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才能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，AI 能够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，利用所有可用的工具来理解数据。如果我们能做到这一点，它将开辟天文学的新领域和其他科学。”