Hoe een tiener tot die ontdekking kwam
Matteo zit nog op de middelbare school en vond zijn passie voor wiskunde en programmeren via het Pasadena Unified School District’s elite Math Academy-programma. Zijn talent voor theoretische wiskunde en tijdreeksanalyse maakte hem geschikt om een AI-pijplijn te ontwerpen die de archiefdata van de NEOWISE-missie doorkeek. Die missie, in 2009 gelanceerd om nabijgelegen asteroïden te detecteren, leverde meer dan tien jaar aan infraroodgegevens op.
Onder begeleiding van Davy Kirkpatrick, onderzoeker bij Caltech en werkzaam bij het Infrared Processing and Analysis Center (IPAC), bouwde Matteo die pijplijn in slechts zes weken. Kirkpatrick was onder de indruk van zijn snelle leercurve en inzet: “Het model begon vrijwel meteen veelbelovend te zijn,” zei hij over Matteo’s voortgang.
Hoe hij de machinelearning-methoden verfijnde
Het AI-algoritme dat Matteo ontwikkelde maakte gebruik van technieken zoals Fourier-transformaties en wavelet-analyse om variaties in helderheid van hemellichamen op te sporen. Hij ving subtiele veranderingen in lichtintensiteit die eerder niet waren opgemerkt. Die signalen wijzen op zaken als pulsaties, flikkeringen en vervagingen, en kunnen duiden op fenomenen als quasars, binaire sterren, supernovae, zeldzame transiënten en cataclysmische variabelen.
Wat dit oplevert voor toekomstige observaties
De gevolgen van Matteo’s werk reiken verder dan zijn persoonlijke erkenning. De catalogus met meer dan 1,5 miljoen eerder niet-geïdentificeerde objecten wordt in 2025 openbaar beschikbaar gemaakt. Die lijst stuurt nieuwe waarnemingen aan bij enkele van de meest geavanceerde observatoria ter wereld, waaronder het Vera Rubin Observatory en de James Webb Space Telescope (JWST). De vondsten leveren nieuwe aanwijzingen over onderwerpen variërend van sterontwikkeling tot hoogenergetische processen in het heelal.
Andere onderzoekers van Caltech, zoals Shoubaneh Hemmati, Daniel Masters, Ashish Mahabal en Matthew Graham, werkten mee aan het verfijnen van het systeem en de verwerking van de hemelwaarnemingen. Hun samenwerking droeg bij aan de wetenschappelijke nauwkeurigheid van het project.
Breder potentieel voor AI-toepassingen
Opmerkelijk genoeg blijft het toepassingsgebied van Matteo’s AI-systeem niet beperkt tot astronomie. De technologie kan ook worden ingezet in sectoren als financiën, milieubewaking en zelfs neurowetenschap. Matteo ontwikkelt het platform verder en begeleidt nieuwe studenten, waarmee hij laat zien hoe astronomische instrumenten onverwachte meerwaarde kunnen leveren in andere vakgebieden.
Deze prestatie werkt inspirerend voor jong en oud en herinnert eraan dat grote ontdekkingen soms beginnen met nieuwsgierigheid en een leerdrang. Terwijl we uitkijken naar de openbaarmaking in 2025, geeft het werk van Matteo Paz een inkijkje in de toekomst van wetenschappelijk onderzoek en de mogelijkheden die technologie biedt voor verdere verkenning van ons universum.
