Estudante Americano do Ensino Médio Surpreende Cientistas ao Descobrir 1,5 Milhão de Objetos Espaciais Perdidos

Caros leitores e leitoras do BS!

 

No dia 04/09, o portal Daily Galaxy noticiou que um adolescente da Califórnia (EUA) tropeçou em um verdadeiro tesouro cósmico ao vasculhar dados esquecidos da NASA. O que começou como um projeto de verão se transformou em uma descoberta revolucionária usando inteligência artificial — agora publicada em um dos principais periódicos científicos.

 

Crédito: Fox 11 Los Angeles | The Daily Galaxy — Canal Great Discoveries

Matteo Paz.

De acordo com a nota do portal, em um dos avanços mais inesperados da astronomia moderna, um estudante do ensino médio da Califórnia usou inteligência artificial para detectar mais de 1,5 milhão de objetos espaciais previamente não identificados — tudo isso a partir de dados coletados por uma missão aposentada da NASA. Seu trabalho passou por revisão por pares e foi publicado no The Astronomical Journal, garantindo reconhecimento científico oficial.

 

Um Pipeline de IA Criado por um Adolescente

 

Matteo Paz, um adolescente de Pasadena, participou da Planet Finder Academy, da Caltech, no verão de 2022 — um programa de pesquisa criado para expor estudantes do ensino médio a desafios reais da astronomia. Sob orientação de Davy Kirkpatrick, cientista sênior do Centro de Processamento e Análise de Infravermelho (IPAC) da Caltech, Paz começou a trabalhar com um imenso arquivo de dados do telescópio NEOWISE da NASA.

 

Originalmente lançado em 2009 para detectar asteroides próximos da Terra, o NEOWISE acabou coletando muito mais do que isso — mais de uma década de dados infravermelhos de todo o céu, capturando não apenas objetos próximos, mas também fenômenos cósmicos distantes e frequentemente negligenciados.

 

O desafio era o tamanho: como Kirkpatrick explicou, os dados estavam “chegando perto de 200 bilhões de linhas” de observações. Inicialmente, a equipe pensou em analisar manualmente uma pequena parte. Mas Paz tinha outras ideias.

 

Crédito: The Astronomical Journal

O pipeline de extração de anomalias.

Com uma base sólida em matemática teórica, programação e análise temporal, Paz começou a desenvolver um modelo de inteligência artificial para automatizar toda a busca. Em apenas seis semanas, ele construiu um pipeline de aprendizado de máquina capaz de detectar fontes de luz fracas e variáveis — objetos que mudavam de brilho ao longo do tempo de maneiras que os olhos humanos ou ferramentas convencionais poderiam não perceber.

 

“O modelo começou a mostrar resultados promissores quase imediatamente”, disse Kirkpatrick ao Phys.org. “À medida que Paz o aprimorava, os resultados ficavam cada vez mais interessantes.”

 

O avanço veio na identificação de objetos que piscavam, pulsavam ou escureciam — comportamentos que muitas vezes indicam quasares, estrelas binárias eclipsantes ou supernovas.

 

Big Data Encontra um Céu Gigante

 

O modelo de IA usou uma combinação de transformadas de Fourier e análise de wavelets, duas técnicas matemáticas eficazes para estudar mudanças em sinais ao longo do tempo. Esses métodos permitiram detectar variações sutis no espectro infravermelho — algo difícil de isolar devido às limitações de amostragem temporal do NEOWISE.

 

Algumas das variáveis detectadas pelo sistema de Paz mudavam tão lentamente — ou por períodos tão curtos — que haviam passado despercebidas até então. Isso é especialmente importante para fenômenos como transientes lentos ou variáveis cataclísmicas, que não seguem padrões previsíveis.

 

Crédito: Instituto de Tecnologia da Califórnia (Caltech)

Matteo Paz com o presidente da Caltech, Thomas F. Rosenbaum.

Ao longo do verão e dos meses seguintes, Paz colaborou com pesquisadores da Caltech como Shoubaneh Hemmati, Daniel Masters, Ashish Mahabal e Matthew Graham, refinando o algoritmo para operar em todo o conjunto de dados do céu. O que descobriram não foi apenas uma ou duas anomalias, mas um catálogo com mais de 1,5 milhão de fontes variáveis, agora documentado no artigo publicado no The Astronomical Journal.

 

O catálogo completo deve ser lançado em 2025 e poderá orientar futuras observações por telescópios como o Vera Rubin Observatory ou o Telescópio Espacial James Webb (JWST), oferecendo novas pistas sobre os ciclos de vida das estrelas, galáxias distantes e outros processos energéticos do universo.

 

Da Escola ao Quadro de Funcionários da Caltech

 

A história não termina com a descoberta. Paz, ainda cursando o ensino médio, agora é assistente de pesquisa remunerado no IPAC, continuando o desenvolvimento do pipeline de IA e ajudando a treinar novos alunos na Planet Finder Academy.

 

O que torna isso especialmente notável é que as habilidades que ele utilizou — desenvolvimento de algoritmos, modelagem de séries temporais, astrofísica computacional — normalmente são aprendidas em nível de pós-graduação. No entanto, Paz as desenvolveu por meio do programa público Math Academy, do Distrito Escolar Unificado de Pasadena, que visa impulsionar alunos matematicamente talentosos além do currículo padrão.

 

“Se vejo potencial em alguém, quero garantir que ele seja alcançado”, disse Kirkpatrick. “Farei o que puder para ajudar.”

 

Paz, por sua vez, vê possibilidades ainda maiores. Como o pipeline de IA foi construído para analisar qualquer tipo de dado temporal, ele pode ser adaptado para áreas como finanças, monitoramento de poluição ou até neurociência, onde flutuações ao longo do tempo frequentemente indicam descobertas críticas.

 

Sua abordagem mostra como ferramentas desenvolvidas para a astronomia podem ser úteis em áreas completamente diferentes — algo que os pesquisadores vêm explorando cada vez mais sob o guarda-chuva da aprendizagem de máquina interdisciplinar.

 

Brazilian Space

 

Brazilian Space

Espaço que inspira, informação que conecta!