引力透镜是一个概念，暗物质扭曲空间，通过与光的相互作用揭示其存在。欧空局的欧几里德任务是绘制引力透镜事件图，以绘制宇宙的大尺度结构。欧几里得预计还将发现超过 170,000 个强引力透镜特征。人工智能有望帮助实现这一目标，但机器学习仍处于起步阶段，因此人类可能必须确认每个候选镜头。
引力透镜最初是由爱因斯坦的广义相对论预言的。该理论提出，诸如星系甚至星系团之类的大质量物体会扭曲空间，从而放大来自更远物体的光。光以直线在空间中传播，但空间会弯曲，例如在引力场中，光似乎也会弯曲。透镜效应会导致各种视觉现象，例如弧线、多个透镜图像，甚至物体周围形成一个完整的环，即后来的爱因斯坦环。
观察引力透镜可以深入了解宇宙中物质的分布。正在探索和研究这一现象的探测器之一是欧几里得任务。它由欧洲航天局于 2023 年发射，用于研究透镜事件。研究透镜并分析数十亿个可见星系的所得图像，可以构建详细的地图，揭示暗物质和暗能量的分布。这将帮助我们了解暗物质如何塑造宇宙结构以及暗能量如何驱动宇宙加速膨胀。
欧几里得任务的一个方面是欧几里得广域巡天（EWS），它将观测 14,000 度2天空中寻找引力透镜。据预测，这项研究将发现 170,000 个强引力透镜（强引力透镜会产生非常强烈的扭曲图像，而弱事件则更加微妙）。挑战在于识别透镜特征，这对人类处理如此大量的透镜特征来说是一项挑战。数据。
机器学习算法之前已用于检测强透镜，包括使用卷积神经网络 (CNN)。这些网络通常用于成像分析，由多个层组成。图像将用作输入，它将通过几个不同的层进行分析，但在传递到下一个层之前必须达到指定的阈值。最终，如果它成功地通过了所有层的分析，就应该识别出一个强引力透镜。
由英国开放大学 R. Pearce-Casey 领导的研究小组发现，机器学习技术可能会出现许多误报，但仍需要人类对结果进行目视检查。他们的研究旨在确定更高质量的 CNN 模型和强有力的起点，以提高基于 CNN 的检测过程的输出。为了测试他们的方法，他们从英仙座领域的欧几里得早期发布观测中获取了图像，并应用了他们的 CNN 分析。结果很有希望，但是当应用于真实的 Euclid EWS 数据时，结果仍然需要人工验证。
该团队目前正在探索是否需要在 CNN 分析之前进行第二个过滤阶段，以微调强镜片的识别。他们的结论是，目前，除了传统的人类眼球之外，没有其他选择可以确认强引力透镜和特别弱引力透镜的存在，从而消除机器学习中的误报。