18歲天才高中生，利用AI竟發現了150萬個隱藏天體，震驚全球。這篇獨著論文已登上天文學頂刊，或將助力探索宇宙起源之謎。為此，他斬獲了25萬美元科學競賽大獎，直通斯坦福。
在NASA的2000億條數據中隱藏著150萬個未知天體，而揭開它們神秘面紗的，竟是一位美國高中生！
他就是Matteo Paz，來自加州南帕薩迪納高中的天才少年。
基于加州理工學院的研究，Matteo挖掘了美國國家航空航天局（NASA）某項任務「沉睡的數據」，并以獨著身份在天文學頂級期刊發文。
憑借這項成果，他直接拿下了Regeneron科學人才搜索競賽競賽的25萬美元獎金。
2025年3月11日，Matteo Paz與加州理工學院院長Thomas F. Rosenbaum在Regeneron科學人才探索獎頒獎典禮上的合影。
目前，這項研究已于去年11月發表在《The Astronomical Journal》上，并在文中作了詳細闡述。
不過，該論文中并未提及的是，唯一作者只有18歲。
150萬潛在天體，
18歲拿下25萬美元獎金
近日，來自美國加州的18歲高中生Matteo Paz，憑借將機器學習與天文學巧妙融合的卓越研究，在2025年Regeneron科學人才搜索競賽（Regeneron Science Talent Search，簡稱Regeneron STS）中力壓群雄，斬獲一等獎，并將25萬美元獎金收入囊中。
2025年Regeneron科學人才搜索競賽獲獎者，中間為Matteo Paz
Regeneron科學人才搜索競賽始于1942年，被譽為美國「歷史最悠久、最具聲望的高中生科學與數學賽事」，最初名為西屋科學天才搜索（Westinghouse Science Talent Search），旨在表彰并賦能那些有潛力的年輕科學家。
他利用AI，處理了來自NASA的2000億條數據，揭示了150萬個先前未知的潛在天體。
在2013年12月，NEOWISE發現的第一顆近地小行星的運行軌跡，紅色點表示移動路徑。
接受采訪時，Matteo Paz坦言：「能參與競賽已是榮幸，從闖入前十到最終奪冠，驚喜接踵而至，至今仍覺得像在做夢。」
Matteo Paz站在后排，對自己獲得第一名的成績感到震驚。
在贏得25萬美元獎金后，Paz的下一個征途是大學。
他表示，自己已被斯坦福大學錄取。
就在參加頒獎典禮的幾周前，Paz在帕薩迪納的家中醒來，透過窗戶看到外面烈焰翻騰。
伊頓山火（Eaton Fire）蔓延得極快，以至于他未收到任何官方警報。
伊頓山火（Eaton Fire）于2025年1月7日傍晚爆發，在天氣影響下，火勢迅速蔓延，共造成至少18人死亡，摧毀了9,000多座建筑，成為加州歷史上死亡人數第五高、破壞程度第二嚴重的野火
在疏散和數日的火情之后，他的家最終幸免于難。
這讓他有了新的視角。
現在，他正在思考是否有可能將一臺紅外望遠鏡送入地球軌道——這次是為了監測地球本身的新發火災。
不過，眼下他更希望利用他在NEOWISE數據中的研究成果，探索宇宙從大爆炸以來的神秘膨脹速度，幫助科學家解開宇宙學中最大謎題之一。
「這項工作要么能幫助解決當前研究中一個極具爭議的問題，要么將揭示一些關于宇宙起源的真正基礎性的東西。」
「追星」路上，偶得名師
早在小學時期，Paz對天文學的熱愛便已萌芽。
那時，母親常帶他參加加州理工學院的公眾觀星講座（Stargazing Lecture Series），璀璨星空就此在他心中種下探索的種子。
2022年夏天，他走進加州理工學院，在Andrew Howard教授領銜的行星探測器學院（Caltech Planet Finder Academy），系統學習天文學與相關計算機科學知識，開啟了更深入的學術探索之旅。
天文學教授：Andrew Howard
