Los estudiantes de secundaria usan AI para revelar elementos desconocidos 1.5 millones en el espacio.

A través de su investigación en Caltech, un estudiante local de secundaria reveló objetos desconocidos 1.5 millones en el espacio, amplió la capacidad de la misión de la NASA y publicó un artículo de un solo escritor.

Matio (Matthew) El artículo de Paz Publicado En The Astronomical Journal Describe un nuevo algoritmo de IA que han desarrollado, liderando estos descubrimientos y pueden ser adaptado por otros astrónomos y astrónomos para su propia investigación.

Paz ha querido saber más sobre la astronomía, ya que su madre lo llevó a una conferencia pública de gastas de estrellas en Caltech cuando estaba en una escuela primaria. En el verano de 2022, llegó al campus para estudiar la astronomía y la informática relacionada en la Academia de Buscador del Planeta Caltech dirigida por el profesor de astronomía Andrew Howard.

Devi Kirkpatrick, astrónomo y científico principal de IPAC, sirvió como patrón de Paz.

"Tengo mucha suerte de haber conocido a Davi", dice Paz. "Recuerdo que el primer día que hablé con él, dije que estaba considerando trabajar en un papel para salir de él, lo cual es un objetivo más grande que seis semanas. No me desanimó. Dijo:" Está bien, así que hablemos de ello. "Ha permitido una experiencia de aprendizaje desenfrenada.

Corona en una comunidad agrícola en Kirkpatric Tennessee y se dio cuenta de su sueño de convertirse en astrónomo con la ayuda de su maestra de química y física de noveno grado, Marilyn Morrison. Le dijo a él y a su madre que tenía habilidad y le dijo qué cursos debería tomar para prepararse para la universidad.

"Quería aconsejar a alguien más de la misma manera y espero que muchas personas hagan EL", dice Kirkpatrick. "Si miro su habilidad, quiero asegurarme de que lo están alcanzando. Lo que sea que pueda hacer, puedo ayudarlos".

Kirkpatrik también quería alegrar más información de Neowise (explorador de encuestas infrarrojas de campo amplio de objetos cercanos), que ahora fue telescopio infrarrojo retirado, que escaneó todo el cielo en busca de asteroides y otros objetos durante más de 10 años.

Mientras que la NASA estaba ocupada mirando los asteroides del telescopio, también detectó diferentes calor de objetos cósmicos, que se intensificaron, pulsaron o tenues porque se asumió. Los astrónomos llaman a estos objetos variables: los fenómenos difíciles de captar como los cuestores, las estrellas de explosiones y las estrellas acopladas se reciben entre sí.

Pero los datos de estos elementos variables aún no habían sido explotados. Si el equipo de Neowise puede identificar esos elementos y ponerlos a disposición de la comunidad astronómica, el catálogo resultante puede proporcionar información sobre cómo cambian las entidades cósmicas a lo largo de los años.

"En ese momento, nos arrastramos hacia 200 mil millones de filas en cada tabla de identidad que habíamos hecho más de una década", dice Kirkpatrick. "Entonces, mi idea para el verano era tomar una pequeña pieza del cielo y ver si podíamos encontrar algunas estrellas variables. Entonces podemos resaltar a esas personas en la comunidad de astronomía, diciendo:" Aquí hemos descubierto algunos artículos nuevos que hemos descubierto a mano; Solo imagine cuál es la capacidad en el conjunto de datos. "

El Paja manualmente no tenía intención de cambiar a través de los datos. Su trabajo escolar lo preparó para aportar un nuevo enfoque al desafío. Se interesó en la IA durante una codificación alternativa, informática teórica y matemáticas formales.

Paz sabía que los trenes AI son los mejores en un conjunto de datos enorme y sistemático, como le dio un Cirkpatrick. Y Paz tenía conocimiento de las matemáticas avanzadas que necesitaba para disfrutar de la programación: ya estaba estudiando matemáticas de posgrado avanzadas en el Distrito Escolar Unificado de la Academia de Matemáticas de Pasadeena, en el que los estudiantes abolen el cálculo AP BC en el octavo grado.

Por lo tanto, PAZ estableció todo el conjunto de datos y el indicador para desarrollar técnicas de aprendizaje automático para analizar posibles objetos variables. En esas seis semanas, comenzó a redactar el modelo AI, que comenzó a mostrar algunas promesas. Mientras trabajaba, consultó con Kirkpatrick para aprender la astronomía relevante y la física de la astronomía.

"Cada reunión con Davi trabaja 10% y 90% de EE. UU. Solo está charlando", dice Paz. "Es muy bueno que alguien tenga que hablar de ciencia como esta".

Kirkpatrik también agregó PAZ con los astrónomos de Caltech, Shaubneh Hemmati, Daniel Masters, Ashish Mahabal y Matthew Graham, quienes compartieron su experiencia en técnicas de aprendizaje automático para la astronomía y en el estudio de bienes que difieren a corto y largo tiempo. Paz y Kirkpatrik aprendieron que el ritmo especial de los comentarios de Nevis significaba que no podría detectar y clasificar sistemáticamente muchos objetos que brillan una vez que cambian de rápida o gradualmente durante mucho tiempo.

Cuando el calor terminó, todavía había mucho que hacer. En 2024, Paz y Kirkpatrick nuevamente colaboraron, y esta vez, Paz mencionó a otros estudiantes de secundaria.

Ahora, Paz ha refinado el modelo AI para procesar todos los datos sin procesar de los comentarios de Neowise y analizado los resultados. Entrenado para detectar la diferencia de minuto en mediciones infrarrojas de binoculares, el algoritmo marcó y clasificó 1,5 millones de posibles elementos nuevos en los datos. En 2025, Paz y Kirkpatrick planean publicar una lista completa de elementos que son bastante diferentes en brillo en los datos de neowise.

Paz dice: "El modelo que apliqué puede usarse para estudios de dominio en astronomía, y posiblemente algo que viene en un formato temporal", dice Paz. "Podría ver algo de relevancia para el análisis de la tabla (mercado de valores), donde la información viene en una cadena de tiempo y puede ser importante en los componentes periódicos. También puede estudiar efectos atmosféricos como la contaminación, donde las temporadas periódicas y los ciclos diarios y nocturnos juegan enormes roles".

Ahora, cuando termina la escuela secundaria, Paz es un empleado de Caltech. Trabaja para Kirkpatrick en IPAC, que administra, procesa, archiva y analiza los datos de las misiones espaciales respaldadas por NASA y NSF. Este es el primer trabajo de pago de Paz.