Um estudante do ensino médio de 18 anos utilizou inteligência artificial para descobrir 1,5 milhões de objetos cósmicos previamente desconhecidos. Matteo Paz, de Pasadena, Califórnia, criou um sofisticado algoritmo de aprendizado de máquina que analisou vastos arquivos de dados do telescópio NEOWISE da NASA (o Explorador de Infravermelho de Campo Largado de Objetos Próximos à Terra). Lançado em 2009, o NEOWISE passou mais de uma década mapeando o céu em comprimentos de onda infravermelhos, originalmente à procura de asteroides e cometas próximos à Terra, enquanto capturava bilhões de detecções—aproximadamente 200 bilhões no total—de fontes celestiais. Escondidas dentro deste enorme conjunto de dados estavam mudanças sutis no brilho infravermelho que indicam fenômenos dinâmicos: estrelas variáveis, explosões de supernovas, buracos negros supermassivos em alimentação e sistemas estelares binários próximos, entre outros. Em vez de depender de inspeção manual, Paz treinou um modelo de IA (incluindo técnicas como análise de forma de onda e seu algoritmo VARnet) para detectar e classificar automaticamente esses sinais de variabilidade fraca em toda a coleção. O resultado: um catálogo inovador chamado VarWISE, que identificou cerca de 1,9 milhões de objetos variáveis infravermelhos no total, com 1,5 milhões representando descobertas inteiramente novas nunca antes catalogadas por astrônomos. Este catálogo VarWISE já está ajudando pesquisadores a explorar comportamentos estelares incomuns e outros eventos transitórios em todo o universo. A conquista de Paz—realizada durante a pesquisa no Caltech sob mentoria e culminando em um artigo revisado por pares—rendeu-lhe o primeiro lugar e um prêmio de $250.000 na Regeneron Science Talent Search de 2025. Isso ilustra poderosamente a transformação na astronomia moderna: à medida que os telescópios geram dados muito além da capacidade de processamento humano, a combinação de instrumentos de ponta com algoritmos inteligentes está desbloqueando tesouros ocultos nos arquivos existentes. As próximas grandes descobertas nem sempre estão no cosmos distante—elas estão frequentemente enterradas nos dados que já coletamos.