介绍了一种名为 MAGIC 的机器学习框架，通过神经网络来分别计算二进制微透镜参数，引入了神经控制微分方程来处理时间序列，从而通过几个百分点的不确定度来精准地推断二进制资料的质量和相关参数。

Jun, 2022

研究了三重透镜的微引力透镜光曲线，发现与双重透镜中发现的距近和距远的退化类似，光曲线中存在四倍退化。此外，我们提出了三重透镜在外部剪切近似下的一组方程，并使用这些外部剪切方程，识别可能混淆双重和三重透镜的两种连续退化，即三重透镜系统之间的连续外部剪切退化和双重 - 三重透镜退化。这些退化在高放大事件中尤其重要，因此在微引力透镜中推断承载多个行星的恒星比例时需要谨慎。我们研究了退化对透镜参数（例如，源轨迹）的依赖性，并提供关于如何使用真实数据探索退化的建议。

Nov, 2013

MulensModel 是一款用于引力微透镜建模的软件包，支持计算具有单个和双重透镜以及大量高阶效应（包括带有 limb-darkening 的扩展源、年度微透镜视差、卫星微透镜视差和二进制透镜轨道运动）的微透镜模型放大曲线和拟合优度统计，也可用于分析 NASA 旗舰 WFIRST 卫星计划的微透镜调查。

Mar, 2018

构建最大、最全的微引力透镜事件目录，应用机器学习算法寻找稀有现象，研究该目录对银河系物质和运动学分布以及星球丰度的影响，给出银河系中心的微引力透镜事件的时间尺度图和南极星场的地图，利用这些数据进一步完善银河系的 3D 图像。

May, 2014

介绍一种新的自适应全贝叶斯网格方法，用于建模具有扩展图像的强引力透镜，通过高倍率放大的弧和爱因斯坦环的效应来量化大质量星系中的明亮和暗质量亚结构水平，并使用拟合广义线性模型的贝叶斯惩罚函数去修正潜在的网格潜在的亚结构，实现源和潜在的正则化多样性的客观评估；基于 Nested-Sampling 技术，实现了对所有的非线性质量模型参数的误差量化，能将不同的势能模型根据边缘化证据进行客观排名，其精度能检测 Einstein 环上质量大于等于 10 ^ 7 太阳质量的扰动。

May, 2008

本文提出了一种针对像素化光源的引力透镜图像分析新方法，并表明仅需建模质量分布所需的参数即可实现去卷积像素化源光分布的计算，这大大简化了寻找数据最小卡方拟合和加速反演的步骤，并将该方法应用于模拟爱因斯坦环图像中，证明了其在无正则化和有正则化两种情况下的有效性。

Feb, 2003

本文提出基于万能基组的强透镜建模方法，使用高性能蒙特卡罗算法，桥接参数化与像素化重建方法的差距，可发现镜中和源面的亚结构，跨度范围宽，为大规模强透镜天体观测提供了新方法。

Apr, 2015

通过分析 OGLE-2003-BLG-262 这个微引力透镜事件，我们利用产生的有限源效应测量了角爱因斯坦半径并限制了透镜质量，同时我们观测到了星周运动和视差不对称现象，这有望在未来通过 OGLE-III 实施的更多研究中得到解释。

Sep, 2003

GREAT3 挑战是一项测试和促进用于测量弱引力透镜的天文图像分析方法发展的任务，并针对天文、机器学习和统计社区进行测试。挑战包括多个明确限制的测试，其中包括基于高分辨率成像的实际复杂星系模型、具有空间变化的受物理激励的模糊核以及多个不同曝光的组合，以提供诊断工具。

Aug, 2013

使用一种名为分期付款的神经振幅估计的无似然推断方法，为 Roman Space Space 望远镜观测到的二进制透镜微引力波事件提供实时和自动的推断。

Feb, 2021