AI联手暗能量光谱仪，天文学家寻获70个全新强重力透镜系统
天文学家运用暗能量光谱仪巡天影像计划（DESILegacyImagingSurveys）的庞大观测资料，结合人工智能影像辨识技术，发现并确认70个新的强重力透镜系统。这项成果为研究暗物质、星系结构与宇宙学提供了更多重要样本。2026年8月，研究团队公布目前规模 最大的宇宙二维影像地图，资料包含约5.6兆像素，记录近40亿个天体，涵盖恒星、星系、黑洞及小行星等，为搜寻罕见天文现象建立了 前所未有的资料基础。
这是一组在DESILegacyImagingSurveys资料中发现的重力透镜样本。透镜效应表现为围绕中心星系出现的光环或光弧。（Source：NOIRLab，下同）
重力透镜是指前景的大质量天体，例如星系或星系团，利用自身重力使背景遥远天体发出的光线弯曲，形成弧形、环状或多重影像， 宛如天然的宇宙放大镜。透镜效应不仅能放大原本过于遥远或暗淡的星系，也有助于推估暗物质的分布、研究星系演化，并检验宇宙模型。然而，透镜系统在影像中往往不易辨认，研究团队因此采用一种机器学习模型──残差神经网络（aresidualneuralnetwork）分析巡天影像，从大量资料中找出具有透镜特征的候选天体。
重力透镜效应原理：当一个质量巨大的前景星系弯曲时空时，它就像一个宇宙放大镜，放大并扭曲了其后方更遥远星系的 影像。
为确认候选者是否确实构成重力透镜，研究人员使用欧南天文台的甚大望远镜（VLT）搭载的多单元光谱探测仪（MUSE），进行光谱观测。MUSE能同时取得影像中不同位置的光谱，协助研究人员辨认前景透镜与背景光源，并测量两者的红移，以判定距离及相对位置。
新确认的70个系统已纳入重力透镜资料库。这些经光谱确认的样本，可供后续研究暗物质分布、星系内部结构及宇宙演化，也能与哈 伯太空望远镜、韦伯太空望远镜及其他大型巡天计划的观测资料结合。这项成果显示，人工智能与大型天文巡天资料相互配合，能有效提升罕见天体的搜寻效率，并为未来宇宙学研究建立长期可用的观测资源。