A través de su investigación en Caltech, un estudiante de secundaria local reveló 1,5 millones de objetos previamente desconocidos en el espacio, amplió el potencial de una misión de la NASA y publicó un artículo de un solo autor. El artículo de Matteo Paz publicado en The Astronomical Journal describe un nuevo algoritmo de IA que desarrolló y que condujo a estos descubrimientos y que puede ser adaptado por otros astrónomos y astrofísicos para sus propias investigaciones.
Paz ha querido aprender más sobre astronomía desde que su madre lo llevó a las Conferencias Públicas de Observación de Estrellas en Caltech cuando estaba en primaria. En el verano de 2022, llegó al campus para estudiar astronomía e informática relacionada en la Academia Planet Finder de Caltech, dirigida por el profesor de Astronomía Andrew Howard. El astrónomo y científico principal del IPAC Davy Kirkpatrick fue el mentor de Paz.
“Tengo muchísima suerte de haber conocido a Davy”, dice Paz. “Recuerdo el primer día que hablé con él. Le comenté que estaba considerando trabajar en un artículo científico sobre esto, lo cual es una meta mucho mayor que seis semanas. No me desanimó. Me dijo: ‘Bueno, hablemos de eso’. Me ha permitido un aprendizaje sin límites. Creo que por eso he crecido tanto como científica”.
Kirkpatrick creció en una comunidad agrícola de Tennessee y cumplió su sueño de ser astrónomo con la ayuda de su profesora de química y física de noveno grado, Marilyn Morrison. Ella les dijo a él y a su madre que tenía potencial y les explicó qué cursos debía tomar para prepararse para la universidad.
“Quería transmitir ese mismo tipo de mentoría a otras personas, y espero que a muchas más”, dice Kirkpatrick. “Si veo su potencial, quiero asegurarme de que lo estén alcanzando. Haré todo lo posible por ayudarlos”.
Kirkpatrick también quería obtener más información del NEOWISE (Near-Earth Object Wide-field Infrared Survey Explorer), un telescopio infrarrojo ahora retirado que había escaneado todo el cielo en busca de asteroides y otros objetos cercanos a la Tierra durante más de 10 años. Mientras el telescopio de la NASA observaba asteroides, también detectó la variación de calor de otros objetos cósmicos más distantes que brillaban intensamente, pulsaban o se atenuaban al ser eclipsados. Los astrónomos llaman a estos objetos variables: fenómenos difíciles de captar, como cuásares, estrellas en explosión y estrellas emparejadas que se eclipsan.
Pero los datos sobre estos objetos variables aún no se habían aprovechado. Si el equipo del NEOWISE pudiera identificarlos y ponerlos a disposición de la comunidad astronómica, el catálogo resultante podría proporcionar información sobre cómo cambian estas entidades cósmicas a lo largo de los años.
“En ese momento, nos acercábamos a los 200 mil millones de filas en la tabla de cada detección que habíamos realizado a lo largo de más de una década”, dice Kirkpatrick. “Así que mi idea para el verano era tomar un pequeño trozo del cielo y ver si podíamos encontrar algunas estrellas variables. Luego podríamos presentárselas a la comunidad astronómica y decir: ‘Aquí hay algunas cosas nuevas que descubrimos manualmente; imagínense el potencial del conjunto de datos'”.
Paz no tenía intención de analizar los datos manualmente. Sus estudios lo habían preparado para aportar una nueva perspectiva al reto. Se había interesado por la IA durante una asignatura optativa que integraba programación, informática teórica y matemáticas formales.
Paz sabía que la IA se entrena mejor con conjuntos de datos extensos y ordenados como el que Kirkpatrick le había proporcionado. Y Paz tenía los conocimientos matemáticos avanzados necesarios para disfrutar de la programación: ya estudiaba matemáticas avanzadas de pregrado en la Academia de Matemáticas del Distrito Escolar Unificado de Pasadena, donde los estudiantes terminan el curso avanzado de cálculo BC en octavo grado.
Así que Paz se propuso desarrollar una técnica de aprendizaje automático para analizar todo el conjunto de datos e identificar posibles objetos variables. Durante esas seis semanas, comenzó a esbozar el modelo de IA, que empezó a mostrar resultados prometedores. Mientras trabajaba, consultó con Kirkpatrick para aprender los conocimientos astronómicos y astrofísicos pertinentes.
“Cada reunión con Davy es un 10% trabajo y un 90% charla”, dice Paz. “Ha sido genial tener a alguien con quien hablar de ciencia así”.
Kirkpatrick también conectó a Paz con los astrónomos de Caltech Shoubaneh Hemmati, Daniel Masters, Ashish Mahabal y Matthew Graham, quienes compartieron su experiencia en técnicas de aprendizaje automático para astronomía y en el estudio de objetos que varían en escalas de tiempo cortas y largas. Paz y Kirkpatrick descubrieron que el ritmo particular de las observaciones del NEOWISE implicaba que no podría detectar y clasificar sistemáticamente muchos objetos que destellaban rápidamente una vez o cambiaban gradualmente a lo largo del tiempo.
Al terminar el verano, aún quedaba mucho por hacer. En 2024, Paz y Kirkpatrick volvieron a colaborar, y esta vez, Paz fue mentora de otros estudiantes de secundaria.
Ahora, Paz ha perfeccionado el modelo de IA para procesar todos los datos brutos de las observaciones del NEOWISE y ha analizado los resultados. Entrenados para detectar diferencias mínimas en las mediciones infrarrojas del telescopio, los algoritmos identificaron y clasificaron 1,5 millones de posibles nuevos objetos en los datos. En 2025, Paz y Kirkpatrick planean publicar el catálogo completo de objetos cuyo brillo varió considerablemente en los datos del NEOWISE.
“El modelo que implementé puede utilizarse para otros estudios del dominio temporal en astronomía, y potencialmente para cualquier otro estudio que se presente en formato temporal”, afirma Paz. “Veo cierta relevancia para el análisis de gráficos (del mercado de valores), donde la información también se presenta en series temporales y los componentes periódicos pueden ser cruciales. También se podrían estudiar efectos atmosféricos como la contaminación, donde las estaciones periódicas y los ciclos día-noche desempeñan un papel fundamental”.
Ahora, mientras termina la preparatoria, Paz trabaja en Caltech. Trabaja para Kirkpatrick en la IPAC, donde gestiona, procesa, archiva y analiza datos del NEOWISE y otras misiones espaciales financiadas por la NASA y la NSF. Es su primer trabajo remunerado.
Fuente: Phys.org.