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

本文报道了使用深度卷积神经网络在非常快速且自动化的方式下准确估计透镜参数的方法，不需要使用最大似然方法，而且可以提供一种非专家获取大量数据的透镜参数估计的方法。

Aug, 2017

该研究预测了未来的成像调查将找到多少宇宙强镜，并模拟了它们的特性，发现你使用蓝减红成像方案可以找到更多强镜，但这仍存在不确定性。

Jul, 2015

本文介绍了 DeepGraviLens，这是一个新颖的多模态网络，通过检测与亮度变化时间序列相关的图像数据，并分类属于一个非成像系统类型和三个透镜系统类型的空间时间数据，改进了当前成像数据分析的准确性，为未来的天体物理学研究奠定了基础。

May, 2022

本文综述了大规模强引力透镜成像数据的建模技术与应用，包括研究椭圆星系的质量结构、形成和演化，限制恒星初始质量函数，以及测量宇宙学参数等方面，并讨论了当前数据和方法的局限性以及未来的发展前景。

Oct, 2022

本文介绍了一种基于机器学习技术的搜索重力透镜效应引起的类星体的方法，该方法结合了目录级别信息和像素级别模式识别算法，可使目标 / 候选对象的选择纯度提高到 70％，完整性为 60％

Oct, 2014

本研究通过引入新的空间几何排除标准和扩大允许的光谱参数空间，并利用基于图像的深度学习方法进行实现，对重新电离时期的透镜星系进行了系统搜索，利用光谱能量分布的预选和卷积神经网络相对概率的计算方法，相结合，发现了 36 个新的透镜候选者。

Nov, 2022

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

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