资料来源：DeepTech来自美国加利福尼亚州的少年Matteo Paz使用自己的AI算法成功地将超过150万以前未知的天体从大型宇宙中的NASA区分开。凭借这一胜利，帕兹获得了最高奖项，并获得了美国领先的高中科学竞赛Regeneron Science Genius奖25万美元的奖项。他的研究结果已作为《天文学杂志》的《天文学领域权威杂志》独立发表。他取得了这些成就，现在他只有18岁。照片丨2025年Regeneron Science人才搜索奖的决赛入围者在梯子上，后排的Matteo Paz在他的第一名（起源：科学学会）震惊了天文学的天文学旅行Eteenager Paz的旅行始于童年。当她上小学时，她的母亲经常带她参加联合国加利福尼亚理工学院的公共明星ITED状态，星空Sky的探索种子在她的心中种植。 2022年，他加入了由天文学教授安德鲁·霍华德（Andrew Howard）领导的“加利福尼亚星球发现者学院”项目，以系统地学习天文学知识。次年，他参加了CALTECH六周的夏季研究联系计划，旨在将当地高中学生与校园研究教师联系起来。正是在这段时间里，他遇到了戴维·柯克帕特里克（Davy Kirkpatrick），后者对科学可怕的职业产生了重要影响。 Kirkpatrick是加利福尼亚理工红外加工和分析中心的高级科学家。 “MasuwebeRTE I met Davy. I remember talking to her on the first day, and this was a major goal for a short-term project. But he did not hit me, but encouraged me to explore deeply. He gave me great academic freedom, which is important to me as a scientist. "Kirkpatrick himself is also guided by a good teacher, saying," I hope to pass the spirit of thiS指南并帮助更多有潜力实现尖叫梦想的年轻人。 " "Neoearth Wide Area Infrared Survey Detector" (Neowise, near Earth Object Wide-Field Infrared Survey Explorer) Massive data accumulated.G sky like asteroids and comets, and also obtained radiation changes of infrared radiation of a large number of distant cosmic skies. These skies, called "variable objects" because of the shine changes, include explosive supernovae, pulsating variable stars, eclipsing binary stars,它们的光线差异。传统中的干草堆para人工方法。柯克帕特里克（Kirkpatrick）最初只是想让帕兹（Paz）尝试研究一小块天空区域，以证明这一概念。但是，帕兹（Paz）对AI的选修课有兴趣和在帕萨迪纳（Pasadena）统一数学学院（他完成了八年级的AP微积分课程）中设立的扎实数学基础，因此很清楚AI是解决此问题的关键，并决定开发一个机器 - 到达-To -automobile审查的机器模型。 sa loob lamang ng动画ng ng mga proyekto sa tag-init，印地语lamang ipinaglihi ni paz in una nang ipinatupad ang ipinatupad ang ipinatupad ang isang rang na na na na na na katalinuhan na tinatawag na tinatawag na tinatawag na tinatawag na tinatawag na tinatawag na na varnet，加州理工学院，Tulad Ng Shoubaneh Hemmati，Daniel Masters，Matthew Graham的Ashish Mahabal，Natutunan Ang May-Katuturang Kaalaman Sa Astrophys。发现某些类型的可变资源。在标签 - 心脏项目完成后，研究没有T停止。 2024年，PAZ继续与Kirkpatrick合作，该公司继续优化Varnet模型，以使其能够从Neowise处理所有原始数据。最后，在筛选了超过4.5亿个物体之后，该模型确认了150万个新发现，这些发现不再从约190万种可能的资源进行文化。 VARNET模型：AI ASTRONOMY新发现Varnet是一种信号处理模型，旨在快速审查天文学时间序列序列数据。该模型的核心是将许多信号处理技术和深入研究技术结合起来，以从嘈杂的，不规则的光曲线（描述随着时间的时间的天空中的变化）中提取有效的信息，并具有很高的效率。首先，他使用dbscan聚类算法组装属于同一天体的分散的观察点。然后，仔细预处理收集的数据：将幅度转换为线性流，将中位数减去关注相对变化，将四分位间范围的使用标准化以防止离群值，并最终通过相反的双曲线电影功能压缩数据范围，同时将时间戳归一化。