日本天文学家开发了一种新的人工智能(AI)技术，可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创建的大型模拟数据进行大量训练和测试后，他们随后将新工具应用于日本斯巴鲁望远镜的真实数据，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调查的大数据。通过测量引力透镜模式，可以使用广域测量数据来研究宇宙的大尺度结构。在引力透镜中，前景物体（例如星系团）的引力会扭曲背景物体（例如更远的星系）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”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；有些星系天生就有点奇怪。很难区分因引力透镜而扭曲的星系图像与实际扭曲的星系图像。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”，一组日本天文学家首先使用世界上最强大的天文学专用超级计算机ATRUIII，根据来自斯巴鲁望远镜的真实数据生成了一个包含25,000个模拟星系的目录。然后，他们将现实主义噪声添加到这些众所周知的人工数据集中，并训练人工智能从模拟数据中统计推断出透镜暗物质。经过训练，人工智能可以恢复以前无法观察到的精细细节，有助于提高我们对宇宙暗物质的认识。然后，在覆盖21平方度天空的真实数据上使用这种人工智能，该团队发现前景质量的分布与标准宇宙学模型一致。这项研究展示了结合不同类型研究的好处：观察、模拟和AI数据分析。团队负责人MasatoShirasaki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，它将开辟天文学和其他科学领域的新领域。
