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

基于视觉 Transformer 和滑动窗口技术的层次化框架，我们提出了一种针对整个图像中的强引力透镜系统的搜索方法，可以有效地发现多波段图像中的强引力透镜系统，并且在真实观测和模拟数据中得到了较高的精度和召回率。

Apr, 2024

研究使用神经网络在高分辨率镜像数据上模拟暗物质、远距离星系光学扭曲等，以解答宇宙学中的一些大问题。

Jun, 2022

本文介绍了如何利用重力透镜系统中弱摄动的扰动来推测暗物质亚结构的存在与性质，并给出了基于相关参数进行 相关概率比率实验数据的仿真分析结果。

Sep, 2019

本文综述了现代应用强引力透镜中使用的多个不同族的质量模型，包括相应策略和技术结果，所有这些模型都包含在名为 gravlens 的公开可用透镜软件中。

Feb, 2001

AutoLens 是第一个完全自动化的激光束强引力透镜建模套件，采用无定形的方法来适应透镜源的固有属性，并使用贝叶斯模型比较自动地选择光质量和质量模型的复杂程度，使得能够精确地导出适用于现实数据的光源、质量和源轮廓。

Aug, 2017

使用卷积神经网络从第一批 Dark Energy Survey（DES）数据中筛选出强引力透镜系统的候选物，包括 405 个透镜候选物和 539 个可用于训练 CNNs 的环状星系候选物，并构建自动化建模管道来对 52 个有单个偏转器的系统进行建模。

Aug, 2021

本文使用神经网络在 DECaLS 图像中鉴定出 335 个强引力透镜系统作为候选物体。

Jun, 2019

本文报道了我们发现的最大的阶段强引力透镜样本，其中包括了超越了 HSC-SSP Survey 数据中心，跨越 $0.05<z_{cl}<1.38$ 聚类红移范围的大量聚类列表。我们发现了 641 个候选透镜系统，其中 47 个几乎可以肯定是合法的透镜，181 个高度可能是透镜，413 个可能是透镜系统。此外，我们还报道了 131 个与观察偶然相遇时发现的透镜。我们利用 X-shooter 进行了 10 个候选系统的光谱学跟踪。通过这项跟踪，我们确认了 8 个系统是强引力透镜。

Feb, 2020

本文介绍了一种名为 GIGA Lens 的基于梯度信息、GPU 加速的 Bayesian 模型，利用 TensorFlow 和 JAX 实现。通过模拟实验证明了该框架具有高性能、鲁棒性和可扩展性，可以用来对当前调查中发现的大量强镜进行建模，非常有前景。

Feb, 2022