该文综述深度学习在弱引力透镜和宇宙学中的应用：利用卷积神经网络从汇聚度图提取非高斯信息以更严格约束宇宙学参数，估计红移分布及参数不确定性，分析KiDS-450数据对物质密度和波动幅度的限制，并涉及PSF建模与21厘米信号参数反演，展现深度学习在宇宙学数据分析中的前景。