通过使用大量的 N 体模拟（名为 Cosmological Massive Neutrino Simulations），研究了大量结构演化对三个活动中微子种类的质量总和有抑制作用的效应，并允许三个宇宙学参数变化，公开了数据产品。

Nov, 2017

利用大型 N - 体模拟研究了中性微子质量对暗物质晕和星系空间分布的影响，发现在宇宙学中存在规模依赖的偏差，其中中性微子占据了重要因素，但是通过简单的暗物质哈罗分布模型来分析发现，相较于质量为零的中性微子宇宙学，不同中性微子质量的宇宙学模型的 Halo 参数值有所区别。

Nov, 2013

本文探讨了来自大尺度结构 (LSS) 调查的物质功率谱中包含的两个重要且不同类型的信息：总体平滑形状和重子声波振荡痕迹对宇宙学参数估计的分离影响，并表明对于最简单的宇宙模型，目前包含在 SDSS DR7 晕集功率谱（HPS）中的宽带形状信息为远远超过由重子特征导出的几何信息。

Mar, 2010

我们提出了一种新的模拟宇宙学的方法，包括具有热自由流动运动的大质量粒子，例如大质量中微子或暖 / 热暗物质。这种方法结合了热种粒子和流体描述，消除了常规 N 体模拟中存在的噪声问题。我们详细描述了这种方法，以及一些验证我们的方法的测试案例的结果，并检查了其适用范围。使用这种方法，我们证明了大质量中微子可以在物质场的深洞的大尺度偏置中产生显著的尺度依赖性。我们展示了这种尺度依赖性可能被定量地理解，使用一个极其简单的球形扩展模型可以重现不同中微子参数的 HII 区域偏置行为。

Jun, 2016

使用 SDSS 亮红星系和 WMAP 测量了大尺度相空间功率谱 P (k)，得到的结果对 LCDM 模型给出了强有力的证实，并在宇宙学参数和宇宙学模型等方面提供了一些深入的分析和限制。

Aug, 2006

本文使用卷积神经网络 (Convolutional Neural Networks, CNN) 分析了 KiDS-450 力学弱引力透镜数据集中的弱引力透镜质量映射，得出了对宇宙的总物质密度，波动幅度以及内在对齐振幅的限制性结果，并与基于功率谱分析得出的结果进行了比较，证明了使用深度学习进行未来宇宙学数据分析的良好前景。

Jun, 2019

利用卷积神经网络能够从弱引力透镜生成的汇聚度图中提取信息，比功率谱方法能够更加严格地约束宇宙学参数而且能够提取弱引力透镜地图中的非高斯信息。

Feb, 2019

使用改进的 CNN 算法和基于峰值计数的易于理解方法，可以更好地估计弱引力透镜映射的余量参数和标准差，并提取更多的高阶统计信息，这在研究宇宙学和暗物质中非常有帮助。

Jun, 2018

本文讨论了弱引力透镜测量中的系统误差来源及其理论解释，并介绍了未来改进的其他选择。包括对宇宙结构生长和暗能量本质的限制等关键问题的探讨和分析。

Oct, 2017

利用大型 EAGLE 模拟，通过给透镜的径向密度剖面施加质量纸张变换，选择一些近等温性的透镜，将 H0 的偏差降低到 5% 并减小自身的内在散射率到 10%。本文进一步调查了将透镜观测值与动力学限制相结合是否有助于将偏差降到最小，同时还发现了在不同的源 - 透镜配置下仍可能存在偏差。

Jun, 2017