Estudante do ensino médio usa inteligência artificial em dados da NASA e identifica 1,5 milhão de novos objetos espaciais

São Paulo, 5 de fevereiro de 2026 – Um algoritmo de inteligência artificial desenvolvido por um estudante norte-americano do ensino médio, Matteo Paz, 17 anos, permitiu a identificação de aproximadamente 1,5 milhão de objetos cósmicos que não constavam em catálogos oficiais. O resultado foi obtido a partir da reanálise de registros infravermelhos da missão WISE, posteriormente rebatizada de NEOWISE, mantidos em arquivos da Agência Espacial Norte-Americana (NASA).

Como a descoberta foi possível

Lançado em 2009, o telescópio espacial WISE mapeou todo o céu em quatro bandas de infravermelho. Ao longo da operação, o observatório coletou milhões de imagens, gerando um acervo extenso que ultrapassa a capacidade de inspeção humana em prazo razoável. Depois que o satélite passou à fase de missão estendida — com foco na busca de asteroides próximos à Terra — grande parte do material original permaneceu subutilizada.

Para aproveitar esse repositório, Matteo Paz participou de um programa educacional que conecta estudantes a bases de dados científicas reais. O projeto ensina princípios de programação, tratamento de grandes volumes de informação e desenvolvimento de modelos de machine learning. A partir desses conhecimentos, o adolescente criou um algoritmo específico para separar fontes pontuais de luz infravermelha de ruídos e artefatos existentes nas imagens brutas.

O sistema percorreu milhões de registros em questão de dias, tarefa que exigiria anos de trabalho manual. Ao final do processo, a ferramenta assinalou 1,5 milhão de objetos ainda não catalogados, entre eles prováveis anãs marrons frias, galáxias muito distantes e estruturas difusas que podem auxiliar no estudo da formação do Universo.

Funções da inteligência artificial na astronomia

A adoção de métodos automáticos na pesquisa astronômica tem crescido de forma acelerada. Modelos de aprendizado profundo são treinados com exemplos de estrelas, galáxias, asteroides e outros corpos para reconhecer assinaturas típicas em diferentes comprimentos de onda. Entre as aplicações mais frequentes, destacam-se:

• Classificação de fontes luminosas: análise de catálogos que cobrem todo o céu para distinguir estrelas, galáxias e nebulosas.
• Detecção de variações de brilho: identificação de explosões estelares, trânsitos de exoplanetas ou eventos de microlente gravitacional.
• Mapeamento de grandes estruturas: busca por padrões na distribuição de galáxias, útil para investigar matéria escura.
• Reconhecimento de objetos raros: localização de anãs marrons e galáxias de alto desvio para o vermelho, normalmente difíceis de encontrar.

Essas tarefas exigem o manuseio de quantidades de dados que ultrapassam a capacidade de inspeção visual. A inteligência artificial reduz o intervalo entre a coleta das observações e a extração de resultados científicos, liberando pesquisadores para atividades de interpretação física e teórica.

Relevância dos dados recuperados

Parte significativa das imagens analisadas por Paz não havia recebido atenção detalhada desde o encerramento da fase primária da missão. A revisão mostrou que informações consideradas “arquivadas” continuam capazes de gerar ciência nova quando examinadas com as ferramentas adequadas.

De acordo com astrônomos que acompanham o projeto, o próximo passo envolve a validação dos candidatos encontrados. Isso inclui cruzar as coordenadas com catálogos ópticos, rádio e raios X, além de solicitar observações complementares em observatórios terrestres e espaciais. A confirmação das naturezas físicas dos objetos deve levar a publicações científicas e, possivelmente, abrir linhas de investigação sobre a evolução estelar em baixas temperaturas e a distribuição de galáxias em longa distância.

Tendência para missões futuras

Instituições responsáveis por telescópios em operação ou em fase de construção já incorporam algoritmos de aprendizado de máquina ao planejamento das missões. Projetos como o Observatório Vera C. Rubin, o Telescópio Espacial Euclid e o Telescópio Espacial Nancy Grace Roman preveem pipelines automatizados desde a recepção do dado bruto até a emissão de alertas quase em tempo real.

A expectativa é que a integração sistemática entre inteligência artificial e observação astronômica contribua para responder questões sobre a formação de galáxias, a distribuição da matéria escura e a existência de planetas potencialmente habitáveis. Além disso, programas educacionais semelhantes ao que revelou Matteo Paz tendem a ampliar a participação de jovens em pesquisas de ponta, acelerando descobertas ao mesmo tempo em que formam nova mão de obra qualificada.

Com 1,5 milhão de novos candidatos à classificação, a iniciativa demonstra como a combinação de treinamento precoce, acesso a grandes bancos de dados e ferramentas de inteligência artificial expande significativamente o alcance do conhecimento astronômico. O trabalho de validação prossegue, mas o volume de fontes já sinaliza uma das maiores incorporações individuais de objetos ao inventário cósmico nas últimas décadas.