宇宙中的星系和其他大质量物体可以作为引力透镜，引力透镜最早是由阿尔伯特·爱因斯坦在100多年前提出，用来描述光在经过星系和星系团等大质量物体时是如何弯曲的。这些透镜效应通常强弱之分，并且透镜的强度与物体位置、质量以及与被透镜的光源距离有关。产生强透镜的质量可能是太阳的1000亿倍，这会导致来自同一路径上更远物体的光线放大并分裂成多个图像，或者看起来像是戏剧性的弧形或光环。
强引力透镜比较稀缺，自1979年第一次观察以来，只有几百个得到证实，但这种情况正在改变。现在，一个国际科学家团队的一项新研究揭示了335个新的强透镜候选者，这是基于对美国能源部在亚利桑那州一个名为暗能量光谱仪(DESI)望远镜项目收集的数据深入研究。其研究成果发表在《天体物理学》期刊上，受益于在一场国际科学竞赛中获胜的机器学习算法。
参与这项研究的劳伦斯·伯克利国家实验室(Berkeley Lab)物理部资深科学家David Schlegel说：找到这些天体就像找到一个星系大小的望远镜一样，它们是暗物质和暗能量的强大探测器。例如，如果通过这些透镜观测并精确跟踪和测量超新星，这些新发现的候选引力透镜可以提供特定标记，用于精确测量到古代宇宙中星系的距离。强透镜还提供了一扇强大的窗口，让人们可以看到看不见的暗物质宇宙。
暗物质约占宇宙物质的85%，因为造成透镜效应的大部分质量被认为是暗物质。暗物质和由暗能量驱动的宇宙加速膨胀，是物理学家正在努力解开的最大谜团之一。在新的研究中，研究人员利用伯克利实验室国家能源研究科学计算中心(NERSC)的超级计算机CORI，将暗能量相机成像数据与423个已知强透镜和9451个未知强透镜的训练样本进行了自动比较。研究人员根据实际将候选强透镜分为三类：
最有可能是强透镜的60个候为A级，特征不太明显的105个候选强透镜为B级，以及比其他两个类别的强透镜更暗、更小的176个为C级。研究团队已经成功地在哈勃太空望远镜上赢得了时间，以确认研究中揭示一些最有希望的强透镜候选者。哈勃太空望远镜可以在没有地球大气层模糊影响的情况下，看到精细的细节。候选强透镜是在神经网络的帮助下识别，神经网络是人工智能的一种形式。
在神经网络中，计算机程序经过训练，随着时间的推移逐渐改善其图像匹配，以提高识别强透镜的成功率，计算机化的神经网络灵感来自于人脑中神经元的生物网络。训练神经网络需要很长时间时，有一个非常复杂的拟合模型。有一些艰苦的人工分析强透镜图像，以帮助从数万张图像中挑选出最好的图像来训练网络。研究人员改进最新研究中使用的算法，以加快识别可能的强透镜。
虽然估计每10000个星系中就有1个强引力透镜，但神经网络可以快速识别，天文学家只要识别出来的照片即可，而不是翻看1万张照片才找到一张。神经网络最初是为强引力透镜寻找挑战赛而开发的，这是一项编程比赛，从2016年11月持续到2017年2月，旨在推动寻找强引力透镜的自动化工具开发。随着观测数据的数量不断增加，以及DESI和大型天气观测望远镜(LSST)等新的望远镜项目计划于2023年启动，使用人工智能工具挖掘这些数据的竞争将非常激烈。
