本研究利用卷积神经网络（CNN）从暗能量调查数据中筛选出405个强引力透镜和539个环状星系候选物。通过深度学习方法，成功建模52个系统，并发现36个新透镜候选者，展示了深度学习在天文研究中的应用潜力。

中国科学院上海天文台的研究员葛健带领的国际团队通过深度学习方法，在斯隆巡天三期的数据中发现了107个宇宙早期中性碳吸收线。这一发现刷新了人们对宇宙早期星系演化的认知，证明了人工智能在天文研究中的潜力。研究结果发表于《皇家天文学会月报》。