Anthropic의 Claude Science는 전체 하늘에 대한 최초의 완전한 자외선 지도를 제작했습니다. 이는 Johns Hopkins 천체물리학자 Brice Ménard가 설명한 이정표입니다. 그는 이 프로젝트를 이끌고 Anthropic 웹사이트에 그 과정을 자세히 설명했습니다. The Decoder가 보고한 이러한 노력은 조정된 AI 에이전트가 연구팀이 결코 처리하지 못할 지루한 데이터 작업을 어떻게 흡수할 수 있는지를 보여줍니다.

이 지도는 이전 우주 임무에서 남겨진 수십 년 된 공백을 메우고, 보관 관측과 망원경이 완전히 다루지 못한 지역의 모델 생성 재구성을 결합합니다. 이는 AI가 챗봇과 코딩 보조자에서 과학 연구의 일상 기계로 이동하는 가장 구체적인 예 중 하나입니다. 이는 오늘날 AI 연구 보도의 대부분을 관통하는 주제입니다.

완전한 UV 지도가 존재하지 않았던 이유

자외선은 땅에서는 보이지 않습니다. 오존층이 이를 차단하므로 UV 천문학은 우주에서만 수행할 수 있습니다. 2003년부터 2013년까지 자외선으로 하늘을 조사한 NASA의 GALEX 임무는 하늘의 약 3분의 2를 덮을 수 있었지만 빛이 너무 강해서 탐지기가 손상되거나 관측이 포화될 수 있는 밝은 별 형성 영역을 건너뛰었습니다.

이로 인해 하늘의 약 3분의 1이 자외선을 받지 않게 되었습니다. 여기에는 과학적으로 가장 흥미로운 지역, 어린 별이 밀집되어 있고 활동적인 별이 형성되는 지역도 포함됩니다. 10년 넘게 UV 데이터를 다루는 천문학자들은 부분적인 뷰를 함께 패치하거나 단순히 분석에서 누락된 영역을 피하면서 이러한 구멍에 대처해야 했습니다.

AI 에이전트가 지도를 구성하는 방법

Claude Science는 여러 우주 임무에서 데이터를 다운로드하고 보정한 후 하나의 일관된 지도로 병합하는 AI 에이전트 팀을 조정합니다. 관측치가 누락된 경우 시스템은 모델이 기존 데이터로부터 학습하여 간격을 재구성하는 기술인 인페인팅을 사용했습니다.

결과는 실제 측정과 비교하여 검증되었습니다. 프로젝트에 대한 Ménard의 설명에 따르면 테스트에서 모델의 예측은 실제 값에서 평균 약 10% 벗어났습니다. 오류율은 과학적으로 사용 가능한 제품과 예쁜 그림의 차이로 중요하며, 재구성이 직접 관찰을 대체할 수는 없더라도 탐구 작업을 지원할 수 있을 만큼 충분히 가깝다는 것을 의미합니다.

자외선은 어린 별 주위의 구름과 별 폭발로 인해 남겨진 고리와 같은 구조를 포함하여 별빛에 의해 빛난 먼지를 드러냅니다. 이제 하늘 전체가 덮여 있으므로 연구자들은 이전에 사각지대였던 지역의 특징을 연구할 수 있습니다.

에이전트 조정 접근 방식은 그 결과만큼 주목할 만합니다. 질문에 답하는 단일 모델이 아닌 시스템은 프로젝트를 작업(미션 아카이브 찾기, 데이터 가져오기, 보정 확인, 예상 정렬, 중복 설문 조사 병합, 격차 식별)으로 분해하고 이를 파이프라인을 통해 작업하는 전문 에이전트에 할당했습니다. 인간 과학자들은 요구 사항을 설정하고 결과를 검증했습니다. 에이전트는 대학원생의 10년을 소비했을 조립 작업을 수행했습니다.

교육 도구 및 템플릿

Ménard는 이 지도가 교육 자료로 사용되어 학생과 연구자에게 처음으로 자외선 하늘에 대한 완전한 시각을 제공할 것이라고 말했습니다. 그러나 더 큰 의미는 워크플로 자체일 수 있습니다.

그는 많은 과학자들이 유사한 프로젝트, 즉 AI가 이제 가능하게 할 수 있는 대규모의 눈에 띄지 않는 데이터 통합 ​​노력을 미루고 있다고 의심합니다. 과거 우주 임무의 기록 보관소는 완전히 활용되지 않은 데이터로 가득 차 있습니다. 이는 가치가 부족하기 때문이 아니라 이를 청소하고 보정하고 병합하는 데 연구팀이 수년 동안 힘든 작업을 해야 하기 때문입니다. Claude Science와 같은 에이전트 기반 시스템은 경제성을 변화시킵니다. 한때 경력을 소모했던 조정 및 데이터 처리가 프로젝트에서 발생할 수 있습니다.

격차의 근원에도 조용한 아이러니가 있다. GALEX는 천문학자들이 자외선에 대해 가장 연구하고 싶어하는 새로운 별 형성 엔진인 가장 가치 있는 표적 중 하나이기 때문에 가장 밝은 별 형성 영역을 건너뛰었습니다. 장비 보호를 중심으로 설계된 임무는 결국 가장 흥미로운 지역을 매핑하지 않은 상태로 남겨두었고, 이제는 AI 지원 재구성을 통해 그 사각지대가 채워지고 있습니다.

주의사항

색칠된 영역은 측정이 아니라 예측입니다. 이 지도의 약 1/3은 해당 지역에서 학습된 주변 데이터와 패턴을 기반으로 모델이 UV 하늘이 어떤 모습이어야 하는지 추론했기 때문에 존재합니다. 10% 평균 편차는 총 수치입니다. 먼지 구름의 가장자리인 항성 잔해 주변의 희미한 고리와 같은 특정 구조는 지도의 전체 통계가 제시하는 것보다 신뢰성이 떨어질 수 있습니다.

그것은 해고가 아닙니다. 천문학의 모든 재구성 프로젝트는 동일한 상충 관계에 직면하며 인류 프로젝트는 어느 지역이 추론되었는지 투명하게 공개합니다. 그러나 지도를 인용하는 연구자들은 관측된 지역과 재구성된 지역, 특히 희미하거나 특이한 출처를 구별해야 합니다.

이 프로젝트는 또한 이번 주에 발표된 하늘 지도부터 오픈 소스 소프트웨어에 대한 취약성 검색에 이르기까지 과학적 작업 흐름 내에 모델을 배치하려는 Anthropic의 광범위한 노력을 나타냅니다. 천문학 커뮤니티의 경우 즉각적인 조치는 더 간단합니다. 존재하지 않았던 데이터 세트가 현재 존재하고 이를 구축한 도구가 다음 임무에 사용될 수 있습니다.

---

AI보다 앞서 나가세요

최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.

AI 뉴스 자세히 보기 →