Claudeが宇宙の空白を補完、世界初の全天紫外線マップが完成

天文学の入門講義では、観測する波長によって宇宙の姿がまるで変わることがよく教えられます。可視光では恒星が輝き、赤外線では天の川に沿った冷たい塵が浮かび上がり、電波では星の原料となる水素ガスが、X線では超新星残骸やブラックホールが見えてきます。

しかし、紫外線（UV）だけは長年、歯抜けの地図しか存在しませんでした。紫外線は地球のオゾン層に吸収されるため宇宙望遠鏡でしか観測できず、最大のデータを誇るNASAのGALEX計画（2003〜2013年）でも、検出器の焼き付きを防ぐため恒星が密集する銀河面を意図的に避けて撮影していたからです。

この長年の宿題を片付けたのが、ジョンズ・ホプキンス大学の天体物理学者でありAnthropicの研究員でもあるBrice Ménard氏です。彼は同社の「Claude Science」を活用し、空の約3分の1という未観測エリアを予測補完した史上初の完全な全天紫外線マップを作成・公開しました。

AIエージェント群が挑んだ3万8000枚の画像補正

空の地図を一つにまとめる作業は、言うのは簡単ですが実行は途方もない労力を要します。異なる衛星の観測データを集め、座標系を揃え、星のグレア（まぶしい光）を取り除き、画質を均一にする必要があります。これまでは数週間におよぶ地道なピクセル調整が必要で、多忙な研究者が後回しにしがちな「低優先度の重要プロジェクト」の典型でした。

Ménard氏は高レベルの指示をClaude Scienceに与え、AIエージェントのチームを編成させました。エージェントはNASAのGALEX（約3万8000枚の画像）に加え、Swift、韓国のFIMS/SPEAR、欧州宇宙機関（ESA）のGaia衛星のデータをネット経由で自動収集し、並行して補正処理を進めました。

もちろん最初から完璧だったわけではありません。初期の画像をMénard氏が点検した際、最も暗い領域にうっすらと丸い円盤状のムラが残っているのを見つけました。これはGALEXの丸い撮影視野に残っていた地球大気光の痕跡で、AIエージェントによる2回の事前チェックをすり抜けていました。Ménard氏が指摘すると、Claudeは即座に原因を突き止め、数時間で全3万8000枚の観測データから大気光を除去し直しました。

他の波長から「推論」し、誤差10%で空白を埋める

最大の難関は、人類が一度もUVで観測したことがない全天の約3分の1をどう埋めるかでした。Claudeは画像修復技術（インペインティング）を使いつつ、単なる想像ではなく「他の波長データ」を道標にしました。

紫外線データが欠けている領域でも、可視光、赤外線、電波の観測記録は存在します。ClaudeはすでにUVデータがある3分の2の空を学習台帳とし、他波長の明るさと紫外線の相関ルールを割り出しました。そして、その関係性を未観測エリアに適用して輝度を推定し、各ピクセルに「実測」か「予測」かのラベルと信頼度を付与しました。

精度検証のため既知の領域を意図的に隠して復元させたところ、AIの予測値と実際の実測値の誤差は約10%に収まり、人間の目ではほぼ識別できない精度に達しました。さらにGaia衛星のデータから1億個以上の恒星の紫外線を重ね合わせ、超新星の残骸や若い星を取り巻く星雲、マゼラン雲の微細構造まで捉えた地図が完成しました。

なぜ重要か

研究者や現場の実務家にとって、この取り組みは「重要だが誰も手を付けられなかった作業」の理想的な攻略法を示しています。学問の世界には、共通のインフラや教育資料として必要とされながらも、論文としての新規性や手間の大きさから放置されている課題が山積みです。AIに下処理や計算の大部分を任せ、人間が要所の確認に集中することで、本業の研究を犠牲にせずに巨大な成果物を作れることが実証されました。

産業的な視点で見れば、単一のプロンプト処理を超えた「自律的なエージェント連携」の実用例として極めて説得力があります。データの検索からクロスキャリブレーション、多波長間のマルチモーダル回帰、さらには人間のフィードバックを受けたバッチ処理のやり直しまで、複雑なワークフローをAIが自律的にこなしています。

ただし、私たちはAIの「見落としリスク」にも目を向けるべきだと考えます。大気光の丸いムラがエージェントによる二重チェックをあっさり通過したように、AI同士の検証だけでは不自然なアーティファクト（偽の特徴）を正解と誤認する恐れが常にあります。AIがどれほど賢くなっても、最後に違和感を嗅ぎ分ける人間の鑑識眼が欠かせないという教訓でもあります。