共计 1341 个字符，预计需要花费 4 分钟才能阅读完成。
在一项挑战太空探索思维方式的非凡事件中，加利福尼亚的一名高中生做出了一项可能重塑我们对宇宙理解的发现。马特奥·帕兹（Matteo Paz）是一名在计算机科学方面极具天赋的青少年，他开发了一个人工智能模型，发现了 150 万个此前天文学家未知的太空物体。这些物体隐藏在 NASA 的 NEOWISE 任务收集的大量数据中，该任务旨在追踪近地小行星。
马特奥·帕兹的深空探索之旅始于 2022 年夏天，当时他参加了加州理工学院的星球发现学院。该项目由教授安德鲁·霍华德（Andrew Howard）领导，旨在为高中生提供直接接触先进天文研究的机会。帕兹得到了加州理工学院红外处理与分析中心（IPAC）高级科学家戴维·柯克帕特里克（David Kirkpatrick）的指导，他们一起开始探索 NEOWISE 任务的数据宝库。
NEOWISE 任务最初设计用于观测和追踪近地小行星，十多年来收集了覆盖整个天空的红外数据。虽然该任务实现了其主要目标，但也收集了关于遥远物体的宝贵信息，特别是那些随时间表现出异常亮度变化的物体。这些变化有时由类星体、双星或超新星引起，使用传统分析方法往往难以精确定位。
面对一个接近 2000 亿数据点的数据集，加州理工学院的团队原本计划仅手动分析一小部分。然而，拥有计算机科学、数学和编程背景的帕兹提出了不同的解决方案。他建议使用机器学习来处理这个庞大的数据集，这一方案此前无人考虑。
在短短六周内，帕兹构建了一个基于傅里叶和小波的机器学习模型，旨在识别红外数据中最微弱的亮度波动信号。他的努力很快得到了回报。该模型开始检测到此前未被注意到的细微变化。随着人工智能不断优化其发现异常模式的能力，它在广阔太空中标记出潜在的新物体和活动。
帕兹的突破不仅是一项技术成就，也是导师力量的证明。在整个项目中，帕兹与加州理工学院的研究团队密切合作，包括肖巴内·赫马蒂（Shoubaneh Hemmati）、丹尼尔·马斯特斯（Daniel Masters）、阿什什·马哈巴尔（Ashish Mahabal）和马修·格雷厄姆（Matthew Graham）。这些专家在完善机器学习技术方面提供了关键支持，这些技术最终导致了隐藏物体的发现。
然而，这一旅程并非没有障碍。NEOWISE 任务的观测节奏存在局限性，使得检测某些类型的可变物体变得困难——特别是那些变化过于缓慢或过于迅速的物体。帕兹的人工智能模型能够追踪这些亮度随时间的变化，成功克服了这一挑战。他的工作导致了对新恒星和其他现象的发现，为进一步研究和探索打开了大门。
如今，作为加州理工学院的正式员工，帕兹继续完善他的模型，推动其人工智能的能力边界。他还致力于指导星球发现学院的年轻学生，确保下一代研究人员拥有探索太空的新工具和灵感。
帕兹的人工智能发现的 150 万个新物体目录将于 2025 年发布，为研究遥远恒星和星系的演化提供新的见解。这些发现将使天文学家能够研究此前不可见天体的长期行为。虽然这一发现源于太空研究，但帕兹看到了其模型在更广泛领域的应用潜力，包括经济学和环境监测等时间数据起关键作用的领域。
作为一名对机器学习和天文数据有深刻理解的高中生，帕兹的成功展示了年轻人才与正确资源结合时的潜力。他的工作也凸显了先进技术，特别是人工智能，揭示宇宙未解之谜的力量。
