Der amerikanische Oberstufenschüler Matteo Paz von der Pasadena High School in Kalifornien hat einen unerwarteten Durchbruch in der Astronomie erzielt. Mit Hilfe künstlicher Intelligenz analysierte er Archivdaten des NASA-Teleskops NEOWISE und entdeckte dabei über 1,5 Millionen zuvor unbekannte, variable Lichtquellen.
Alles begann im Sommer 2022, als Paz am Programm der Planet Finder Academy teilnahm. Unter der Anleitung von Davy Kirkpatrick, einem Wissenschaftler des Caltech Infrared Processing and Analysis Center (IPAC), arbeitete er mit einem riesigen Datensatz des NEOWISE-Teleskops, das 2009 gestartet wurde, um erdnahe Asteroiden zu suchen.
Innerhalb von sechs Wochen entwickelte Paz einen automatisierten Algorithmus für maschinelles Lernen. Er nutzte Fouriertransformationen und Wavelet-Analysen, um selbst kaum wahrnehmbare Helligkeitsschwankungen von Objekten zu erfassen, die herkömmlichen Methoden entgangen waren.
Das System entdeckte flackernde, pulsierende und abklingende Quellen – Anzeichen für Quasare, Doppelsterne und Supernovae. Der Katalog mit 1,5 Millionen Objekten wurde Ende 2025 veröffentlicht und wird bereits vom Vera C. Rubin Observatorium genutzt.
Die Arbeit wurde von Caltech-Forschern wie Shubhaneh Hemmati, Daniel Masters, Ashish Mahabal und Matthew Graham unterstützt. Anfang 2026 würdigte die NASA-Führung den Beitrag des Teenagers öffentlich.
Paz entwickelte seine Fähigkeiten an der Math Academy des Pasadena Unified School District. Sein Algorithmus ist in der Lage, beliebige Zeitdaten zu analysieren und ist potenziell in anderen Bereichen anwendbar – von den Finanzen bis zur Neurowissenschaft.
Was wäre, wenn der nächste große wissenschaftliche Fortschritt nicht aus einem riesigen Labor kommt, sondern von einem Schüler mit einem Laptop und offenen Daten?
Paz' Entdeckung unterstreicht die wachsende Rolle der KI in der modernen Astronomie. Im Februar 2026 versandte das Vera C. Rubin Observatorium bereits 800.000 Meldungen in einer Nacht, und zukünftig werden täglich bis zu sieben Millionen erwartet. Ohne maschinelles Lernen wäre es unmöglich, einen solchen Datenstrom zu bewältigen.
Ein Artikel über die Arbeit wurde im The Astronomical Journal veröffentlicht. Der Katalog hilft bereits dabei, die Entwicklung von Sternen, entfernte Galaxien und hochenergetische Prozesse im Universum zu erforschen.
