日本天文学家开发了一种新的人工智能 (AI) 技术，以消除由于星系形状随机变化而导致的天文数据中的噪音。在对超级计算机模拟产生的大型模拟数据进行大量训练和测试后，他们将这种新工具应用于日本斯巴鲁望远镜的实际数据，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。

广域调查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，前景物体（如星系团）的引力会扭曲背景物体（如更远的星系）的图像。引力透镜的一些例子是显而易见的，例如“荷鲁斯之眼”。主要由神秘的“暗”物质组成的大尺度结构也可以扭曲遥远星系的形状，但预期的透镜效应是微妙的。需要对一个区域中的许多星系进行平均以创建前景暗物质分布图。

但是这种查看许多星系图像的技术遇到了问题。有些星系只是天生有点滑稽。很难区分被引力透镜扭曲的星系图像和实际扭曲的星系。这被称为形状噪声，是研究宇宙大尺度结构的限制因素之一。

为了补偿形状噪声，日本天文学家团队首先使用世界上最强大的天文学超级计算机 ATERUI II，根据斯巴鲁望远镜的真实数据生成了 25,000 个模拟星系目录。然后，他们向这些众所周知的人工数据集添加了现实主义噪声，并训练了人工智能从模拟数据中统计恢复了透镜暗物质。

经过训练，人工智能能够恢复以前无法观察到的细节，有助于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该 AI，该团队发现了与标准宇宙学模型一致的前景质量分布。

“这项研究显示了结合不同类型研究的好处：观察、模拟和人工智能数据分析。” 团队负责人 Masato Shirasaki 评论说：“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开辟新的领域。”

这些结果出现在Shirasaki 等人。“弱透镜质量映射的降噪：生成对抗网络在 Subaru Hyper Suprime-Cam 第一年数据中的应用”，发表于 2021 年 6 月的《皇家天文学会月刊》。