Bagaimana Relawan Membantu Memburu Lubang Hitam Tak Terlihat

Mencari lubang hitam bukan berarti melihat benda gelap itu secara langsung. Dalam proyek Black Hole Hunters, relawan membantu memeriksa catatan perubahan terang bintang dari satelit Transiting Exoplanet Survey Satellite (TESS). Para peneliti mencari pola halus yang mungkin terjadi ketika gravitasi objek gelap membelokkan dan memperkuat cahaya bintang pasangannya. Klasifikasi relawan, simulasi, dan alat algoritmik digunakan untuk menyaring data; sinyal yang menarik tetap perlu diteliti lebih lanjut sebelum dapat dianggap sebagai bukti lubang hitam. 1718

Kilatan berulang yang dicari

Black Hole Hunters meneliti fenomena yang disebut pelensaan-diri gravitasi (gravitational self-lensing) pada sistem bintang ganda. Jika sistem itu terlihat dari sudut yang sesuai—hampir dari sisi—objek gelap yang mengorbit dapat melintas di depan bintang pasangannya. Gravitasi objek tersebut membelokkan cahaya bintang ke arah pengamat sehingga bintang tampak lebih terang sesaat. 18

Petunjuk pentingnya adalah pengulangan. Pada sistem seperti ini, peningkatan terang dapat muncul lagi mengikuti periode orbitnya. Karena itu, peneliti mencari pola berulang dalam kurva cahaya, yaitu catatan perubahan terang bintang dari waktu ke waktu. 18

Peristiwa yang dicari sangat langka. FAQ proyek menjelaskan bahwa kurva cahaya simulasi digunakan untuk melatih relawan mengenali bentuk sinyal yang mungkin muncul. FAQ itu juga menyebut belum ada contoh pelensaan-diri oleh lubang hitam dalam sistem bintang ganda yang terkonfirmasi secara meyakinkan pada saat informasi tersebut ditulis.

Peran relawan dan algoritma

Proyek ini berjalan di Zooniverse, platform riset sains warga yang memungkinkan publik membantu mengerjakan tugas penelitian secara daring. Setelah mengikuti panduan berbasis web, relawan mengklasifikasikan kurva cahaya. Pencarian menggunakan pengamatan TESS, dan tim juga pernah menyebut rencana untuk memeriksa data dari survei lain. 1718

Klasifikasi relawan bukan pengganti analisis ilmiah. Dalam pembaruan pada April 2026, peneliti Adam McMaster menyebut relawan telah mengirimkan 7,6 juta klasifikasi. Ia menjelaskan bahwa tim menggabungkan klasifikasi tersebut dengan simulasi yang lebih canggih untuk mengembangkan algoritma penyaring awal kurva cahaya, sehingga pencarian dapat dipersempit ke kandidat yang menjanjikan.

Proyek Black Hole Hunters tercatat diluncurkan di Zooniverse pada 26 Oktober 2021. Tim yang terdaftar mencakup Adam McMaster, Hugh Dickinson, dan Matthew Middleton, bersama para peneliti dari University of Southampton, Open University, dan Flatiron Institute. University of Southampton juga melaporkan dukungan hibah pada 2024 untuk pekerjaan Middleton dan McMaster bersama Dickinson serta perekrutan relawan. 17

Pelajaran dari proyek Higgs Hunters

Higgs Hunters menangani persoalan yang berbeda. Relawannya memeriksa citra dari eksperimen ATLAS di Large Hadron Collider (LHC), akselerator partikel di CERN. Mereka mencari verteks di luar pusat (off-centre vertices): jejak partikel yang tampak bermula jauh dari titik utama tabrakan. Ciri seperti itu dapat menjadi petunjuk bahwa suatu partikel bergerak terlebih dahulu sebelum meluruh, tetapi tanda yang tidak biasa pada gambar saja tidak membuktikan adanya partikel baru. 10

Sebuah analisis meneliti kemampuan relawan non-ahli mengenali peluruhan partikel berumur panjang dan ciri tak biasa lainnya. Untuk bahan yang dikaji, efisiensi relawan dan tingkat positif palsunya sebanding dengan algoritma ATLAS. Makalah tersebut juga melaporkan bahwa relawan menandai sejumlah peristiwa dengan ciri tak terduga agar mendapat perhatian lebih lanjut. 3

Menurut University of Oxford, Higgs Hunters melibatkan 42.280 peserta dari lebih dari 170 negara. Proyek itu juga mengikutsertakan pelajar sekolah di Inggris dalam tahap analisis berikutnya. Angka partisipasi tersebut merujuk pada Higgs Hunters, bukan jumlah klasifikasi Black Hole Hunters; hasilnya pun tidak berarti relawan selalu mengungguli algoritma dalam semua tugas sains. 4

Ketika banyak mata membantu penelitian

Kedua proyek ini menunjukkan bagaimana sains warga dapat membantu peneliti menelusuri kumpulan data yang besar dan menyoroti pola yang layak diperiksa lebih jauh. Higgs Hunters membandingkan kinerja relawan dengan algoritma untuk satu tugas klasifikasi citra tertentu. Black Hole Hunters, di sisi lain, memadukan klasifikasi relawan dengan simulasi dan penyaringan algoritmik untuk mencari sinyal astronomi yang berbeda. Dalam kedua kasus, kandidat atau tanda yang menarik tetap memerlukan tindak lanjut ilmiah sebelum dapat dianggap sebagai penemuan. 318