Hoe vrijwilligers helpen zoeken naar zwarte gaten in TESS-gegevens

Een zwart gat geeft zelf geen licht af, maar kan toch een spoor achterlaten. In het project Black Hole Hunters onderzoeken vrijwilligers hoe de helderheid van sterren verandert. Ze zoeken naar een korte, herhaalde opheldering die kan ontstaan wanneer een donker object het licht van een begeleidende ster afbuigt en versterkt. Daarvoor gebruiken onderzoekers gegevens van de ruimtetelescoop TESS, aangevuld met beoordelingen van vrijwilligers en algoritmische hulpmiddelen. Een opvallend patroon is nog geen bevestiging van een zwart gat: daarvoor is vervolgonderzoek nodig. 1718

De gezochte aanwijzing: zwaartekrachtlenswerking

Het project richt zich op zwaartekrachtlenswerking in dubbelstersystemen (gravitational self-lensing). Als zo’n systeem vanuit de juiste hoek wordt bekeken — vrijwel op zijn kant — kan het licht van een zichtbare ster worden afgebogen en versterkt door zijn donkere begeleider wanneer die ervoor langs beweegt. Anders dan bij een eenmalige microlensinggebeurtenis kan de opheldering zich herhalen volgens de omlooptijd van het systeem. 18

Onderzoekers zoeken naar dat terugkerende patroon in lichtcurves: grafieken die laten zien hoe de helderheid van een ster in de tijd verandert. Voor de training krijgen vrijwilligers ook gesimuleerde voorbeelden te zien. De project-FAQ benadrukt dat zulke gebeurtenissen zeldzaam zijn en dat er op het moment waarop die FAQ werd opgesteld nog geen overtuigend voorbeeld van zelflenswerking door een zwart gat was gevonden.

Mensen en algoritmes vullen elkaar aan

Black Hole Hunters staat op Zooniverse, een platform waarop publiek kan bijdragen aan wetenschappelijk onderzoek. Na een online training beoordelen deelnemers lichtcurves. Het project gebruikt waarnemingen van TESS; onderzoekers hebben ook aangegeven andere datasets te willen onderzoeken. 1718

De beoordelingen van vrijwilligers vervangen de analyse door onderzoekers niet, maar leveren wel een extra manier op om grote hoeveelheden gegevens te doorzoeken. In een update van april 2026 meldde onderzoeker Adam McMaster dat deelnemers samen 7,6 miljoen classificaties hadden ingediend. Hij beschreef hoe het team die beoordelingen combineert met geavanceerdere simulaties om algoritmes te ontwikkelen die lichtcurves vooraf filteren en zo de zoektocht kunnen toespitsen op kansrijke kandidaten.

Volgens de projectpagina op Zooniverse ging Black Hole Hunters op 26 oktober 2021 van start. Het team bestaat onder anderen uit Adam McMaster, Hugh Dickinson en Matthew Middleton, met onderzoekers van de University of Southampton, de Open University en het Flatiron Institute als medewerkers. De University of Southampton meldde daarnaast dat een subsidie uit 2024 het werk van Middleton en McMaster met Dickinson en de werving van vrijwilligers ondersteunde. 17

Een andere zoektocht: Higgs Hunters

Higgs Hunters onderzocht een heel ander soort gegevens. Vrijwilligers bekeken beelden van het ATLAS-experiment bij de Large Hadron Collider, de deeltjesversneller bij CERN. Ze zochten naar off-centre vertices: sporen van deeltjes die lijken te beginnen op een andere plek dan het centrale botsingspunt. Zulke kenmerken kunnen passen bij deeltjes die eerst een stukje reizen en daarna vervallen. Een afwijkend spoor op een beeld is op zichzelf echter geen bewijs voor een nieuw deeltje. 10

In een analyse onderzochten wetenschappers hoe niet-specialisten vervallen van langlevende deeltjes en andere ongebruikelijke kenmerken herkenden. Voor het onderzochte materiaal waren de efficiëntie en het percentage fout-positieve meldingen van vrijwilligers vergelijkbaar met die van de ATLAS-algoritmes. De studie beschreef ook hoe vrijwilligers gebeurtenissen met onverwachte kenmerken onder de aandacht brachten voor nader onderzoek. 3

De University of Oxford meldt dat Higgs Hunters 42.280 deelnemers uit meer dan 170 landen bereikte en dat Britse scholieren betrokken waren bij een vervolgfase van de analyse. Die cijfers gaan over Higgs Hunters, niet over Black Hole Hunters. Ze bewijzen ook niet dat vrijwilligers bij elke wetenschappelijke taak beter presteren dan algoritmes. 4

Wat burgerwetenschap kan bijdragen

Beide projecten laten zien hoe getrainde vrijwilligers kunnen helpen om grote hoeveelheden gegevens te bekijken en patronen aan te wijzen die onderzoekers vervolgens nader onderzoeken. Bij Higgs Hunters werd de menselijke beoordeling voor een specifieke beeldtaak vergeleken met algoritmes. Black Hole Hunters past vrijwilligersclassificaties, simulaties en algoritmische voorselectie toe op astronomische lichtcurves. In beide gevallen blijft wetenschappelijke controle nodig voordat een kandidaat als ontdekking kan gelden. 318