محققان انجمن سلطنتی نجوم دانشگاه لنکستر در انگلیس با استفاده از هوش مصنوعی، یک تکنیک یادگیری ماشین موسوم به Deep-CEE توسعه دادند که موجب تسریع فرآیند شناسایی کلاسترهای کهکشانی در فضا می‌شود.

اغلب کهکشان‌های جهان در محیطی کم تراکم موسوم به میدان یا در گروه‌های کوچکی مانند آنچه کهکشان راه شیری عضو آن است، به حیات خود ادامه می‌دهند.
اما به ندرت می‌توان کلاسترهای کهکشانی را نیز در جهان شناسایی کرد. این کلاسترها دشوارترین شرایط محیطی را برای ادامه حیات کهکشان‌ها دارند و مطالعه آن‌ها امکان درک بهتر ماده سیاه و انرژی سیاه را فراهم می‌کند.
تکنیک Deep-CEE با استفاده از یک مدل هوش مصنوعی که به‌منظور جستجوی تصاویر رنگی آموزش دیده است، کلاسترهای کهکشانی را شناسایی می‌کند. این مدل هوش مصنوعی، بسیار پیشرفته بوده و بر اساس شبکه‌های عصبی به‌گونه‌ای ساخته شده است که می‌تواند با استفاده از روشی مشابه آنچه در مغز انسان روی می‌دهد، اشیای مختلف را تشخیص دهد. مغز انسان در هنگام مشاهده الگوها یا رنگ‌های مشخص، نورون‌های خاصی را فعال می‌کند.
محققان توانستند فناوری Deep-CEE را با پروژه Sloan Digital Sky Survey که یکی از تلسکوپ‌های مهم دید زاویه باز در جهان است، یکپارچه کنند و امیدوارند در آینده نزدیک بتوانند این مدل هوش مصنوعی را در سایر رصدخانه‌های بزرگ نیز به‌کار گیرند.
گزارش کامل این تحقیقات در نشریه MNRAS منتشر شده است.