2023年，他參與了加州理工學院為期六周的暑期研究計劃（Summer Research Connection，SRC）。
該項目由教學、學習和推廣中心運營，旨在為當地高中生匹配校園實驗室導師，支持學生開展科研實踐。
加州理工學院2023年Kirkpatrick小組SRC項目匯報
天文學家和IPAC高級科學家Davy Kirkpatrick擔任Paz的導師。
在過去的五年里，除了本科生、公民科學家和來訪的研究員之外，Kirkpatrick還指導過高中生。
天文學家：Davy Kirkpatrick
Paz很幸運地遇到了導師Davy，Davy給予了他充分的自由和支持。他回憶道：
我記得在我們第一次交談時，我提到自己的目標是發表論文，這個目標遠遠超出了六周項目的周期。他非但沒有勸阻，反而欣然回應：「好的，那我們來談談吧」 。
在研究過程中，他為我提供了充分的自主探索空間，而正是這種自由，使我在科研道路上得以迅速成長。
Kirkpatrick成長于田納西州的農業社區，在九年級化學與物理老師Marilyn Morrison的助力下，圓了天文學家之夢。
Morrison老師向他和母親點明其天賦，并悉心指導升學所需課程，為大學深造鋪路。
如今，Kirkpatrick希望將老師當年的指引傳遞下去，他表示：「一旦發現別人的潛力，我一定會全力幫助他充分發揮出來。」
2025年Regeneron科學天才搜索一等獎得主Matteo Paz手持獎杯
但Kirkpatrick希望從NEOWISE（近地天體廣域紅外探測器）項目中獲取更多有價值的信息。
巡天功臣，澤被后代
NEOWISE是NASA已退役的紅外望遠鏡。
在服役的十多年間，它不間斷地掃描整片天空，專注搜尋地球附近的小行星及其他天體。
NEOWISE在2024年底重返大氣層并安全燒毀
雖然NASA的NEOWISE望遠鏡以觀測小行星為主要任務，但在運行期間，它還敏銳捕捉到遙遠宇宙物體的熱量變化。
這些天體有的會發出強烈閃光或脈動，有的在相互遮掩時會出現亮度衰減，反映出宇宙天體運動過程中的多樣性和復雜性。
天文學家將這些亮度變化的現象統稱為變星，其中一些類型如類星體、超新星和互相遮掩的雙星系統，因其變化不易捕捉而尤為復雜。
模擬的雙星系統亮度變化
然而，這些關于變星的數據尚未得到充分利用。
當時，團隊已積累超十年的探測數據，總數據量接近2000億行。
2024年，NEOWISE團隊公布了項目的最終數據和未發現圖像
Kirkpatrick的設想是：
在夏天先選取一小塊天空進行分析，看看能否從中找到一些變星。
然后，我們再向天文界展示這些成果，告訴他們「這是我們親自發現的新事物，想象一下整個數據集蘊含的巨大潛力吧！」
AI下場，大顯身手
面對NEOWISE近2000億行的海量數據，Paz并未選擇手動篩選，而是憑借在校積累的知識另辟蹊徑。
在一門融合了編程、理論計算機科學和數學的選修課上，他對AI產生了濃厚的興趣。
他深知，AI在大規模有序數據集上訓練效果最好，而導師Kirkpatrick提供的數據恰好滿足這一條件。
幸運的是，他完成了AP微積分（Advanced Placement Calculus）BC課程，具備了開發機器學習模型所需的數學能力。
2014―2018年天文學中應用深度學習的論文研究主題和各主題數量趨勢
在那六周里，他開始構建AI模型，該模型初見成效。
研究期間，Paz常向Kirkpatrick請教天文學與天體物理學知識。
談及這段經歷，他總是難掩喜悅：
每次和Davy見面，我們只有10%的時間在討論工作，剩下90%的時間都在閑聊。能有這樣一個人可以一起暢談科學，真是太棒了！
Kirkpatrick還將Paz介紹給了加州理工學院的天文學家Shoubaneh Hemmati、Daniel Masters、Ashish Mahabal和Matthew Graham。
