紫外線で見た宇宙地図、なぜ3分の1が「予測」なのか。Claudeが結合した3万8000枚の観測データを確かめる

まず初めに

天文学の世界には、誰もやりたがらない仕事というものがあるらしい。望遠鏡が違えば解像度も座標系も違う、観測データには謎の輪っか状のムラが残っている、しかも全天の3分の1は端からデータが存在しない――。こういう地味な掃除仕事を、何年も「いつかやらなければ」と言いながら後回しにしてきた業界に代わって、今回はClaudeが黙々と手を動かした。3万8000枚の観測データのにじみを数時間で全部補正し、足りない3分の1は誤差10%以内まで推測で埋める。派手な「AIがノーベル賞級の発見をする」的な宣伝文句とは裏腹に、今回の本当の功績は、要するに壮大な"データ掃除"だった、という話である。地味な仕事ほど誰もやりたがらず、だからこそ誰かがやると価値が出る。今回はその誰かが、たまたまAIだったというだけのことだ。※個人の感想です

何が起きているのか

Anthropicは2026年10月8日、公式研究ブログで「The missing map of the sky」と題した発表を行いました。執筆したのは、ジョンズ・ホプキンス大学の天体物理学者でAnthropicの研究者でもあるBrice Ménard氏です。目的は、Claude Scienceを使って紫外線(UV)で見た初の完全な全天マップを作ることでした。

発表文によれば、天体観測は波長によって見える構造が大きく異なり、UVでは星明かりに照らされた塵の雲や、超新星爆発による輪状の構造などが見えます。しかしUVは大気のオゾン層に吸収されるため、観測には宇宙望遠鏡が必要です。最大のデータ源であるNASAのGALEXミッション(2003〜2013年)は、約3万8000回の観測で全天の約3分の2を撮影しましたが、明るい星が多い銀河面は検出器保護のため意図的に避けられていました。米国のSwiftすいふと衛星や韓国のFIMS/SPEARも補完データを提供していましたが、欠損は残っていたとしています。

完成したマップは、遠紫外線(154nm)と近紫外線(232nm)を組み合わせたもので、全体の約3分の1が推測値、残りが実測値です。各ピクセルには「実測」か「推測」かの区別と、不確実性の推定値が付けられているとしています。Claudeは複数のAIエージェントを統率し、公開されているUV観測サーベイの検索・ダウンロード、明るい星による光のにじみ(グレア)の除去、異なる望遠鏡データの相互校正と統合、そして機械学習のインペインティング手法による欠損部分の補完を行いました。インペインティングでは、UVが観測できている約3分の2の領域で、UVと可視光・赤外線・電波の関係を学習し、その関係を未観測領域に適用したとしています。発表文は、既知のUVデータの一部を意図的に隠して予測させる検証を行い、実測値との誤差は約10%以内だったとしています。さらに、欧州Gaia衛星の可視光測定から推定した1億個以上の星によるUV光も重ね合わせています。

作業の途中では、GALEXの個々の観測画像に残る円形の痕跡(大気由来の光の残り)が、既存のレビューでは見逃されていたことが判明しました。研究者の指摘を受けたClaudeは、全3万8000回の観測を補正し、数時間の処理でこの問題を解消したとしています。長年見逃されてきたムラを、指摘されたその日のうちに潰してしまうのだから、掃除の手際だけは褒めていい。

なぜ重要なのか

今回の成果が重要な理由の一つは、天文学で長年「いつかやらなければ」と言われながら後回しにされがちな、大規模なデータ整備作業を、研究者の研究時間を犠牲にせずに進められたと示した点です。Ménard氏は、こうした整備作業を抱える研究者は多いはずだと述べています。また、全天を網羅したUVマップが完成したことで、銀河のUV構造を詳細に示す教材としても活用できるとしています。

もう一つ重要なのは、今回の成果が「予測」であることをマップ自体が明示している点です。各ピクセルに実測か推測かの区別と不確実性の推定値を付けている設計は、AIによる補完結果をそのまま実測データと同じように扱わない、慎重な姿勢を示しています。約10%という誤差の大きさも、発表文は隠さずに明記しています。

私たちへの影響

今回の成果は天文学の研究・教育向けのものであり、日本の一般利用者が何らかの対応を取る必要がある内容ではありません。ただ、AIが実際にどのような作業で科学に貢献しているのかを示す、具体的で分かりやすい事例としての意味があります。「AIが科学を変える」という話は抽象的に語られがちですが、今回の事例は、データの収集・補正・統合・欠損補完という、地味で時間のかかる作業を自動化することが、AIの現実的な貢献の形の一つであることを示しています。

初心者が知っておくべきこと

「紫外線(UV)」は、可視光より波長の短い光で、地球の大気(オゾン層)に吸収されやすいため、地上からの観測が難しく、宇宙望遠鏡での観測が必要です。「インペインティング」とは、画像の欠けている部分を、周囲や他の情報から学習した関係性に基づいて推測して埋める、機械学習の技術です。もともとは写真の傷や欠損部分を自然に見えるよう補完する目的で使われてきた技術です。

Q. 今回のマップは、実際の観測データなのでしょうか、それとも推測なのでしょうか。 A. 両方です。全天の約3分の2は実測データ、残り3分の1は機械学習による推測です。発表文によれば、各ピクセルに実測か推測かの区別と不確実性の推定値が付けられており、どちらであるかが分かるようになっています。

Q. 推測部分はどれくらい正確なのでしょうか。 A. 発表文は、既知のUVデータの一部を隠して予測させる検証を行い、実測値との誤差が約10%以内だったとしています。完全に正確というわけではなく、一定の誤差を含む推測値として扱われています。

IT Postの見方――「掃除当番を自動化しただけ、なのに意外と効く」

IT Postは、今回の話を「AIが天文学に革命を起こした」というような大げさな枠組みでは見ていない。むしろ逆で、今回Claudeがやったのは、望遠鏡ごとに違う解像度・座標系をそろえる、光のにじみを補正する、足りないところを周辺データから推測で埋める――という、研究者なら誰もが「本当は自分でやるべきだと分かっているが、ついつい後回しにしてしまう」類の下ごしらえ作業だ。派手さはないが、この手の下ごしらえこそ、後々の研究全体の質を左右する。

IT Postが評価したいのは、推測した3分の1をちゃんと「推測」だと表示したままにしている点だ。AIに任せた結果を、こっそり実測データと同じ顔つきで混ぜ込んでいないのは、地味だが誠実な設計だと思う。派手な成果を追いかけるより、まずこういう誠実な下ごしらえを積み重ねる方が、AIと科学の付き合い方としては健全なのではないか。※個人の感想です

今後どうなりそうか

発表文は、今後の具体的な研究計画や公開時期については示していません。完成したマップは教育・研究向けの教材として活用できるとされており、Ménard氏は同様の整備作業を抱える研究者が多いとも述べています。IT Postでは、今回のマップを使った具体的な研究成果や、同種の取り組みが他の分野でも報告された際に、あらためて取り上げます。