日本天文学家开发了一种新的人工智能（AI）技术，以去除天文数据中由于星系形状的随机变化而产生的“噪音”。在对超级计算机模拟创建的大型模拟数据进行广泛的训练和测试之后，他们随后将这种新工具应用于来自日本斯巴鲁望远镜的实际数据，并发现使用这种方法得出的质量分布与目前公认的宇宙模型一致。这是一个强大的新工具，用于分析来自当前和计划中的天文学调查的大数据。

　　广域勘测数据可用于通过测量引力透镜模式来研究宇宙的大尺度结构。在引力透镜中，前景天体（如一个星系团）的引力可以扭曲背景天体（如一个更遥远的星系）的图像。一些引力透镜的例子很明显，比如 “荷鲁斯之眼”现象。大尺度结构，主要由神秘的 "暗 "物质组成，也可以扭曲遥远星系的形状，但预期的透镜效应是微妙的。需要对一个地区的许多星系进行平均化处理，以创建前景暗物质分布图。

　　但是这种观察许多星系图像的技术遇到了一个问题；有些星系就是天生长得有点怪。很难区分一个被引力透镜扭曲的星系图像和一个真正扭曲的星系。这被称为“形状噪声”，是研究宇宙大尺度结构的限制性因素之一。

　　为了补偿“形状噪声”，一个日本天文学家小组首先使用世界上最强大的天文学专用超级计算机ATRUI II，根据斯巴鲁望远镜的真实数据生成25000个模拟星系目录。然后，他们向这些完全已知的人工数据集添加了现实主义噪音，并训练了一个人工智能，以便从模拟数据中统计出透镜暗物质。

　　  经过训练，人工智能能够恢复以前无法观察到的精细细节，帮助提高我们对宇宙暗物质的理解。然后在覆盖21平方度天空的真实数据上使用这个人工智能，研究小组发现前景质量的分布与标准宇宙学模型一致。

　　“这项研究显示了结合不同类型的研究的好处：观测、模拟和人工智能数据分析。” 该团队的负责人Masato Shirasaki评论道，“在这个大数据时代，我们需要跨越专业之间的传统界限，使用所有可用的工具来理解数据。如果我们能做到这一点，它将在天文学和其他科学领域打开新的领域。”