Pendekatan baru berbasis algoritme genetik mulai menarik perhatian dalam riset kosmologi karena dinilai mampu membaca perubahan alam semesta dengan lebih teliti. Dalam uji awal, metode ini disebut dapat meningkatkan akurasi hingga 95% saat menelusuri besaran turunan yang menggambarkan laju perubahan kosmos.
Bagi penelitian alam semesta, angka tersebut bukan sekadar soal ketepatan teknis. Besaran turunan membantu ilmuwan melihat dinamika ekspansi secara lebih halus, sehingga perubahan kecil yang sebelumnya sulit ditangkap bisa terbaca lebih jelas.
Selama ini, model kosmologi standar tetap menjadi kerangka yang kuat untuk menjelaskan banyak fenomena besar. Model itu mampu menerangkan percepatan ekspansi alam semesta dan pembentukan galaksi, tetapi para peneliti masih memerlukan cara independen untuk memeriksa apakah gambaran itu benar-benar konsisten ketika langsung diuji dari data.
Di titik inilah algoritme genetik dianggap berguna. Sistem seperti ini meniru prinsip seleksi alam dan mencoba merekonstruksi fungsi kosmik langsung dari data, tanpa harus dipaksa mengikuti model yang sudah ditentukan sejak awal.
Kelebihan pendekatan tersebut terletak pada ruang pencarian yang lebih luas. Metode ini memberi kesempatan untuk menemukan pola yang tersembunyi, terutama ketika data menyimpan detail yang lebih halus dan tidak mudah dibaca oleh teknik tradisional.
Masalah pada metode lama sering muncul saat hasil terlihat cocok di permukaan, tetapi informasi yang tidak langsung teramati justru terlewat. Dalam kosmologi, kelemahan seperti ini bisa membuat hasil turunan menjadi kurang stabil, padahal bagian tersebut sangat penting untuk memahami bagaimana alam semesta bergerak dan berubah.
Untuk menjawab tantangan itu, para peneliti menawarkan strategi baru bernama GAME, singkatan dari Genetic Algorithms with Marginalised Ensembles. Makalah yang diunggah ke arXiv pada Februari itu menjelaskan bahwa GAME tidak hanya mengandalkan satu algoritme, melainkan menggabungkan banyak algoritme sekaligus.
Setiap hasil dalam GAME kemudian diberi bobot berdasarkan dua hal utama, yakni kecocokan terhadap data dan tingkat kehalusan fungsi yang dihasilkan. Dengan cara ini, sistem tidak sekadar mengejar kecocokan, tetapi juga berupaya menjaga hasil rekonstruksi agar tidak terlalu berisik atau menyesatkan.
Model ensemble seperti ini membuat GAME bekerja dengan kumpulan jawaban, bukan satu solusi tunggal. Pendekatan tersebut membantu membangun gambaran yang lebih stabil tentang bagaimana kosmos berevolusi dari data yang dianalisis.
Hasil awalnya menunjukkan perkembangan yang menonjol. Pada fungsi uji, GAME mencatat peningkatan akurasi keseluruhan sebesar 20%, sementara pada pembacaan besaran turunan kenaikannya mencapai 95%.
Peningkatan itu penting karena derivative yang lebih akurat memberi ilmuwan kemampuan lebih baik untuk melihat perubahan halus dalam struktur dan ekspansi alam semesta. Dengan begitu, analisis tidak berhenti pada model yang tampak sesuai, tetapi juga masuk ke detail perubahan yang lebih sensitif.
Para peneliti juga telah memakai metode ini untuk merekonstruksi laju ekspansi alam semesta, termasuk konstanta Hubble, dengan memanfaatkan data dari cosmic chronometers. Alat ukur alami itu berfungsi seperti penanda waktu kosmik yang membantu menelusuri perjalanan perkembangan alam semesta.
Menariknya, hasil awal penerapan GAME masih selaras dengan model kosmologi yang selama ini digunakan. Artinya, pendekatan baru ini belum memperlihatkan benturan besar dengan pemahaman yang sudah mapan, tetapi justru memperkuat cara untuk mengujinya secara lebih ketat.
Ke depan, GAME dipandang berpotensi menjadi alat yang makin kompetitif ketika data baru terus mengalir dari observatorium seperti Dark Energy Spectroscopic Instrument. Dengan data yang lebih kaya, metode ini bisa membantu membedakan model-model kosmologi yang saling bersaing dan memberi uji konsistensi yang lebih independen terhadap gambaran alam semesta yang sudah ada.
