ao Claude Science uma tarefa aparentemente simples: reunir todos os conjuntos de dados UV disponíveis, trazê-los para uma escala comum, combiná-los em um único mapa e preencher todas as lacunas. Simples de enunciar, mas difícil de executar.

O Claude implantou uma equipe de agentes de IA que:

• Buscaram na internet todos os levantamentos UV do céu disponíveis publicamente (só para o GALEX, foram dezenas de milhares de imagens) • Padronizaram cada conjunto de dados para que fotos tiradas em anos e condições diferentes pudessem ser comparadas • Removeram interferências de estrelas brilhantes (que adicionavam um "brilho" às imagens, da mesma forma que um poste de luz causa reflexos em uma fotografia terrestre) • Calibraram de forma cruzada os diferentes telescópios entre si: NASA GALEX, NASA Swift e FIMS/SPEAR captam a luz UV de maneiras levemente diferentes, então tudo precisava ser projetado em uma única grade de coordenadas

Depois veio a parte difícil: preencher as lacunas. Um terço do céu nunca havia sido observado em UV. Ménard pediu ao Claude que usasse inpainting — um método de aprendizado de máquina em que um modelo é treinado com milhões de imagens e aprende a reconstruir áreas danificadas ou ausentes.

O Claude combinou isso com informações adicionais: onde faltavam dados UV, existiam observações em outros comprimentos de onda (visível, infravermelho, rádio). Nos dois terços do céu onde já havia mapa UV, o Claude aprendeu a correlação entre o brilho UV e o brilho em outros comprimentos de onda. Depois aplicou esse padrão ao terço do céu sem dados UV e previu como ele deveria se parecer.

Para verificar a precisão, Ménard pediu ao Claude que pegasse regiões com dados UV conhecidos, ocultasse partes delas e pedisse ao modelo para reconstruir o que havia sido escondido. Após várias rodadas de ajuste, a precisão chegou a 10% em relação às medições UV reais — uma diferença imperceptível ao olho humano.

Por fim, o Claude adicionou estimativas de luz UV de mais de 100 milhões de estrelas individuais, inferidas a partir das observações visíveis da missão Gaia da ESA.

Ajustes finais e resultado

A primeira versão do mapa ficou quase perfeita, mas Ménard identificou artefatos: anéis fantasmas ao redor de certas áreas do céu, marcas deixadas por observações individuais do GALEX. Cada imagem do GALEX captura um trecho circular do céu com resquícios do brilho atmosférico da Terra. O Claude não percebeu isso em duas rodadas de revisão, mas quando Ménard apontou o problema, os agentes rastrearam a causa e reprocessaram todas as 38 mil observações. Em poucas horas, os artefatos desapareceram.

O resultado final: um mapa do céu em UV que revela nuvens de poeira ao redor de estrelas jovens, enormes anéis e laços de poeira (vestígios de explosões de estrelas massivas), filamentos tênues de poeira fora do plano galáctico, e as Nuvens de Magalhães Maior e Menor. O mapa se tornou um complemento valioso a outras representações canônicas do céu e uma poderosa ferramenta educacional. Para Ménard, foi a primeira vez que conseguiu concluir um projeto significativo sem comprometer seu trabalho de pesquisa principal.

História

Perguntas frequentes sobre a notícia

Como surgiu o primeiro mapa completo do céu em UV?

Brice Ménard, astrofísico da Johns Hopkins University e pesquisador da Anthropic, conta como foi criado o primeiro mapa completo da história do céu em luz ultravioleta. O projeto, feito em conjunto com o Claude Science, combina dois comprimentos de onda: UV distante (154 nm) e UV próximo (232 nm). Cerca de um terço do mapa foi previsto por IA, enquanto o restante foi montado a partir de todas as observações UV disponíveis dos últimos 50 anos. Ménard dá aulas de astrofísica e costuma mostrar aos alunos como o céu parece completamente diferente dependendo do comprimento de on

Por que não havia um mapa UV completo há 50 anos?

A radiação UV é absorvida pela camada de ozônio da atmosfera terrestre, então apenas um telescópio espacial pode observar o cosmos no espectro UV. Nos últimos 50 anos, vários observatórios espaciais fotografaram pedaços do céu e publicaram seus dados, mas uma imagem completa nunca foi montada. O maior banco de dados é o NASA GALEX (lançado em 2003, desativado em 2013). Em 10 anos, ele realizou aproximadamente dois terços de todas as observações do céu: 38 mil imagens individuais, feitas em condições diferentes. Mas o GALEX evitava deliberadamente regiões com estrelas brilha

Como o Claude Science criou o mapa em dias em vez de meses?

No verão de 2026, Ménard deu ao Claude Science uma tarefa aparentemente simples: reunir todos os conjuntos de dados UV disponíveis, trazê-los para uma escala comum, combiná-los em um único mapa e preencher todas as lacunas. Simples de enunciar, mas difícil de executar. O Claude implantou uma equipe de agentes de IA que: Buscaram na internet todos os levantamentos UV do céu disponíveis publicamente (só para o GALEX, foram dezenas de milhares de imagens) Padronizaram cada conjunto de dados para que fotos tiradas em anos e condições diferentes pudessem ser comparadas Removeram

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…