Un ragazzo di 18 anni delle scuole superiori ha sfruttato l'intelligenza artificiale per scoprire 1,5 milioni di oggetti cosmici precedentemente sconosciuti. Matteo Paz, di Pasadena, California, ha creato un sofisticato algoritmo di machine learning che ha setacciato vasti archivi di dati del telescopio NEOWISE della NASA (il Near-Earth Object Wide-field Infrared Survey Explorer). Lanciato nel 2009, NEOWISE ha trascorso oltre un decennio a sondare il cielo in lunghezze d'onda infrarosse, originariamente alla ricerca di asteroidi e comete vicino alla Terra, catturando miliardi di rilevamenti—circa 200 miliardi in totale—di fonti celesti. Nascosti all'interno di questo enorme dataset c'erano sottili cambiamenti nella luminosità infrarossa che suggeriscono fenomeni dinamici: stelle variabili, esplosioni di supernova, buchi neri supermassicci in alimentazione e sistemi stellari binari stretti, tra gli altri. Invece di fare affidamento su ispezioni manuali, Paz ha addestrato un modello di AI (inclusi tecniche come l'analisi delle forme d'onda e il suo algoritmo VARnet) per rilevare e classificare automaticamente questi deboli segnali di variabilità in tutta la collezione. Il risultato: un catalogo innovativo chiamato VarWISE, che ha identificato circa 1,9 milioni di oggetti variabili infrarossi in totale, con 1,5 milioni che rappresentano scoperte completamente nuove mai catalogate prima dagli astronomi. Questo catalogo VarWISE sta già aiutando i ricercatori a esplorare comportamenti stellari insoliti e altri eventi transitori nell'universo. Il risultato di Paz—condotto durante la ricerca al Caltech sotto la supervisione e culminato in un articolo sottoposto a revisione paritaria—gli è valso il primo posto e un premio di 250.000 dollari nella Regeneron Science Talent Search 2025. Illustra potentemente la trasformazione nell'astronomia moderna: mentre i telescopi generano dati ben oltre la capacità di elaborazione umana, abbinare strumenti all'avanguardia con algoritmi intelligenti sta sbloccando tesori nascosti proprio negli archivi esistenti. Le prossime grandi scoperte non sono sempre là fuori nel cosmo lontano—spesso sono sepolte nei dati che abbiamo già raccolto.