图|异常提取过程（来源：天文学期刊）Varnet模型本身是一个深度神经网络，其架构结合了各种技术。它使用离散的小波转换进行时间分析，这有助于denoise并捕获光变化曲线的高频变化的简短细节，例如旅行事件的迅速下降。 PAZ还建议“傅立叶变化的有限嵌入”（FEFT，有限的嵌入傅立叶变化）。与傅立叶的标准转换不同，FEFT可以将一系列任意长度的输入时间映射到固定的特征向量长度，这对于处理长度差异很大的新数据至关重要。更重要的是，FEFT允许网络易于学习选择最重要的频率y在训练过程中的宝石信息，这些信息可有效地获得持续很长时间的光变化曲线的时间累积或趋势变化。卷积的神经网络用于了解和识别曲线上的时序模式，而特定形状的诗歌的增加，崩溃和亮度的光泽也是如此。最后，FC层负责合并来自不同处理模块的所有特征信息（时域，域，域频率，各种尺度），并做出最终的判断性酌处权，以确定天体是否属于预设类别，例如静态，传输，脉冲，脉冲或过境星。照片| VARNET模型体系结构（来源：天文学期刊）训练这样的复杂模型需要大量的注释数据，但是Neowise数据中已知和准确分类的变量星的数量却相当不足，尤其是瞬态天堂的身体。直到今天，PAZ采用了开发合成数据的方法。他为四个主要天体类别建立了数学模型，不仅模仿了改变光线的曲线形状（例如爆炸和瞬变，复杂的腕波以及过境恒星的周期性下降），还可以准确地再现不规则的节奏和真实的噪声水平。通过随机化模型参数，它可以产生几乎无限量的高度逼真的光线变化曲线，以进行VARNET训练。该方法极大地增强了模型的总体整体能力，而为模型的最终模型验证维护了非常著名的变量恒星数据。 Varnet的表现十分出色。在实际红外资源验证集中，它将四类天体对象的F1标记分类为0.91。在识别“真正变化”和“无变化/噪声”之间的更基本的任务中，纪念活动和纪念率均高于97％，而F1标记高达0.974，显示出非常高的可靠性。 在高在GPU支持支持下，研究单个天堂来源的平均时间少于53微秒。 150万新发现，PAZ发现的150万“候选”可变资源对于研究宇宙的演变和主要物理定律具有重要意义。帕兹在发表的论文中列举了瓦尔内特发现的几个特定案例，以证明具有强大的发现能力。例如，VARNET在J2000坐标18H53M48.3S中找到了先前未指定的候选物质，拒绝-59°08'75.1''，该周期被称为大约5.877天，通过后续审查。照片| J2000攀爬/拒绝1.53483，–59.08751。底部曲线是相位折叠，周期为5.877天（来源：天文学期刊）。另一个重要发现是二进制系统2MASS J01542169-5944445的分离。该系统位于J2000上升/偏转28.59051°，-59.74571°，以前是第三版的版本Galah天空调查数据被记录为化学特异性恒星，但从未被确定为可变源对象。 Varnet发现了一个大约5.8061天的显着过境信号，并且可能有一个伴随的恒星影响化学成分。在研究非元素目标时，Varnet的能力同样出色。例如，它看到了空间Leda 174461的亮度的模糊但显着变化，并且是瞬态事件，它同时发生了340305巨大广阔的活性星系核的亮度。varnet，但也为后续详细研究提供了直接目标。照片|从传统调查数据中发布了第9版的Leda 340305成像。请注意，新发现的“普通蜡烛”（例如Cepheid变量恒星）扩大的螺旋武器和不规则形状（起源：天文学期刊）可以为解决当前的“哈勃恒定危机”提供主要线索。大量超级候选人Nova，黑洞和二进制星系提供了一个前所未有的样本库，用于研究恒星进化，元素起源，建筑广泛和在极端物理条件下的物质行为。为了在更广泛的社区管理中使用这些发现，Paz及其导师收集并积累了一个称为Varwise的公共明星目录。加州理工学院的一个红外研究团队开始使用该目录来研究遥远宇宙的二进制系统。他们发现了这十二个。以前从未注意到的二进制星系。柯克帕特里克（Kirkpatrick）补充说，研究还有助于计算远处的系外行星的质量。照片| Matteo Paz在2023年的研讨会（来源：Kitty Cahalan）介绍了他的项目的初步工作，建议您也有望在天文学之外发挥作用。 PAZ解释说：“我实施的模型可用于其他时间域域研究以及时间序列格式中出现的任何数据。” “我看到了OW它与对这些图表（股票市场）的审查有关，其中信息也在时间序列中，季节性成分可能很重要。您还可以使用它来研究大气效应，例如污染，周期性的时间和每晚周期都起着重要作用。 “但是就目前而言，帕兹希望利用他的新发现发现来探讨天文学家社区已经发生了很长时间的宇宙扩张率问题。”在当前的研究中，或者它将揭示出关于宇宙起源真正基本的东西。 “参考：1。https：//iopscience.iop.org/article/10.3847/1538-3881/ad7fe6fe6#ajad7fe6s42.https：//wwwww.caltech.caltech.caltech.edu/news/about/about/news/news/exploring-pace-pace-pace-pace-pace-pace-pace-withtps： //scitechdaily.com/teen-wins-tr50k-for-isus-i- in-i-to-d-to-to-d-5亿hidden-bendend-bects-In-in-bects-In-in-aperip/Operation/typepe：他是金龙
