Estudante usa inteligência artificial para revelar objetos cósmicos ocultos em dados da NASA

A inteligência artificial deixou de ser apenas uma ferramenta de apoio e passou a ocupar o centro das grandes descobertas científicas. Um exemplo disso vem da astronomia: aos 18 anos, o estudante americano Matteo Paz desenvolveu um algoritmo capaz de identificar mais de 1,5 milhão de objetos cósmicos até então desconhecidos, a partir de dados públicos da NASA que estavam disponíveis havia anos.

Leia também:

• Harvard lança módulo sobre inteligência artificial em curso gratuito no Brasil
• Nasa divulga imagens de erupção solar e emite alerta
• Estudante premiado pelo MEC é acusado de usar memória de pré-testes do Enem para antecipar questões da prova

O feito surgiu da análise do banco de dados da missão Wide-field Infrared Survey Explorer (WISE), lançada em 2009 com o objetivo de mapear todo o céu em infravermelho. Embora o projeto tenha acumulado um volume colossal de informações ao longo do tempo, grande parte desses registros permaneceu pouco explorada devido à complexidade da análise manual.

Nesse contexto, a inteligência artificial foi decisiva para transformar quantidade em conhecimento.

Dados antigos, novas perguntas e uma abordagem diferente

Ao integrar o programa educacional Planet Finder Academy, sediado no Instituto de Tecnologia da Califórnia (Caltech), Matteo teve acesso a um dos maiores acervos astronômicos já produzidos. Desde o início, no entanto, ele decidiu seguir um caminho menos convencional.

Em vez de analisar imagens estáticas do céu, o estudante concentrou esforços nas variações de brilho ao longo do tempo, um comportamento típico de objetos como estrelas variáveis, núcleos galácticos ativos, buracos negros e eventos extremos, como supernovas.

O desafio era evidente: a missão WISE acumulou cerca de 200 bilhões de registros, chamados de “aparições”, tornando inviável qualquer tentativa de análise tradicional em larga escala. Diante disso, Matteo apostou em uma solução baseada em aprendizado de máquina.

Algoritmo analisa o céu em milissegundos

Para superar a limitação técnica, o estudante criou o VARnet, um algoritmo projetado para analisar séries temporais astronômicas com altíssima velocidade. O sistema combina redes neurais profundas, transformadas de Fourier, decomposição wavelet e processamento em GPUs, permitindo identificar padrões quase imperceptíveis nos dados infravermelhos.

Na prática, o VARnet consegue avaliar cada fonte celeste em menos de um milissegundo. Como resultado, tornou-se possível examinar regiões inteiras do céu e detectar sinais de variabilidade que haviam passado despercebidos por anos.

Após ser treinado com mais de 1 milhão de curvas de luz simuladas, o modelo apresentou altos índices de precisão e recuperou tanto objetos já catalogados quanto fontes completamente novas. Ao final do processo, o algoritmo identificou mais de 1,5 milhão de candidatos a objetos variáveis, muitos deles inéditos para a ciência.

Reconhecimento científico e colaboração institucional

O desenvolvimento do VARnet contou com a colaboração de pesquisadores do Infrared Processing and Analysis Center (IPAC), ligado ao Caltech, responsável pela curadoria dos dados da missão NEOWISE, extensão do projeto original. Essa parceria foi fundamental para validar os resultados e alinhar o estudo aos padrões científicos internacionais.

O trabalho foi publicado no The Astronomical Journal e rendeu a Matteo Paz o prêmio máximo do Regeneron Science Talent Search 2025, a mais prestigiada competição científica pré-universitária dos Estados Unidos. A premiação inclui um valor de US$ 250 mil e reconhecimento direto da comunidade científica.

Inteligência artificial redefine o futuro da astronomia

Mais do que uma descoberta pontual, o estudo revela uma mudança estrutural na forma como a ciência pode lidar com grandes bases de dados. Missões espaciais modernas produzem volumes de informação tão extensos que, sem ferramentas adequadas, muitas descobertas permanecem ocultas.

Nesse sentido, o VARnet funciona como uma prova de conceito para futuros levantamentos completos de variabilidade no céu. Segundo os pesquisadores, a mesma tecnologia pode ser adaptada para investigar outros fenômenos astronômicos, bastando ajustar os dados de treinamento.

Além disso, o catálogo gerado pelo algoritmo foi disponibilizado publicamente no fim de 2025 e já serve de base para novos estudos em observatórios de grande porte, como o Vera C. Rubin Observatory, responsável pelo maior levantamento astronômico já planejado.