🇺🇸 Matteo Paz

마테오 파스는 캘리포니아주 패서디나에서 자랐다 — 지적으로 California Institute of Technology와 NASA Jet Propulsion Laboratory가 지배하는 도시다. 근접성이 운명이 되었다. 2022년, 고등학교 저학년이었던 파스는 학생들에게 실제 천문학을 맛보게 하기 위해 설계된 아웃리치 프로그램인 Caltech의 Planet Finder Academy에 등록했다.

맛보기만으로는 충분하지 않았다. 파스는 학생들을 캠퍼스 멘토와 연결하는 Caltech의 6주 여름 프로그램에 등록했고, 그곳에서 Caltech의 천문 데이터 센터인 IPAC의 천문학자 Davy Kirkpatrick과 함께 일하기 시작했다. 그의 인생을 바꿀 과제는 NEOWISE와 관련된 것이었다 — 10년 넘게 적외선으로 전체 하늘을 스캔하며 주로 지구 근접 소행성을 추적해온 Wide-field Infrared Survey Explorer 우주선의 재활용 버전이었다.

NEOWISE의 아카이브는 보물이자 동시에 문제였다. 이 임무는 거의 20년에 걸친 하늘 관측을 포괄하는 약 2천억 개의 개별 데이터 항목을 생산했다. 그 건초더미 속에 묻혀 있던 것은 변광 천체들 — 맥동하는 별, 서로를 가리는 쌍성계, 폭발하는 먼 블랙홀 동력 은하 — 시간에 따라 밝기가 변하는 천체들이었다. 한 번에 하나씩 광도곡선을 손으로 식별하는 것은 그 규모에서는 단순히 불가능했다.

파스의 해답은 손으로 보는 것을 멈추는 것이었다. 그는 원시 데이터에서 변광의 미묘한 적외선 신호를 인식하도록 훈련된 AI 모델인 머신러닝 알고리즘을 개발했다 — 전체 NEOWISE 아카이브를 처리하고 기기 노이즈가 아닌 진짜 밝기 변화를 보이는 천체를 골라낼 수 있는 알고리즘이었다.

결과는 엄청났다. 그의 알고리즘은 약 150만 개의 이전에 알려지지 않은 잠재적 천체 — NASA 자체 데이터에 수년간 보이지 않게 있었던 후보 변광성, 블랙홀 및 기타 천체물리학적 천체들 — 를 찾아냈다. 천문학에서 단 하나의 새로운 발견이 경력을 정당화할 수 있는 분야에서, 십대가 만들어낸 150만 개의 후보 목록은 진정한 사건이었다.

이 작업은 블랙박스 묘기가 아니었다. 파스와 그의 멘토 Kirkpatrick은 전문 커뮤니티를 위해 결과를 준비했으며, NEOWISE 데이터로부터 나온 변광 천체의 완전한 목록을 출판하여 전 세계 천문학자들이 발견을 추적할 수 있도록 할 계획이다. 이 프로젝트는 한 망원경을 넘어서는 함의를 가진 원리를 입증했다: 엄청난 과학적 가치가 아카이브된 데이터에 잠들어 있으며, 더 나은 도구가 그것을 해방시키기를 기다리고 있다는 것이다.

2025년 3월, 파스는 1942년부터 미국의 가장 재능 있는 젊은 과학자들을 발굴해온 대회(이전에는 Westinghouse와 Intel이 후원)인 Regeneron Science Talent Search에 참가했다 — 이 대회의 동문에는 수많은 노벨상 수상자들이 포함되어 있다. 희귀 근육 질환 치료부터 오랜 수학 문제 해결에 이르는 프로젝트를 가진 40명의 결선 진출자들 사이에서, 파스는 1등과 25만 달러의 최고상을 차지했다.

Smithsonian부터 Caltech 자체 출판물에 이르는 그의 우승 보도는 같은 요점을 강조했다: 이것은 연구를 흉내 내는 학생이 아니라 전문 규모의 연구를 수행하는 학생이었다. University of Arizona의 Steward Observatory는 그의 멘토 Kirkpatrick이 자신들의 PhD 졸업생임을 자랑스럽게 언급했다 — 위대한 영재들은 대개 재능이 관대한 멘토십을 만날 때의 산물이라는 것을 상기시켰다.

파스는 자신의 수학적 자신감의 기원에 대해 솔직했으며, 주제에 대한 사랑을 가속화한 영감을 주는 고등학교 미적분 교사와 장난감 문제가 아닌 실제 문제를 건네준 Caltech의 프로그램들에 공을 돌렸다. 아웃리치 프로그램 학생에서 백만 개 천체 목록의 저자로 가는 그의 궤적은 겨우 3년이 걸렸다.

그가 해결한 기술적 도전은 설명할 가치가 있다. NEOWISE는 소행성을 추적하기 위해 설계되었지, 변광성을 목록화하기 위한 것이 아니었다; 하늘의 특정 영역에 대한 관측은 간헐적이고 노이즈가 많았으며 파스가 시도한 종류의 시간 영역 천문학을 위한 것이 결코 아니었다. 그 데이터에서 진짜 변광을 추출한다는 것은 모델에게 별의 진짜 깜박임을 기기 인공물, 우주선 충돌, 그리고 검출기가 거짓말할 수 있는 수천 가지 방법과 구별하도록 가르치는 것을 의미했다. 전문 서베이들은 그러한 작업에 팀과 수년을 투입한다. 파스는 그것을 고등학교 연구 프로젝트로 압축했고 — 후속 천문학자들을 10년간 바쁘게 할 만큼 충분히 큰 후보 목록을 만들어냈다.

상금은 상당하지만 그의 우승에서 가장 가치 있는 부분은 아닐 수 있다. Regeneron Science Talent Search는 미국 과학의 가장 신뢰할 수 있는 조기 경보 시스템으로 기능한다: 최고 우승자들은 역사적으로 국가의 엘리트 연구 기관과 연구소로 흘러가며, 파스는 — 이미 고등학교를 마치기 전에 Caltech의 IPAC에 배치되어 — 뒤에 전문 규모의 결과를 가지고 그 파이프라인에 들어간다. 프로젝트에 대해 인용된 천문학자들은 요점을 분명히 했다: 이 목록은 학생 연습이 아니다; 그것은 분야가 실제로 사용할 데이터다.

파스의 이야기가 천문학을 넘어 공명하는 이유는 그 방법에 있다. 그는 망원경을 만들지 않았다; 그는 망원경이 이미 본 것을 읽는 도구를 만들었다. 과학이 인간이 검사할 수 있는 것보다 빠르게 데이터를 생성하는 시대에, 패서디나의 열일곱 살은 다음 위대한 발견이 가장 좋은 알고리즘을 작성하는 사람의 것이 될 수 있으며 — 그렇게 하는 데 최소 연령은 없다는 것을 입증했다.