IA de Anthropic reconstruye el mapa ultravioleta de todo el cielo

El cielo que vemos a simple vista es solo una fracción de lo que el universo emite. En luz ultravioleta, la imagen es radicalmente distinta, pero hasta ahora no existía un mapa continuo de todo el firmamento en esas longitudes de onda. Un equipo liderado por el astrofísico Brice Ménard, de la Universidad Johns Hopkins e investigador en Anthropic, presentó el 8 de octubre de 2026 un proyecto que logró precisamente eso: una visualización completa del cielo en ultravioleta, armada con inteligencia artificial.

El trabajo, detallado en un artículo de Anthropic, no tiene un vínculo directo con Chile, pero representa un hito en el uso de IA para la astronomía, disciplina que en el país tiene una presencia clave gracias a observatorios como ALMA, Paranal y el futuro ELT. La metodología usada para coordinar datos masivos y limpiar errores será de interés para cualquier científico local que trabaje con grandes volúmenes de información astronómica.

38.000 observaciones y un rompecabezas cósmico

La base del mapa son los datos de GALEX, la misión de la NASA que entre 2003 y 2013 capturó unas 38.000 observaciones del cielo en ultravioleta. GALEX logró cubrir el 64 por ciento del cielo en ultravioleta lejano y el 76 por ciento en ultravioleta cercano, pero dejó grandes agujeros: para proteger sus detectores, evitó zonas con estrellas brillantes y el plano de la Vía Láctea.

Para llenar esos vacíos, Ménard y su equipo recurrieron a observaciones de otras misiones como Swift-UVOT, FIMS/SPEAR y TD-1, además de información de los satélites Gaia y Planck de la Agencia Espacial Europea. El verdadero desafío no era solo reunir los datos, sino calibrarlos y combinarlos sin que se notaran las costuras.

Agentes de IA y un error que solo un humano vio

Ahí entró Claude Science, el modelo de Anthropic. Bajo las instrucciones de Ménard, Claude Science coordinó a un equipo de agentes de inteligencia artificial encargados de localizar, calibrar y combinar los conjuntos de datos. El procesamiento siguió una jerarquía: primero se usaron mediciones directas; donde no había, se recurrió a observaciones de menor resolución o a información transformada desde otra banda.

Los huecos restantes se completaron con un modelo estadístico. No se trata de un generador de imágenes ni de un modelo de lenguaje, sino de un conjunto de pequeños árboles de decisión que relacionan el brillo ultravioleta conocido con mapas de polvo, emisiones de hidrógeno y luz estelar. A esto se sumaron los flujos ultravioletas de unos 119 millones de estrellas del catálogo Gaia DR3.

Sin embargo, la máquina no fue perfecta. Durante el proceso, Ménard detectó artefactos circulares heredados de las observaciones individuales de GALEX que habían superado dos rondas de revisión automatizada. Su detección visual obligó a recalibrar el fondo de las 38.000 imágenes. El episodio dejó claro que, pese a los avances, la supervisión humana sigue siendo necesaria.

Un mapa con advertencia

El recurso final incluye capas de procedencia e incertidumbre para que el usuario pueda distinguir entre lo que fue medido y lo que fue estimado. Las pruebas realizadas ocultando regiones ya observadas arrojaron un error típico de entre el 12 y el 14 por ciento en las zonas reconstruidas, frente a una incertidumbre de alrededor del 5 por ciento en el cielo fotografiado.

La documentación del proyecto es clara en sus limitaciones: las regiones estimadas no sirven para descubrir nuevas estrellas o galaxias. Su resolución efectiva es de aproximadamente 0,5 a 1 grado, aunque la cuadrícula use píxeles más pequeños. Además, el proyecto aún no ha pasado por una revisión de pares y su artículo técnico figura como trabajo en preparación. Los informes de validación provienen del mismo sistema que construyó el mapa.

En su estado actual, el mapa tiene un valor educativo y visual innegable, siempre que se respete la distinción entre dato observado y valor predecido. Para Chile, es una demostración concreta de cómo la inteligencia artificial está transformando la ciencia de datos a gran escala, una herramienta que los centros de investigación locales ya están empezando a incorporar en sus propios proyectos.

Con información de DiarioTI