Старшеклассник использует ИИ, чтобы обнаружить 1,5 миллиона ранее неизвестных объектов в космосе

Маттео Пас с президентом Калтеха Томасом Ф. Розенбаумом. Автор: California Institute of Technology

Благодаря своему исследованию в Калифорнийском технологическом институте местный старшеклассник обнаружил 1,5 миллиона ранее неизвестных объектов в космосе, расширил потенциал миссии НАСА и опубликовал статью, написанную одним автором.

Пас хотел узнать больше об астрономии с тех пор, как его мать привела его на публичные лекции по наблюдению за звездами в Калтехе, когда он учился в начальной школе. Летом 2022 года он приехал в кампус, чтобы изучать астрономию и смежную информатику в Академии поиска планет Калтеха под руководством профессора астрономии Эндрю Ховарда.

Наставником Паса был астроном и старший научный сотрудник IPAC Дэви Киркпатрик.

«Мне так повезло, что я встретил Дэви», — говорит Пас. «Я помню, как в первый день, когда я разговаривал с ним, я сказал, что подумываю о работе над статьей, которая выйдет из этого, а это гораздо более масштабная цель, чем шесть недель. Он не отговаривал меня. Он сказал: «Хорошо, давайте поговорим об этом». Он позволил мне получить необузданный опыт обучения. Думаю, именно поэтому я так вырос как ученый».

Киркпатрик вырос в фермерской общине в Теннесси и осуществил свою мечту стать астрономом с помощью своей учительницы химии и физики в девятом классе Мэрилин Моррисон. Она сказала ему и его матери, что у него есть потенциал, и объяснила, какие курсы ему следует посещать, чтобы подготовиться к колледжу.

«Я хотел передать такое же наставничество кому-то еще и, надеюсь, многим другим», — говорит Киркпатрик. «Если я вижу их потенциал, я хочу убедиться, что они его реализуют. Я сделаю все, что смогу, чтобы помочь им».

Киркпатрик также хотел получить больше информации от NEOWISE (Near-Earth Object Wide-field Infrared Survey Explorer), ныне выведенного из эксплуатации инфракрасного телескопа, который более 10 лет сканировал все небо в поисках астероидов и других объектов вблизи Земли.

Но данные об этих переменных объектах еще не были использованы. Если бы команда NEOWISE смогла идентифицировать эти объекты и сделать их доступными для астрономического сообщества, полученный каталог мог бы дать представление о том, как космические сущности изменяются с годами.

«В тот момент мы приближались к 200 миллиардам строк в таблице каждого отдельного обнаружения, которое мы сделали за более чем десятилетие», — говорит Киркпатрик. «Поэтому моей идеей на лето было взять небольшой кусочек неба и посмотреть, сможем ли мы найти какие-нибудь переменные звезды. Затем мы могли бы представить их астрономическому сообществу, сказав: «Вот кое-что новое, что мы обнаружили вручную; просто представьте, какой потенциал у этого набора данных».

Паз знал, что ИИ лучше всего обучается на обширных, упорядоченных наборах данных, таких как тот, который ему дал Киркпатрик. И у Паза были продвинутые математические знания, которые ему были нужны, чтобы наслаждаться программированием: он уже изучал продвинутую математику бакалавриата в математической академии Pasadena Unified School District, в которой ученики заканчивают курс AP BC в восьмом классе.

Итак, Пас приступил к разработке метода машинного обучения для анализа всего набора данных и пометки потенциальных переменных объектов. За эти шесть недель он начал составлять черновик модели ИИ, которая начала показывать некоторые перспективы. Во время работы он консультировался с Киркпатриком, чтобы изучить соответствующую астрономию и астрофизику.

Конвейер извлечения аномалий. Автор: The Astronomical Journal (2024). DOI: 10.3847/1538-3881/ad7fe6

«Каждая встреча с Дэви — это 10% работы и 90% просто болтовни», — говорит Паз. «Было очень круто просто иметь кого-то, с кем можно вот так поговорить о науке».

Киркпатрик также связал Паза с астрономами Калтеха Шубане Хеммати, Дэниелом Мастерсом, Ашишем Махабалом и Мэтью Грэмом, которые поделились своим опытом в методах машинного обучения для астрономии и в изучении объектов, которые изменяются в краткосрочных и долгосрочных масштабах времени. Паз и Киркпатрик узнали, что особый ритм наблюдений NEOWISE означает, что он не сможет систематически обнаруживать и классифицировать многие объекты, которые либо быстро вспыхивают один раз, либо постепенно изменяются в течение длительного времени.

К концу лета оставалось еще много дел. В 2024 году Паз и Киркпатрик снова сотрудничали, и на этот раз Паз была наставником других старшеклассников.

Теперь Паз усовершенствовал модель ИИ для обработки всех необработанных данных наблюдений NEOWISE и проанализировал результаты. Обученные обнаруживать мельчайшие различия в инфракрасных измерениях телескопа, алгоритмы отметили и классифицировали 1,5 миллиона потенциально новых объектов в данных. В 2025 году Паз и Киркпатрик планируют опубликовать полный каталог объектов, которые значительно различались по яркости в данных NEOWISE.

«Модель, которую я реализовал, может быть использована для других исследований во временной области в астрономии, и потенциально для всего, что приходит во временном формате», — говорит Пас. «Я мог бы увидеть некоторую связь с анализом графиков (фондового рынка), где информация также поступает во временном ряду, и периодические компоненты могут быть критически важными. Вы также могли бы изучать атмосферные эффекты, такие как загрязнение, где периодические времена года и циклы день-ночь играют огромную роль».

Сейчас, заканчивая среднюю школу, Паз — сотрудник Калтеха. Он работает на Киркпатрика в IPAC, который управляет, обрабатывает, архивирует и анализирует данные с NEOWISE и нескольких других космических миссий, поддерживаемых NASA и NSF. Это первая оплачиваемая работа Паза.

Больше информации: Matthew Paz, A Submillisecond Fourier and Wavelet-based Model to Extract Variable Candidates from the NEOWISE Single-exposure Database, The Astronomical Journal (2024). DOI: 10.3847/1538-3881/ad7fe6

Источник: California Institute of Technology