Jak se vyvíjela práce s daty z NEOWISE
Archív obsahuje obrovské množství zdrojů: vzdálené hvězdy, kvazary, galaxie, proměnné objekty, tranzientní jevy a asteroidy. To ale přineslo problém: jak to všechno vyhledat a analyzovat. Ruční procházení bylo nereálné a běžné softwarové metody nestačily rychlostí. Do té chvíle se problém zdál nevyřešitelný, až se zapojil mladý vědec, Matteo Paz.
Matteo Paz a jeho nový přístup
Sedmnáctiletý Matteo Paz, student Pasadena High School v Kalifornii, se dostal k výzkumu na Caltechu přes program Summer Research Connection (letní výzkumný program pro studenty). Pod vedením Dr. Davyho Kirkpatricka z Caltech’s IPAC (pracoviště pro zpracování a analýzu infračervených dat) navrhl a vytvořil model VARnet, který zásadně změnil přístup k datům z NEOWISE.
VARnet má třífázovou architekturu: používá waveletovou dekompozici na odstranění chyb v datech, modifikovanou diskrétní Fourierovu transformaci pro odhalení periodických rysů a konvoluční neuronovou síť pro klasifikaci zdrojů do kategorií jako neproměnné objekty, tranzienty, vnitřně pulzující hvězdy a zatmění v binárních systémech.
Jak si VARnet vede a co z toho vzešlo
Výkon VARnetu je působivý: zpracuje každý zdroj za méně než 53 μs a dosahuje F1 skóre 0,91. Kompletní průběh zpracování datasetu NEOWISE vedl k nalezení 1,5 milionu potenciálních proměnných objektů, což potvrdilo užitečnost algoritmu. Mezi identifikovanými kandidáty jsou kvazary, proměnné hvězdy i nové tranzienty; všechny čekají na podrobné studium.
VARnet ale nekončí u NEOWISE. Matteo navrhl, že technologie lze použít i jinde, třeba na analýzu časových řad v astronomii nebo při zkoumání atmosférických efektů jako je znečištění vzduchu. Jeho práce byla publikována v The Astronomical Journal a ukazuje, jak může mladý talent posunout hranice vědy.
Co přijde dál
Celý katalog detekcí bude zveřejněn v roce 2025, což astronomům umožní hlubší statistické studie. Tento obrovský dataset otevírá nové možnosti pro poznávání infračervené variability vesmíru. Matteo Paz, oceněný jako vítěz prestižní Regeneron Science Talent Search, pokračuje v rozvíjení svého odkazu a slouží jako příklad toho, proč má smysl podporovat mladé vědecké talenty.
Dr. Davy Kirkpatrick, Matteův mentor při této práci, to shrnul slovy: „Když u někoho vidím potenciál, chci mu pomoct, aby ho naplno využil.“ V době, kdy data a technologie staví základy budoucích objevů, je příběh Matteaa Paze inspirací pro další generace vědců.
