Grâce à ses recherches à Caltech, un élève du secondaire local a révélé 1,5 million d'objets inconnus auparavant dans l'espace, élargi le potentiel d'une mission de la NASA et publié un article de l'auteur unique.
Article de Matteo (Matthew) Paz publié dans Le journal astronomique Décrit un nouvel algorithme d'IA qu'il a développé qui a conduit à ces découvertes et qui peut être adapté par d'autres astronomes et astrophysiciens pour leurs propres recherches.
Paz a voulu en savoir plus sur l'astronomie depuis que sa mère l'a amené à des conférences publiques à Caltech lorsqu'il était à l'école primaire. À l'été 2022, il est venu sur le campus pour étudier l'astronomie et l'informatique connexe à la Caltech Planet Finder Academy dirigée par le professeur d'astronomie Andrew Howard.
L'astronome et scientifique principal de l'IPAC, Davy Kirkpatrick, a été mentor de Paz.
« J'ai tellement de chance d'avoir rencontré Davy », explique Paz. « Je me souviens du premier jour où je lui ai parlé, j'ai dit que j'envisageais de travailler sur un journal pour en sortir, ce qui est un objectif beaucoup plus important que six semaines. Il ne m'a pas découragé. Il a dit: » OK, alors parlons de cela. » Il a permis une expérience d'apprentissage débridé.
Kirkpatrick a grandi dans une communauté agricole du Tennessee et a réalisé son rêve de devenir astronome avec l'aide de sa professeur de chimie et de physique de neuvième année, Marilyn Morrison. Elle lui a dit et sa mère qu'il avait du potentiel et avait expliqué quels cours il devait suivre pour se préparer à l'université.
« Je voulais transmettre ce même genre de mentorat à quelqu'un d'autre et, espérons-le, beaucoup de quelqu'un d'autre », explique Kirkpatrick. « Si je vois leur potentiel, je veux m'assurer qu'ils l'atteignent. Je ferai tout ce que je peux pour les aider. »
Kirkpatrick voulait également glaner plus d'informations de Neowise (explorateur infrarouge à large champ d'objets presque terres), un télescope infrarouge maintenant retraité qui avait scanné tout le ciel à la recherche d'astéroïdes et d'autres objets près de la Terre pendant plus de 10 ans.
Alors que le télescope de la NASA était occupé à observer les astéroïdes, il a également détecté la chaleur variable d'autres objets cosmiques plus éloignés qui ont flashé, pulsé ou dimensionné lorsqu'ils ont été éclipsés. Les astronomes appellent ces objets variables: des phénomènes difficiles à accrocher comme des quasars, des étoiles explosives et des étoiles appariées s'éclipserant mutuellement.
Mais les données sur ces objets variables n'avaient pas encore été exploitées. Si l'équipe Neowise pouvait identifier ces objets et les mettre à la disposition de la communauté astronomique, le catalogue qui en résulte pourrait donner un aperçu de la façon dont les entités cosmiques changent au fil des ans.
« À ce moment-là, nous ramenions vers 200 milliards de lignes dans le tableau de chaque détection que nous avions faite au cours de plus d'une décennie », explique Kirkpatrick. « Donc, mon idée pour l'été était de prendre un petit morceau du ciel et de voir si nous pouvions trouver des étoiles variables. Ensuite, nous pourrions les souligner à la communauté astronomique, en disant: » Voici de nouvelles choses que nous avons découvertes à la main; imaginez simplement quel est le potentiel dans l'ensemble de données. « »
Paz n'avait aucune intention de passer manuellement les données. Ses travaux scolaires l'avaient préparé à apporter un nouveau point de vue au défi. Il s'était intéressé à l'IA lors d'un cours au cours qui a intégré le codage, l'informatique théorique et les mathématiques formelles.
Paz savait que l'IA s'entraîne le mieux sur de vastes ensembles de données ordonnés comme celui que Kirkpatrick lui avait donné. Et Paz avait les connaissances en mathématiques avancées dont il avait besoin pour profiter de la programmation: il étudiait déjà les mathématiques de premier cycle avancées à la Pasadena Unified School District's Math Academy, dans laquelle les élèves terminent AP Calculus BC en huitième année.
PAZ a donc commencé à développer une technique d'apprentissage automatique pour analyser l'ensemble de données et les objets variables potentiels de signalisation. Au cours de ces six semaines, il a commencé à rédiger le modèle de l'IA, qui a commencé à montrer une certaine promesse. Pendant qu'il travaillait, il a consulté Kirkpatrick pour apprendre l'astronomie et l'astrophysique pertinentes.
« Chaque réunion avec Davy est de 10% de travail et 90% nous discutant », explique Paz. « C'était super cool juste d'avoir quelqu'un à qui parler de science comme ça. »
Kirkpatrick a également connecté PAZ aux astronomes Caltech Shoubaneh Hemmati, Daniel Masters, Ashish Mahabal et Matthew Graham, qui ont partagé leur expertise dans les techniques d'apprentissage automatique pour l'astronomie et dans l'étude des objets qui varient sur des échelles de temps courtes et longues. Paz et Kirkpatrick ont appris que le rythme particulier des observations de Neowise signifiait qu'il ne serait pas en mesure de détecter et de classer systématiquement de nombreux objets qui ont clignoté une fois rapidement ou changé progressivement sur une longue période.
Comme l'été s'est terminé, il y avait encore beaucoup à faire. En 2024, Paz et Kirkpatrick ont de nouveau collaboré, et cette fois, Paz a encadré d'autres élèves du secondaire.
Maintenant, PAZ a affiné le modèle d'IA pour traiter toutes les données brutes des observations de Neowise et a analysé les résultats. Formées pour détecter les différences minuscules dans les mesures infrarouges du télescope, les algorithmes ont signalé et classé 1,5 million de nouveaux objets potentiels dans les données. En 2025, PAZ et Kirkpatrick prévoient de publier le catalogue complet d'objets qui variaient considérablement en luminosité dans les données Neowise.
« Le modèle que j'ai mis en œuvre peut être utilisé pour d'autres études de domaine temporel en astronomie, et potentiellement tout ce qui vient dans un format temporel », explique Paz. « Je pouvais voir une certaine pertinence pour l'analyse des graphiques (bourse), où les informations se présentent également dans une série temporelle et des composants périodiques peuvent être critiques. Vous pouvez également étudier des effets atmosphériques tels que la pollution, où les saisons périodiques et les cycles de jour nocturnes jouent des rôles énormes. »
Maintenant, alors qu'il termine le lycée, Paz est un employé de Caltech. Il travaille pour Kirkpatrick dans IPAC, qui gère, traite, archives et analyse les données de Neowise et de plusieurs autres missions spatiales soutenues par la NASA et la NSF. C'est le premier emploi de Paz.
