Ein junger Revolutionär der Astronomie
Matteo Paz hat die moderne Astronomie revolutioniert. Dieser US-amerikanische Student erreichte, was vielen Forschern seit Jahrzehnten nicht gelungen ist: die Entdeckung von mehr als einer Million und fünfhunderttausend bislang unbekannten Objekten im Weltraum. Wie hat er das geschafft? Indem er einen ausgeklügelten Algorithmus für künstliche Intelligenz entwickelte, der eine überwältigende Menge an Daten verarbeitet hat, die von einem NASA-Teleskop gesammelt wurden. Seine Geschichte ist das perfekte Beispiel dafür, wie junges Talent, wissenschaftliche Neugier und neue Technologien den Kurs einer Disziplin verändern können.
Ein früher Start: Von Vorträgen zum Labor
Matteo, ursprünglich aus Pasadena (Kalifornien), begann sich dank seiner Mutter für Astronomie zu interessieren, die ihn als Teenager zu Vorträgen am California Institute of Technology (Caltech) mitnahm. Mit 15 Jahren trat er dem Planet Finder-Programm bei, wo er Astronomie, Programmierung und fortgeschrittene Mathematik lernte.
Dies war der erste Schritt zu einem Projekt, das heute einen Wendepunkt in der astronomischen Analyse darstellt.
Das NEOWISE-Teleskop der NASA hatte mehr als ein Jahrzehnt lang den Himmel beobachtet und über 200 Milliarden Zeilen Daten angesammelt. Dennoch war der Großteil dieser Informationen aufgrund ihres Volumens und ihrer Komplexität nicht analysiert worden.
Hier sah Paz eine Gelegenheit. Mit Unterstützung des Wissenschaftlers Davy Kirkpatrick, einem der Experten des NEOWISE-Projekts, entwarf er eine auf künstlicher Intelligenz basierende Lösung, die Muster identifizieren konnte, die für das menschliche Auge unsichtbar waren.
VARnet entsteht: Ein Algorithmus mit kosmischer Sicht
Der von Matteo entwickelte Algorithmus, den er VARnet nannte, nutzte maschinelles Lernen und mathematische Methoden wie die Wavelet-Zerlegung und die Fourier-Transformation. Dies ermöglichte es ihm, Lichtkurven astronomischer Objekte zu analysieren und schwache Signale zu erkennen, die andere Werkzeuge nicht identifizieren konnten.
VARnet erwies sich als so effektiv, dass er jede Datenquelle in weniger als 53 Mikrosekunden verarbeitete, unterstützt von leistungsstarken Grafikprozessoreinheiten (GPUs).
Ein sofortiger Einfluss
Die Auswirkungen waren sofort spürbar. VARnet konnte über 1,5 Millionen neue Objekte im Weltraum identifizieren, eine bisher unerreichte Zahl in so kurzer Zeit. Dieser Fortschritt übersteigt bei weitem die Ergebnisse, die mit traditionellen Methoden erzielt wurden, und eröffnet neue Möglichkeiten für die Entdeckung von Asteroiden, veränderlichen Sternen oder sogar Exoplaneten.
Internationale Anerkennung und eine aufsteigende Karriere
Im Jahr 2024 wurde Matteo mit dem ersten Platz des Preises der Society for Science ausgezeichnet, der mit 250.000 Dollar dotiert ist. Seine Arbeit wurde im The Astronomical Journal veröffentlicht und führte dazu, dass er von Caltech eingestellt wurde, wo er nun mit renommierten Astronomen an neuen Projekten zur Raumdatenanalyse arbeitet.
Trotz seines jungen Alters wird er bereits als vielversprechendes Talent der modernen Wissenschaft angesehen.
Vielseitigkeit des Algorithmus
Am bemerkenswertesten ist, dass VARnet nicht nur in der Astronomie nützlich ist. Paz weist darauf hin, dass sein Modell angepasst werden kann, um Börsendaten zu analysieren, da es zyklische Verhaltensweisen und versteckte Muster in Zeitgrafiken erkennt. Es könnte auch in atmosphärischen Studien angewendet werden, wie z. B. zur Verfolgung von Verschmutzung oder klimatischen Phänomenen.
Ein vielversprechender Ausblick
Für Matteo Paz ist dies erst der Anfang. In kürzlichen Interviews äußerte er den Wunsch, seinen Algorithmus weiter zu perfektionieren und neue Bereiche zu erkunden, in denen künstliche Intelligenz und Datenwissenschaften Einfluss nehmen können. Seine Geschichte zeigt, dass die Kombination aus Leidenschaft, früher Ausbildung und modernster Technologie das Unvorstellbare ermöglichen kann.
Und alles begann mit einer einfachen Frage: Was könnte noch in den Daten verborgen sein, die wir bereits haben?
[Quelle: Infobae]
