18岁天才高中生独登顶刊，AI解锁150万新天体！斯坦福连夜发offer

编辑丨JZYH 编丨Luna

在NASA的2000亿条数据中隐藏着150万个未知天体，而揭开它们神秘面纱的，竟是一位美国高中生！

他就是Matteo Paz，来自加州南帕萨迪纳高中的天才少年。

基于加州理工学院的研究，Matteo挖掘了美国国家航空航天局（NASA）某项任务「沉睡的数据」，并以独著身份在天文学顶级期刊发文。

凭借这项成果，他直接拿下了Regeneron科学人才搜索竞赛的25万美元奖金。

2025年3月11日，Matteo Paz与加州理工学院院长Thomas F. Rosenbaum在Regeneron科学人才探索奖颁奖典礼上的合影。

目前，这项研究已于去年11月发表在《The Astronomical Journal》上，并在文中作了详细阐述。

不过，该论文中并未提及的是，唯一作者只有18岁。

️150万潜在天体，

️18岁拿下25万美元奖金

近日，来自美国加州的18岁高中生Matteo Paz，凭借将机器学习与天文学巧妙融合的卓越研究，在2025年Regeneron科学人才搜索竞赛（Regeneron Science Talent Search，简称Regeneron STS）中力压群雄，斩获一等奖。

2025年Regeneron科学人才搜索竞赛获奖者，中间为Matteo Paz

Regeneron科学人才搜索竞赛️始于1942年，被誉为美国「历史最悠久、最具声望的高中生科学与数学赛事」，最初名为西屋科学天才搜索（Westinghouse Science Talent Search），旨在表彰并赋能那些有潜力的年轻科学家。

他利用AI，处理了来自NASA的️2000亿条数据，揭示了️150万个先前未知的潜️在天体。

在2013年12月，NEOWISE发现的第一颗近地小行星的运行轨迹，红色点表示移动路径

接受采访时，Matteo Paz坦言：「能参与竞赛已是荣幸，从闯入前十到最终夺冠，惊喜接踵而至，至今仍觉得像在做梦。」

Matteo Paz站在后排，对自己获得第一名的成绩感到震惊

在赢得25万美元奖金后，Paz的下一个征途是大学。

他表示，自己已被斯坦福大学录取。

就在参加颁奖典礼的几周前，Paz在帕萨迪纳的家中醒来，透过窗户看到外面烈焰翻腾。

伊顿山火（Eaton Fire）蔓延得极快，以至于他未收到任何官方警报。

伊顿山火（Eaton Fire）于2025年1月7日傍晚爆发，在天气影响下，火势迅速蔓延，共造成至少18人死亡，摧毁了9,000多座建筑，成为加州历史上死亡人数第五高、破坏程度第二严重的野火

在疏散和数日的火情之后，他的家最终幸免于难。

这让他有了新的视角。

现在，他正在思考是否有可能将一台红外望远镜送入地球轨道——这次是为了监测地球本身的新发火灾。

不过，眼下他更希望利用他在NEOWISE数据中的研究成果，探索宇宙从大爆炸以来的神秘膨胀速度，帮助科学家解开宇宙学中最大谜题之一。

「这项工作要么能帮助解决当前研究中一个极具争议的问题，要么将揭示一些关于️宇宙起源的真正基础性的东西。」

️「追星」路上，偶得名师

早在小学时期，Paz对天文学的热爱便已萌芽。

那时，母亲常带他参加 加州理工学院的公众观星讲座（Stargazing Lecture Series），璀璨星空就此在他心中种下探索的种子。

2022年夏天，他走进加州理工学院，在Andrew Howard教授领衔的行星探测器学院（Caltech Planet Finder Academy），系统学习天文学与相关计算机科学知识，开启了更深入的学术探索之旅。