他們在天文學中的機器學習應用，以及不同時間尺度下變星的研究方面，為Paz提供了寶貴的專業知識。
Paz與Kirkpatrick意識到，NEOWISE的觀測方式存在局限性，難以有效檢測和分類那些快速閃爍或緩慢變化的天體。
夏天結束后，還有很多工作要做。
第二年也就是2024年，Paz和Kirkpatrick再次合作。
現在，Paz已經改進了AI模型，用于處理來自NEOWISE觀測的全部原始數據，并分析了結果。
現在，Paz已經改進了AI模型，用于處理來自NEOWISE觀測的全部原始數據，并分析了結果。
Matteo Paz于2023年的研討會上展示了他的初步研究成果
他補充說，加州理工學院的研究人員已經開始使用帕茲編制的潛在變星體目錄——VarWISE，用于研究雙星系統。
在2025年，Paz和Kirkpatrick計劃發布包含NEOWISE數據中亮度變化顯著的天體的完整目錄。
AI+天文學：全新方法
Matteo Paz設計了一套處理流程，從NEOWISE數據中提取變星候選體。
以前的方法在檢測周期性信號方面非常有效，但它們在處理WISE如此大規模數據（高達數十千億行）時速度極慢，幾乎無法在實際中使用。
而Paz采用的全新機器學習模型，卻能在現實可行的時間范圍內解決這一問題！
它的目標就是，分析天空中任意天體的光變曲線，并將其分類為靜態源、新星/明亮瞬變源、雙星系統或脈動光源。
具體來說，Paz采用卷積操作和變換技術來提取高細節特征，讓模型能夠有效檢測到周期性和非周期性的亮度變化。
對于每條約含2000個數據點的光變曲線，在一張22GB顯存的GPU上，VARnet處理速度大于53微秒/天體。
但訓練VARnet需要大量訓練數據。為此，Paz專門為每類目標光源開發了一個精準的合成光變曲線生成器，以便為這一復雜模型提供無限量的訓練樣本。
生成一條完整的合成光變曲線樣本的步驟如下：
1. 構造一個基礎亮度函數f(t)
2. 按照WISE的觀測節奏（采樣間隔）對該函數進行采樣
3. 加入高斯噪聲 ，其中噪聲方差為亮度函數的某種函數形式
偽代碼詳見算法2。
這一方法論（見圖1）實現了極快的運行速度，并在測試集上表現出高精度和強性能，最終生成了高質量的異常目標列表。
原文圖1：異常檢測流程示意圖
整個流程如下：
（1）收集并預處理數據
采用基于密度的方法，對單次曝光源目錄中的天體顯現（apparitions）進行空間聚類，以及一系列數據變換，提高數據質量。
VARnet使用一維小波分解來最大限度地降低異常數據對分析結果的影響，并對離散傅里葉變換（DFT）進行了創新性的改進，從而快速檢測周期性并提取時間序列特征。
VARnet將這些特征分析整合，利用機器學習實現對天體類型的預測，主要依賴卷積神經網絡。
VARnet模型的完整結構
VARnet模型的完整結構如上圖所示。
整個模型統一采用ReLU激活函數，開始包含三個卷積層，用于處理信號，并將其壓縮為三通道，送入傅里葉特征提取模塊。在模型實際運行中，最終的輸出向量會經過softmax操作，使預測結果可以被解釋為概率形式，并按置信度進行排序
他還驗證了，VARnet對已知及新發現的變星源均具有高度的敏感性與準確性。
果然，VARnet產生了一些有趣的探測結果！
首先，它以極高的置信度，恢復了許多已知物體。
而且，VARnet還發現了全新的天體。
位于J2000赤經/赤緯1.53483°，−59.08751°的天體，就被VARnet標記為變星候選體。經檢索發現，該天體在現有文獻或任何星表中均無相關記錄。
甚至，模型還發現了一顆超新星！
2023年6月，該天體曾出現快速變亮的現象；而在WISE的下一次觀測中，其亮度又恢復至平均水平（見下圖）。
在對瞬變事件目錄進行檢索后，可以發現，該事件與AT 2023lkp的觀測記錄相符。
考慮到該事件的持續時間及其起源于該星系的事實，Paz等人判斷：這很可能是一顆超新星。