Wypatrują czarnych dziur w blasku gwiazd

Projekt Black Hole Hunters zaprasza wolontariuszy do przeglądania wykresów jasności gwiazd i wypatrywania subtelnego sygnału: ciemny obiekt przechodzący przed gwiezdnym towarzyszem może zakrzywić i wzmocnić jego światło. Naukowcy korzystają z obserwacji satelity TESS, a klasyfikacje uczestników i narzędzia algorytmiczne pomagają przesiać ogromny zbiór danych. Obiecujący sygnał wymaga dalszej analizy — dostrzeżenie wzoru nie jest jeszcze potwierdzeniem istnienia czarnej dziury. 1718

Jakiego sygnału szukają uczestnicy?

Black Hole Hunters koncentruje się na grawitacyjnym samosoczewkowaniu w układach podwójnych, czyli takich, w których dwa obiekty krążą wokół wspólnego środka masy. Gdy układ jest ustawiony niemal krawędzią do obserwatora, światło widocznej gwiazdy może zostać zakrzywione i wzmocnione przez jej ciemnego towarzysza, gdy ten przesuwa się na jej tle. W odróżnieniu od jednorazowego mikrosoczewkowania, taki wzrost jasności może powtarzać się zgodnie z okresem orbitalnym układu. 18

Powtarzające się zmiany jasności to właśnie ślad, którego badacze wypatrują na krzywych blasku — wykresach pokazujących, jak jasność gwiazdy zmienia się w czasie. Projekt udostępnia przykłady symulowane, by pomóc wolontariuszom nauczyć się rozpoznawać poszukiwane kształty. W FAQ zaznaczono, że takie zjawiska są rzadkie, a w opisywanym tam czasie nie znaleziono jeszcze rozstrzygającego przykładu samosoczewkowania wywołanego przez czarną dziurę.

Ludzie i algorytmy przeglądają dane razem

Black Hole Hunters działa na platformie Zooniverse. Po internetowym szkoleniu wolontariusze klasyfikują krzywe blasku. Projekt wykorzystuje obserwacje TESS, a jego badacze opisywali również plany analizowania danych z innych przeglądów nieba. 1718

Klasyfikacje uczestników są jednym z elementów poszukiwań, a nie zamiennikiem pracy naukowców. W aktualizacji z kwietnia 2026 roku badacz Adam McMaster poinformował, że wolontariusze przesłali 7,6 miliona klasyfikacji. Opisał też, jak zespół łączy te dane z bardziej zaawansowanymi symulacjami, by opracowywać algorytmy wstępnie filtrujące krzywe blasku i wskazujące najbardziej obiecujących kandydatów.

Projekt uruchomiono na Zooniverse 26 października 2021 roku. W zespole wymienieni są Adam McMaster, Hugh Dickinson i Matthew Middleton, a wśród współpracowników — badacze z University of Southampton, Open University i Flatiron Institute. University of Southampton informował także o grancie z 2024 roku wspierającym prace Middletona i McMastera z Dickinsonem oraz rekrutację wolontariuszy. 17

Czego uczy osobny projekt Higgs Hunters?

Higgs Hunters zajmował się innym rodzajem danych. Wolontariusze oglądali obrazy z eksperymentu ATLAS przy Wielkim Zderzaczu Hadronów i szukali wierzchołków pozaosiowych — śladów cząstek, które wydają się rozpoczynać z dala od głównego punktu zderzenia. Mogą one wskazywać na cząstki, które przebyły pewną drogę, zanim się rozpadły. Nietypowy ślad na obrazie sam w sobie nie jest jednak dowodem odkrycia nowej cząstki. 10

W analizie projektu sprawdzano, jak osoby bez specjalistycznej wiedzy rozpoznają rozpady długo żyjących cząstek i inne nietypowe cechy. W badanym materiale skuteczność wolontariuszy i odsetek fałszywych wskazań były porównywalne z wynikami algorytmów ATLAS. Autorzy opisali również, że uczestnicy zwracali uwagę na zdarzenia o nieoczekiwanych cechach, które warto było zbadać dokładniej. 3

University of Oxford podaje, że Higgs Hunters zgromadził 42 280 uczestników z ponad 170 krajów. W późniejszym etapie analizy uczestniczyli też uczniowie z Wielkiej Brytanii. Te liczby dotyczą projektu Higgs Hunters — nie należy ich utożsamiać z klasyfikacjami Black Hole Hunters ani traktować jako dowodu, że wolontariusze zawsze przewyższają algorytmy. 4

Rola nauki obywatelskiej

Oba projekty pokazują, jak udział publiczności może wspierać badania: przeszkoleni wolontariusze pomagają przeglądać duże zbiory danych i wskazywać wzory, które naukowcy mogą później sprawdzić. Higgs Hunters porównał wyniki ludzi z algorytmami w konkretnym zadaniu analizy obrazów. Black Hole Hunters łączy klasyfikacje wolontariuszy, symulacje i algorytmiczne filtrowanie, by szukać sygnałów w danych astronomicznych. W obu przypadkach kandydat wymaga naukowej weryfikacji, zanim można mówić o potwierdzonym odkryciu. 318