天文学教授：Andrew Howard

2023年，他参与了 加州理工学院为期六周的暑期研究计划（Summer Research Connection，SRC）。

该项目由教学、学习和推广中心运营，旨在为当地高中生匹配校园实验室导师，支持学生开展科研实践。

加州理工学院2023年Kirkpatrick小组SRC项目汇报

天文学家和IPAC高级科学家Davy Kirkpatrick担任Paz的导师。

在过去的五年里，除了本科生、公民科学家和来访的研究员之外，Kirkpatrick还指导过高中生。

天文学家：Davy Kirkpatrick

Paz很幸运地遇到了导师Davy，Davy给予了他充分的自由和支持。他回忆道：

我记得在我们第一次交谈时，我提到自己的目标是发表论文，这个目标远远超出了六周项目的周期。他非但没有劝阻，反而欣然回应：「好的，那我们来谈谈吧」 。

在研究过程中，他为Paz提供了充分的自主探索空间，而正是这种自由，使Paz在科研道路上得以迅速成长。

Kirkpatrick成长于田纳西州的农业社区，在九年级化学与物理老师Marilyn Morrison的助力下，圆了天文学家之梦。

Morrison老师向他和母亲点明其天赋，并悉心指导升学所需课程，为大学深造铺路。

如今，Kirkpatrick希望将老师当年的指引传递下去，他表示：「一旦发现别人的潜力，我一定会全力帮助他充分发挥出来。」

2025年Regeneron科学天才搜索一等奖得主Matteo Paz手持奖杯

但Kirkpatrick希望从NEOWISE（近地天体广域红外探测器）项目中获取更多有价值的信息。

️巡天功臣，泽被后代

NEOWISE是NASA已退役的红外望远镜。

在服役的十多年间，它不间断地扫描整片天空，专注搜寻地球附近的小行星及其他天体。

NEOWISE在2024年底重返大气层并安全烧毁

虽然NASA的NEOWISE望远镜以观测小行星为主要任务，但在运行期间，它还敏锐捕捉到遥远宇宙物体的热量变化。

这些天体有的会发出强烈闪光或脉动，有的在相互遮掩时会出现亮度衰减，反映出宇宙天体运动过程中的多样性和复杂性。

天文学家将这些亮度变化的现象统称为变星，其中一些类型如类星体、超新星和互相遮掩的双星系统，因其变化不易捕捉而尤为复杂。

模拟的双星系统亮度变化

然而，这些关于变星的数据尚未得到充分利用。

当时，团队已积累超十年的探测数据，总数据量接近2000亿行。

2024年，NEOWISE团队公布了项目的最终数据和未发现图像

Kirkpatrick的设想是：

在夏天先选取一小块天空进行分析，看看能否从中找到一些变星。

然后，我们再向天文界展示这些成果，告诉他们「这是我们亲自发现的新事物，想象一下整个数据集蕴含的巨大潜力吧！」

️AI下场，大显身手

面对NEOWISE近2000亿行的海量数据， Paz并未选择手动筛选，而是凭借在校积累的知识另辟蹊径。

在一门融合了编程、理论计算机科学和数学的选修课上，他对AI产生了浓厚的兴趣。

他深知，AI在大规模有序数据集上训练效果最好，而导师Kirkpatrick提供的数据恰好满足这一条件。

幸运的是，他完成了 AP微积分（Advanced Placement Calculus）BC课程，具备了开发机器学习模型所需的数学能力。

2014―2018年天文学中应用深度学习的论文研究主题和各主题数量趋势

️在那六周里，他开始构建️AI️模型，该模型初见成效。

研究期间，Paz常向Kirkpatrick请教️天文学与天体物理学知识。

谈及这段经历，他总是难掩喜悦：

每次和Davy见面，我们只有10%的时间在讨论工作，剩下90%的时间都在闲聊。能有这样一个人可以一起畅谈科学，真是太棒了！

Kirkpatrick还将Paz介绍给了 加州理工学院的天文学家Shoubaneh Hemmati、Daniel Masters、Ashish Mahabal和Matthew Graham。

他们在️天文学中的️机器学习️应用，以及不同时间尺度下️变星的研究方面，为Paz提供了宝贵的专业知识。

Paz与Kirkpatrick意识到，NEOWISE的观测方式存在局限性，难以有效检测和分类那些快速闪烁或缓慢变化的天体。

夏天结束后，还有很多工作要做。

第二年也就是2024年，Paz和Kirkpatrick再次合作。

现在，Paz已经改进了AI模型，用于处理来自NEOWISE观测的全部原始数据，并分析了结果。

Matteo Paz于2023年的研讨会上展示了他的初步研究成果

加州理工学院的研究人员已经开始使用Paz编制的潜在变星体目录——VarWISE，用于研究双星系统。

在2025年，Paz和Kirkpatrick计划发布包含NEOWISE数据中亮度变化显著的天体的完整目录。

️AI+天文学：全新方法

Matteo Paz设计了一套处理流程，从NEOWISE数据中提取变星候选体。

以前的方法在检测️周期性信号方面非常有效，但它们在处理WISE如此大规模数据（高达数十千亿行）时速度极慢，几乎无法在实际中使用。

而Paz采用的全新机器学习模型，却能在现实可行的时间范围内解决这一问题！

它的目标就是，分析天空中任意天体的光变曲线，并将其分类为静态源、新星/明亮瞬变源、双星系统或脉动光源。

训练模型需要大量训练数据。为此，Paz专门为每类目标光源开发了一个精准的合成光变曲线生成器，以便为这一复杂模型提供无限量的训练样本。

甚至，模型还发现了一颗️超新星！

参考资料：

https://www.caltech.edu/about/news/exploring-space-with-ai

https://www.businessinsider.com/teen-wins-cash-award-ai-discovery-space-objects-nasa-2025-3

️作者招募&投稿 |tbeducation@daznet.cn

️提供内容线索 | 微信：waitan2022

️转载&合作 | 微信：waitan2022