日本天文學家開發了一種新的人工智能（AI）技術，以去除天文數據中由於星系形狀的隨機變化而產生的“噪音”。在對超級計算機模擬創建的大型模擬數據進行廣泛的訓練和測試之後，他們隨後將這種新工具應用於來自日本斯巴魯望遠鏡的實際數據，並發現使用這種方法得出的質量分佈與目前公認的宇宙模型一致。這是一個強大的新工具，用於分析來自當前和計劃中的天文學調查的大數據。

廣域勘測數據可用於通過測量引力透鏡模式來研究宇宙的大尺度結構。在引力透鏡中，前景天體（如一個星系團）的引力可以扭曲背景天體（如一個更遙遠的星系）的圖像。一些引力透鏡的例子很明顯，比如“荷魯斯之眼”現象。大尺度結構，主要由神秘的”暗”物質組成，也可以扭曲遙遠星系的形狀，但預期的透鏡效應是微妙的。需要對一個地區的許多星系進行平均化處理，以創建前景暗物質分佈圖。

但是這種觀察許多星系圖像的技術遇到了一個問題；有些星係就是天生長得有點怪。很難區分一個被引力透鏡扭曲的星系圖像和一個真正扭曲的星系。這被稱為“形狀噪聲”，是研究宇宙大尺度結構的限制性因素之一。

為了補償“形狀噪聲”，一個日本天文學家小組首先使用世界上最強大的天文學專用超級計算機ATRUI II，根據斯巴魯望遠鏡的真實數據生成25000個模擬星系目錄。然後，他們向這些完全已知的人工數據集添加了現實主義噪音，並訓練了一個人工智能，以便從模擬數據中統計出透鏡暗物質。

經過訓練，人工智能能夠恢復以前無法觀察到的精細細節，幫助提高我們對宇宙暗物質的理解。然後在覆蓋21平方度天空的真實數據上使用這個人工智能，研究小組發現前景質量的分佈與標準宇宙學模型一致。

“這項研究顯示了結合不同類型的研究的好處：觀測、模擬和人工智能數據分析。” 該團隊的負責人Masato Shirasaki評論道，“在這個大數據時代，我們需要跨越專業之間的傳統界限，使用所有可用的工具來理解數據。如果我們能做到這一點，它將在天文學和其他科學領域打開新的領域。”