US-Schüler verblüfft Forscher mit Karte von 1,5 Millionen bislang unbekannten Himmelskörpern
Ein Teenager aus Kalifornien, Matteo Paz, hat mit Hilfe von Künstlicher Intelligenz (KI) einen regelrechten „kosmischen Jackpot“ geknackt. Aus archivierten NASA-Daten hat er mehr als 1,5 Millionen zuvor nicht identifizierte variable Lichtquellen katalogisiert. Die Entdeckung wurde in der Fachwelt als bahnbrechend gefeiert. Grundlage sind die Daten der NEOWISE-Mission, die ursprünglich 2009 gestartet wurde, um erdnahe Asteroiden zu detektieren.
Der aus den Archivdaten der mittlerweile abgeschlossenen NEOWISE-Mission entstandene Katalog umfasst variable Lichtquellen wie Quasare, Doppelsterne und Supernovae. Die Arbeit wurde im renommierten The Astronomical Journal veröffentlicht und wird im Jahr 2025 der Öffentlichkeit zugänglich gemacht. Der Katalog dient bereits als wichtiger Leitfaden für neue Beobachtungen mit dem Vera Rubin Observatory und dem James Webb Space Telescope (JWST).
Wer hinter dem Fund steckt
Matteo Paz, ein High-School-Schüler aus Pasadena, Kalifornien, ist der Hauptakteur dieser Entdeckung. Trotz seines jungen Alters hat er dank Fähigkeiten in theoretischer Mathematik, Programmierung und Zeitreihenanalyse eine Machine-Learning-Pipeline entwickelt. Damit konnte er fast 200 Milliarden Beobachtungszeilen der NEOWISE-Daten durchgehen und dabei bisher übersehene Himmelsobjekte aufspüren. Seine Ausbildung an der Math Academy des Pasadena Unified School Districts hat ihm dafür die nötigen Werkzeuge geliefert.
Wichtig war auch Davy Kirkpatrick, Wissenschaftler am Caltech und Mentor von Paz. Kirkpatrick unterstützt durch das Mentoring-Programm bei IPAC (Infrared Processing and Analysis Center) die Entwicklung junger Talente. Gemeinsam mit Forschern am Caltech wie Shoubaneh Hemmati und Daniel Masters half er, das System zu verfeinern. Kirkpatrick sagte in einem Interview mit Phys.org, dass „das Modell fast sofort vielversprechende Ergebnisse zeigte“.
So funktioniert die Technik
Der Erfolg beruht auf dem Einsatz fortschrittlicher KI-Methoden. Paz baute in nur sechs Wochen eine Machine-Learning-Pipeline, die auf Fourier-Transformationen und Wavelet-Analysen basiert. Mit diesen Methoden konnte er schwache, variable Lichtquellen finden, die menschlichen Augen oder Standardsoftware entgingen. Der Prozess erlaubt es, flackernde, pulsierende und verblassende Objekte in einem jahrzehntelangen Datenset zu erkennen.
Diese Algorithmen sind eigentlich auf Hochschulniveau, aber Paz konnte sie dank seiner Begabung und der Unterstützung der Pasadena Math Academy umsetzen. Außerdem ist das System so aufgebaut, dass es jede Art zeitbasierter Daten analysieren kann, was Anwendungen in Bereichen wie Finanzen, Umweltüberwachung und Neurowissenschaften nahelegt.
Warum das für die Forschung wichtig ist und was noch kommt
Die Entdeckung hat weitreichende Folgen für die Forschung. Sie liefert Hinweise zur Sternentwicklung, zu fernen Galaxien und zu hochenergetischen Prozessen im Universum. Der resultierende Katalog leitet nicht nur aktuelle, sondern auch künftige astronomische Beobachtungen und setzt einen neuen Standard bei der Identifikation seltener Transienten und kataklysmischer Variablen.
Kurzfristig werden die Daten für gezielte Beobachtungen im Vera Rubin Observatory und dem JWST genutzt. Langfristig könnte das von Paz entwickelte System in vielen weiteren Bereichen eingesetzt werden, indem es komplexe, zeitabhängige Systeme besser durchschaubar macht.
Die Geschichte zeigt das große Potenzial junger Fachkräfte und der Künstlichen Intelligenz in der Astrophysik. Neben der wissenschaftlichen Bedeutung unterstreicht sie auch, wie wichtig akademische Unterstützung und Engagement im MINT-Bereich sind. Die Entschlossenheit von Matteo Paz und die Hilfe des Caltech-Teams verdeutlichen, wie junge Talente gefördert werden können, um die Grenzen unseres Wissens zu verschieben.