Como voluntários ajudam a procurar buracos negros escondidos na Via Láctea

O projeto Black Hole Hunters convida voluntários a examinar registros do brilho de estrelas em busca de uma pista sutil: um objeto escuro que passa diante de uma estrela companheira pode curvar e amplificar a luz dela. Para isso, os pesquisadores usam observações do TESS, o satélite de busca de exoplanetas da NASA, e combinam classificações feitas pelo público com ferramentas algorítmicas. Um sinal promissor ainda precisa ser analisado em mais detalhe: encontrar um padrão não equivale a confirmar a existência de um buraco negro. 1718

O que o projeto procura

O foco é a autolente gravitacional em sistemas binários — pares de objetos que orbitam um ao outro. Quando o sistema é visto de um ângulo adequado, quase de perfil, a gravidade do objeto escuro pode curvar e amplificar a luz da estrela visível enquanto ele passa à frente dela. Diferentemente de um evento isolado de microlente, esse aumento de brilho pode se repetir de acordo com o período orbital do sistema. 18

É essa variação recorrente que os pesquisadores procuram nas curvas de luz, gráficos que mostram como o brilho de uma estrela muda ao longo do tempo. Exemplos simulados ajudam os voluntários a reconhecer os padrões possíveis. A página de perguntas frequentes do projeto ressalva que esses eventos são raros e que, no momento descrito ali, ainda não havia um exemplo conclusivo de autolente causado por um buraco negro.

Pessoas e algoritmos na busca

O Black Hole Hunters funciona na plataforma Zooniverse, onde participantes recebem instruções on-line e classificam curvas de luz. A busca usa dados do TESS; os pesquisadores também mencionaram planos de analisar observações de outros levantamentos astronômicos. 1718

As classificações dos voluntários são uma parte do trabalho, não substituem a análise científica. Em uma atualização de abril de 2026, o pesquisador Adam McMaster informou que os participantes já haviam enviado 7,6 milhões de classificações. Ele explicou que a equipe combina esse material com simulações mais sofisticadas para desenvolver algoritmos capazes de fazer uma triagem inicial das curvas de luz e destacar candidatos promissores.

O projeto foi lançado no Zooniverse em 26 de outubro de 2021. A equipe listada inclui Adam McMaster, Hugh Dickinson e Matthew Middleton, com colaboradores da Universidade de Southampton, da Open University e do Flatiron Institute. Mais tarde, a Universidade de Southampton informou que uma verba concedida em 2024 apoiou o trabalho de Middleton e McMaster com Dickinson e o recrutamento de voluntários. 17

O que o Higgs Hunters acrescenta — e o que não prova

O Higgs Hunters investigou outro tipo de dado. Os voluntários analisaram imagens do experimento ATLAS, no Grande Colisor de Hádrons (LHC), à procura de vértices fora do centro: marcas em que trajetórias de partículas parecem começar longe do ponto principal da colisão. Esses sinais podem ajudar a identificar partículas que percorreram certa distância antes de decair, mas uma marca incomum na imagem, por si só, não comprova a descoberta de uma nova partícula. 10

Um estudo do projeto avaliou a capacidade de pessoas sem formação especializada de identificar decaimentos de partículas de vida longa e outras características incomuns. Na amostra analisada, a eficiência dos voluntários e a taxa de falsos positivos foram comparáveis às dos algoritmos da ATLAS. O artigo também relatou que participantes destacaram eventos com características inesperadas para que recebessem atenção adicional. 3

Segundo a Universidade de Oxford, o Higgs Hunters chegou a 42.280 participantes de mais de 170 países e envolveu estudantes de escolas britânicas em uma etapa posterior de análise. Esses números dizem respeito àquele projeto: não devem ser confundidos com as classificações do Black Hole Hunters nem tomados como prova de que voluntários superam algoritmos em qualquer tarefa científica. 4

O papel da ciência cidadã

Em conjunto, os dois projetos mostram uma aplicação prática da participação pública na ciência: voluntários treinados podem ajudar a examinar grandes conjuntos de dados e chamar a atenção para padrões que os pesquisadores investigam depois. No Higgs Hunters, houve uma comparação específica com algoritmos em uma tarefa de classificação de imagens. Já o Black Hole Hunters combina classificações humanas, simulações e filtros algorítmicos para procurar sinais em dados astronômicos. Em ambos os casos, qualquer candidato precisa de acompanhamento científico antes de ser tratado como descoberta. 318