🇺🇸 Matteo Paz

Matteo Paz è cresciuto a Pasadena, California — una città il cui orizzonte è dominato, intellettualmente, dal California Institute of Technology e dal Jet Propulsion Laboratory della NASA. La prossimità è diventata destino. Nel 2022, ancora studente dei primi anni di liceo, Paz si è iscritto alla Planet Finder Academy del Caltech, un programma di divulgazione progettato per dare agli studenti un assaggio di vera astronomia.

Un assaggio non è bastato. Paz si è iscritto a un programma estivo di sei settimane al Caltech che abbina gli studenti a mentori del campus, dove ha iniziato a lavorare con l'astronomo Davy Kirkpatrick presso l'IPAC, il centro dati astronomici del Caltech. L'incarico che avrebbe cambiato la sua vita riguardava NEOWISE — la navicella Wide-field Infrared Survey Explorer riconvertita che aveva trascorso più di un decennio a scandagliare l'intero cielo in luce infrarossa, principalmente alla ricerca di asteroidi vicini alla Terra.

L'archivio di NEOWISE era al tempo stesso un tesoro e un problema. La missione aveva prodotto circa 200 miliardi di singole voci di dati che coprivano quasi due decenni di osservazioni del cielo. Sepolti in quel pagliaio c'erano oggetti variabili — stelle pulsanti, sistemi binari che si eclissano a vicenda, galassie lontane alimentate da buchi neri che brillano — la cui luminosità cambia nel tempo. Identificarli manualmente, una curva di luce alla volta, era semplicemente impossibile a quella scala.

La risposta di Paz fu smettere di guardare a mano. Ha sviluppato un algoritmo di apprendimento automatico — un modello di IA addestrato a riconoscere le sottili firme infrarosse di variabilità nei dati grezzi — capace di elaborare l'intero archivio NEOWISE e individuare le sorgenti la cui luminosità cambiava genuinamente, in contrapposizione al rumore strumentale che fingeva di esserlo.

I risultati furono sbalorditivi. Il suo algoritmo ha individuato circa 1,5 milioni di potenziali oggetti celesti precedentemente sconosciuti — stelle variabili candidate, buchi neri e altre sorgenti astrofisiche che erano rimaste nei dati della NASA stessa, invisibili, per anni. In astronomia, dove una singola nuova scoperta può giustificare una carriera, un catalogo di 1,5 milioni di candidati prodotto da un adolescente fu un vero e proprio evento.

Il lavoro non è stato un colpo di scena da scatola nera. Paz e il suo mentore Kirkpatrick hanno preparato i risultati per la comunità professionale, con piani per pubblicare il catalogo completo degli oggetti variabili dai dati NEOWISE affinché gli astronomi di tutto il mondo potessero dare seguito alle scoperte. Il progetto ha dimostrato un principio con implicazioni ben oltre un singolo telescopio: un enorme valore scientifico giace dormiente nei dati d'archivio, in attesa di strumenti migliori per liberarlo.

Nel marzo 2025, Paz è entrato nel Regeneron Science Talent Search, la competizione (precedentemente sponsorizzata da Westinghouse e Intel) che identifica i giovani scienziati più dotati d'America dal 1942 — i suoi ex allievi includono numerosi premi Nobel. Contro 40 finalisti i cui progetti spaziavano dal trattamento di malattie muscolari rare alla risoluzione di problemi matematici di lunga data, Paz ha conquistato il primo posto e il premio principale di 250.000 dollari.

La copertura della sua vittoria, dallo Smithsonian alle pubblicazioni del Caltech stesso, ha sottolineato lo stesso punto: questo non era uno studente che imitava la ricerca, ma uno studente che faceva ricerca su scala professionale. Lo Steward Observatory dell'Università dell'Arizona ha notato con un certo orgoglio che il suo mentore Kirkpatrick era loro dottorando — un promemoria che i grandi prodigi sono di solito il prodotto del talento che incontra una mentorship generosa.

Paz è stato aperto sulle origini della sua sicurezza matematica, attribuendo il merito a un insegnante di calcolo del liceo che ha accelerato il suo amore per la materia, e ai programmi del Caltech per avergli dato un problema reale invece di uno giocattolo. La sua traiettoria — da studente di un programma di divulgazione ad autore di un catalogo di un milione di oggetti — ha richiesto appena tre anni.

La sfida tecnica che ha risolto merita di essere spiegata. NEOWISE è stato progettato per cacciare asteroidi, non per catalogare stelle variabili; le sue osservazioni di una determinata porzione di cielo erano episodiche, rumorose e mai destinate al tipo di astronomia nel dominio del tempo che Paz ha tentato. Estrarre una vera variabilità da quei dati significava insegnare a un modello a distinguere il vero sfarfallio di una stella dagli artefatti strumentali, dagli impatti di raggi cosmici e dai mille modi in cui un rivelatore può mentire. Le indagini professionali impiegano team e anni per tale lavoro. Paz lo ha compresso in un progetto di ricerca liceale — e ha prodotto una lista di candidati abbastanza grande da occupare gli astronomi per un decennio.

Il premio in denaro, per quanto sostanzioso, potrebbe rivelarsi la parte meno preziosa della sua vittoria. Il Regeneron Science Talent Search funziona come il sistema di allerta precoce più affidabile della scienza americana: i suoi migliori vincitori storicamente confluiscono nelle istituzioni di ricerca e nei laboratori d'élite del paese, e Paz — già integrato nell'IPAC del Caltech prima di finire il liceo — entra in quella pipeline con un risultato su scala professionale già alle spalle. Gli astronomi citati sul progetto hanno espresso il punto chiaramente: il catalogo non è un esercizio studentesco; sono dati che il campo utilizzerà effettivamente.

Ciò che rende la storia di Paz risonante oltre l'astronomia è il suo metodo. Non ha costruito un telescopio; ha costruito uno strumento per leggere ciò che i telescopi avevano già visto. In un'era in cui la scienza genera dati più velocemente di quanto gli umani possano ispezionarli, il diciassettenne di Pasadena ha dimostrato che le prossime grandi scoperte potrebbero appartenere a chi scrive i migliori algoritmi — e che non esiste un'età minima per farlo.