5 min de leitura
Jovem de 18 anos percebe que bilhões de observações feitas pela NASA escondiam informações ainda pouco exploradas, cria algoritmo de inteligência artificial para analisar mudanças de brilho no céu e identifica mais de 1,5 milhão de candidatos a fontes variáveis, incluindo objetos que nunca haviam sido estudados
Escrito por Maria Heloisa Barbosa Borges
Publicado em 17/09/2026 às 09:17
Ciência e Tecnologia
Canal
Seja o primeiro a reagir!
Prefira o CPG no Google
O estudante americano Matteo Paz, então com 18 anos, criou o VARnet, algoritmo de IA, para analisar cerca de 200 bilhões de registros da missão WISE, da NASA. O sistema identificou mais de 1,5 milhão de candidatos a objetos variáveis e rendeu a ele um prêmio de US$ 250 mil
O estudante americano Matteo Paz, então com 18 anos, desenvolveu um algoritmo de inteligência artificial para vasculhar os dados da missão WISE, da NASA, que mapeia o céu em infravermelho. A ferramenta identificou mais de 1,5 milhão de candidatos a objetos variáveis, muitos deles nunca estudados.
As informações foram publicadas pelo Terra. O trabalho do estudante saiu no periódico científico The Astronomical Journal.
Missão WISE observa o céu inteiro em infravermelho desde 2009
A missão Wide-field Infrared Survey Explorer (WISE), da NASA, foi lançada em 2009 para mapear o céu inteiro em busca de objetos que emitem radiação infravermelha.
ARTIGO CONTINUA ABAIXO
Veja também
Ao longo dos anos, o projeto acumulou cerca de 200 bilhões de registros, chamados de “aparições”. Esses dados documentam como as fontes celestes mudam ao longo do tempo.
Matteo Paz chegou à pesquisa pela Planet Finder Academy, do Caltech
O trabalho de Matteo faz parte de um programa educacional que coloca estudantes do ensino médio em pesquisas científicas. Ele ingressou na Planet Finder Academy, iniciativa sediada no Instituto de Tecnologia da Califórnia (Caltech).
O programa aproxima jovens talentos de desafios astronômicos e de grandes bases de dados ainda pouco exploradas, como a da missão WISE.
Estudante trocou imagens estáticas pelas mudanças de brilho no céu
Diante do volume de dados, Matteo Paz decidiu seguir outro caminho. Em vez de buscar imagens estáticas do espaço, ele se concentrou nas variações de brilho e de emissão de energia ao longo do tempo.
Essas mudanças são típicas das chamadas estrelas variáveis, categoria que vai de estrelas jovens instáveis a buracos negros ativos e eventos explosivos, como supernovas.
Volume de dados tornava a análise manual inviável
O principal obstáculo era técnico. Processar manualmente um volume tão grande de informações é inviável até para grandes equipes científicas.
Bancos de dados desse porte acabam pouco explorados justamente por causa da quantidade de informação. Foi nesse ponto que o estudante decidiu usar a inteligência artificial para simplificar a análise.
VARnet combina aprendizado profundo, wavelets e transformadas de Fourier
Matteo desenvolveu o VARnet, um algoritmo capaz de analisar séries temporais astronômicas em velocidades extremamente altas.
O sistema combina aprendizado profundo, redes neurais convolucionais, decomposição wavelet e transformadas de Fourier para identificar padrões quase imperceptíveis nos dados infravermelhos coletados pela NASA.
Algoritmo analisa cada fonte em menos de um milissegundo
O VARnet analisa cada fonte observada em menos de um milissegundo, aproveitando o poder de processamento das GPUs modernas.
Essa velocidade permitiu ao estudante varrer regiões inteiras do céu e identificar sinais de variabilidade que não haviam sido classificados ou notados antes.
Modelo foi treinado com mais de 1 milhão de curvas de luz simuladas
Antes de ser aplicado aos dados reais, o modelo foi treinado com mais de 1 milhão de curvas de luz simuladas e alcançou altos índices de precisão.
Na análise, o VARnet recuperou tanto objetos já conhecidos quanto fontes completamente novas, muitas delas nunca estudadas.
Busca resultou em mais de 1,5 milhão de candidatos a objetos variáveis
O resultado final foi a identificação de mais de 1,5 milhão de candidatos a objetos variáveis nos registros da missão WISE.
O trabalho mostra como a inteligência artificial pode revelar descobertas novas a partir de bancos de dados que já existiam havia anos.
Pesquisadores do IPAC ajudaram a validar o sistema
O desenvolvimento e a validação do VARnet contaram com pesquisadores do Centro de Processamento e Análise de Infravermelho (IPAC), ligado ao Caltech e responsável pela curadoria científica dos dados do NEOWISE.
A parceria ajudou a refinar o modelo e a garantir que os resultados fossem compatíveis com os padrões profissionais da astronomia.
Trabalho rendeu prêmio de US$ 250 mil no Regeneron Science Talent Search
Com o VARnet, Matteo Paz conquistou o prêmio máximo do Regeneron Science Talent Search de 2025, no valor de US$ 250 mil. A disputa é a competição pré-universitária de ciências e matemática mais prestigiada dos Estados Unidos.
Além do prêmio, o estudante recebeu reconhecimento da comunidade científica pelo trabalho.
Tecnologia pode ser adaptada para buscar outros fenômenos astronômicos
O VARnet foi apresentado como prova de conceito para futuros levantamentos completos de variabilidade no céu, usando todo o banco de dados do NEOWISE.
Segundo o próprio estudo, a mesma tecnologia pode ser adaptada para buscar outros fenômenos astronômicos, bastando ajustar os dados de treinamento. Ainda há desafios técnicos a resolver.
Catálogo do VARnet é público e serve de base para outros observatórios
O catálogo gerado pelo VARnet foi disponibilizado publicamente no final de 2025 e já serve de base para outros estudos em grandes observatórios.
Entre eles está o Vera C. Rubin Observatory, que deve produzir o maior levantamento astronômico da história.
Na sua opinião, ferramentas como o VARnet mostram que a próxima grande descoberta da astronomia pode estar em dados antigos, e não em novos telescópios? Deixe sua opinião nos comentários.
Conteúdo reproduzido originalmente em: clickpetroleoegas por Maria Heloisa Barbosa Borges.