Massiva datamängder och tekniska utmaningar
NEOWISE:s data är enorma: nästan 200 miljarder individuella detektioner, vilket gör det omöjligt för människor att manuellt sortera allt. Den fullständiga NEOWISE-datasatsen användes som indata för en detaljerad analys, något som blev möjligt efter att WISE 2012 All-Sky Data Release publicerades. Denna mosaikbild av hela himlen är en viktig resurs för forskare världen över.
Att bearbeta så stora mängder data visade att vanliga datorbaserade metoder inte räckte till när det gällde hastighet och effektivitet. Det satte forskare på jakt efter nya, mer innovativa lösningar.
Vägen framåt med VARnet
Lösningen kom från ett oväntat håll: Matteo Paz, en 17-årig gymnasieelev vid Pasadena High School. Under handledning av Davy Kirkpatrick, en senior forskare vid Caltech/IPAC, utvecklade Matteo Paz en ny modell, VARnet, för analys av astronomiska tidsseriedata. Modellen körs i tre steg: wavelet-dekomposition, modifierad diskret Fourier-transform och ett konvolutionellt neuralt nätverk.
VARnet klassificerar fynd i fyra kategorier: icke-variabel, övergående händelser, intrinsiska pulserare och förmörkande binära system. Paz lyckades bearbeta varje källa på mindre än 53 mikrosekunder, tack vare kraftfull hårdvara som en GPU (22 GB VRAM) (GPU = grafikprocessor).
Med en imponerande F1-score på 0,91 (ett prestandamått) har VARnet flaggat 1,5 miljoner potentiella variabla objekt, vilket breddar vår bild av universum. Varje flaggad källa behöver uppföljning för att bekräfta klassificeringen, och många ser ut att kunna vara nya upptäckter.
Mentorskap och gemenskap
Davy Kirkpatricks engagemang för mentorskap syns tydligt i hans arbete med Matteo Paz. Kirkpatrick, som själv drogs till astronomi tack vare inspirerande lärare, har låtit sitt eget intresse för mentorstöd styra hur han guidar unga talanger. “Om jag ser deras potential vill jag försäkra mig om att de når den,” säger han. Hans insatser visar hur viktigt det är att stötta och utveckla unga forskare lokalt.
Den tillfredsställelse som kommer av att se sina adepter lyckas kan ibland överträffa egna erkännanden i den vetenskapliga världen. Sådan inställning ger grogrund för innovation och gagnar både forskare och samhälle.
Vad som väntar och möjliga användningsområden
Publiceringen av den kompletta katalogen över variabla objekt är planerad till 2025, och VARnet-modellen öppnar nya möjligheter både inom astronomi och i andra områden där tidsseriedata är viktiga. Paz ser möjligheter att använda modellen utanför astronomin, till exempel för analys av tidsserier och studier av atmosfäriska processer som föroreningar.
NEOWISE-uppdraget, som officiellt avslutades år 2024, fortsätter att påverka forskning och teknikutveckling långt utöver sitt ursprungliga syfte, det suddar ut gränserna mellan vetenskap och teknik och inspirerar unga forskare att tänja på vad som är möjligt. Det fortsatta arbetet med att utnyttja och analysera dess dataskatt är ett tydligt exempel på vilken betydelse samarbeten mellan etablerade forskare och unga talanger som Matteo Paz kan få.
