Có một số cách để tìm ra các khoảng trống vũ trụ với kết quả đạt được khi quan sát vũ trụ. Trong nhiều thuật toán khác nhau, hầu như tất cả đều thuộc một trong ba loại cơ bản.[27] Lớp đầu tiên bao gồm các công cụ tìm khoảng trống vũ trụ bằng việc cố gắng tìm các vùng không gian trống dựa trên mật độ thiên hà địa phương.[28] Lớp thuật toán thứ hai là những lớp cố gắng tìm các khoảng trống thông qua các cấu trúc hình học theo phân bố vật chất tối của các thiên hà được đề xuất.[29] Lớp thứ ba là xác định cấu trúc một cách linh hoạt bằng cách sử dụng các điểm không ổn định về trọng lực trong phân phối vật chất tối.[30] Ba phương pháp phổ biến nhất thông qua nghiên cứu các khoảng trống vũ trụ được liệt kê dưới đây:

Thuật toán Void Downloader

Phương pháp đầu tiên sử dụng mỗi thiên hà trong danh mục làm mục tiêu và sau đó sử dụng Phương pháp xấp xỉ lân cận gần nhất để tính mật độ vũ trụ trong vùng chứa nằm bên trong bán kính hình cầu được xác định bởi khoảng cách đến thiên hà gần nhất thứ ba.[31] El Ad & Piran đã giới thiệu phương pháp này vào năm 1997 để sử dụng như một phương pháp nhanh chóng và hiệu quả trong chuẩn hóa việc lập danh mục các khoảng trống vũ trụ. Khi các ô hình cầu được khai thác từ tất cả các dữ liệu cấu trúc, mỗi ô được mở rộng cho đến khi mật độ trở về giá trị mật độ tường chắn dự kiến trung bình.[8] Một trong những đặc điểm nổi nhất của các vùng trống là ranh giới của chúng rất khác biệt và được xác định, với mật độ trung bình vũ trụ bắt đầu ở mức 10% bên trong chúng và nhanh chóng tăng lên 20% ở rìa và sau đó đến 100% ở các bức tường ngay bên ngoài các cạnh. Các bức tường còn lại và các vùng trống chồng lấp sau đó được đưa vào tương ứng, các vùng riêng biệt và đan xen của các sợi thiên hà, cụm thiên hà và các khoảng trống gần như trống rỗng. Bất kỳ sự chồng chéo nào của hơn 10% với các khoảng trống đã biết đều được coi là các tiểu vùng trong các khoảng trống đã biết. Tất cả các khoảng trống được đưa vào danh mục có bán kính tối thiểu 10 Mpc để đảm bảo tất cả các khoảng trống được xác định không bị vô tình phân loại do lỗi lấy mẫu.[31]

Vùng giáp ranh với thuật toán voidness (ZOBOV)

Thuật toán lớp thứ hai đặc biệt này sử dụng kỹ thuật hình học đa dạng Voronoi và các hạt biên giới giả để phân loại các vùng dựa trên đường viền tương phản mật độ cao với độ lệch cực thấp.[32] Neyrinck đã giới thiệu thuật toán này vào năm 2008 với mục đích giới thiệu một phương pháp không chứa các tham số tự do hoặc các hình thức giả định hình dạng. Do đó, kỹ thuật này có thể tạo ra các vùng trống có hình dạng và kích thước chính xác hơn. Mặc dù thuật toán này có một số lợi thế về hình dạng và kích thước, nó thường bị chỉ trích vì đôi khi cung cấp kết quả được xác định rời rạc. Vì nó không có tham số tự do, nên nó chủ yếu tìm thấy các khoảng trống nhỏ và tầm thường, mặc dù thuật toán có ý nghĩa thống kê trên mỗi khoảng trống mà nó tìm thấy. Một tham số có ý nghĩa vật lý có thể được áp dụng để giảm số lượng khoảng trống tầm thường bằng cách nhận ra mật độ tối thiểu đến tỷ lệ mật độ trung bình ít nhất là 1:5. Khoảng trống phụ cũng được xác định bằng cách sử dụng quá trình này, điều này đặt ra nhiều câu hỏi triết học hơn về những gì đủ điều kiện là một khoảng trống.[33] Các công cụ tìm kiếm trống như VIDE[34] dựa trên ZOBOV.

Thuật toán phân tích khoảng trống động (DIVA)

Phương pháp lớp thứ ba này khác biệt lớn so với hai thuật toán trước được liệt kê. Khía cạnh nổi bật nhất là nó đòi hỏi một định nghĩa khác về ý nghĩa của những gì là một khoảng trống. Thay vì quan niệm chung rằng một khoảng trống là một vùng không gian có mật độ trung bình vũ trụ thấp; một lỗ hổng trong sự phân bố các thiên hà, nó xác định các khoảng trống là các khu vực mà vật chất đang thoát ra; tương ứng với phương trình trạng thái năng lượng tối, w. Trung tâm khoảng trống được coi là nguồn ban đầu của phạm vi dịch chuyển ký hiệu là Sψ. Mục đích cho sự thay đổi định nghĩa này đã được Lavaux và Wandelt trình bày vào năm 2009 như là một cách để xác định các khoảng trống vũ trụ sao cho các tính toán phân tích chính xác có thể được thực hiện trên các tính chất động học và hình học của chúng. Điều này cho phép DIVA khám phá rất nhiều tính chất elip của các khoảng trống và cách chúng phát triển trong vũ trụ quan sát được, về sau dẫn đến việc phân loại ba loại khoảng trống khác nhau. Ba lớp hình thái này là các khoảng trống thực, các khoảng trống mỏng và các khoảng trống phân mảnh. Một chất lượng đáng chú ý khác là mặc dù DIVA cũng có sai lệch chức năng lựa chọn giống như các phương pháp lớp đầu tiên thực hiện, DIVA đã sáng tạo sao cho độ lệch này có thể được hiệu chỉnh chính xác, dẫn đến kết quả đáng tin cậy hơn nhiều. Nhiều thiếu sót của phương pháp hỗn hợp Lagrangy-Eulery tồn tại. Một ví dụ là kết quả tính các khoảng trống từ phương pháp này thực chất khác với các khoảng trống được tìm thấy bởi các phương pháp khác, điều này khiến cho việc so sánh tất cả các điểm dữ liệu giữa các kết quả của các thuật toán khác nhau trở nên rất khó khăn.[27]

Kiểm tra độ bền

Khi một thuật toán được trình bày để tìm ra thứ mà nó coi là khoảng trống vũ trụ, điều quan trọng là những phát hiện của nó gần khớp với những gì được mong đợi bởi các mô phỏng và mô hình hiện tại của vũ trụ quan sát được. Để thực hiện điều này, số lượng, kích thước và tỷ lệ cũng như các đặc điểm khác của các khoảng trống được thuật toán tìm thấy sau đó đã được kiểm tra bằng cách đặt dữ liệu giả thông qua mô phỏng Particle Hydrodynamic Halo, mô hình ΛCDM hoặc mô phỏng đáng tin cậy khác. Một thuật toán mạnh hơn nhiều nếu dữ liệu của nó phù hợp với kết quả của các mô phỏng này cho một loạt các tiêu chí đầu vào (Pan và cộng sự. 2011).[35]