星系尺度的强引力透镜系统是重要的宇宙学探针，可用于深入地研究宇宙学和天体物理中的诸多科学问题，如暗物质性质、星系形成和演化以及哈勃常数的测量等。然而，目前已证认的强透镜系统数目过少，严重制约了相关天体物理学问题研究的开展。如何搜寻证认更多强透镜样本是当前工作中的主要问题。通过下一代大规模测光巡天项目的开展，人们期待发现数以万计的强透镜系统。但如何在海量的天体图像中快速地找到强透镜候选体？

近年来，人工智能的快速发展给我们提供了一种新的可能。国际上已有相关研究团队利用卷积神经网络方法搜索强引力透镜系统。在此基础上，云南大学中国西南天文研究所的宇宙学团组构建并训练了一个卷积神经网络，并将其应用于欧洲南方天文台2.6米巡天望远镜（VST）千平方度巡天（Kilo-Degree Survey—KiDS）数据，发现了38个新的强透镜候选体。此外，通过测试卷积神经网络在不同观测条件上的表现以及用不同大小的训练集训练网络，该小组还对卷积神经网络的稳定性作了测试。该项工作构建的神经网络可应用于未来的其他巡天数据，如正在建设中的云南大学多通道测光巡天望远镜（Mephisto）的数据。

该项研究工作已被国际天文学主流期刊《英国皇家天文学月刊》接受发表，论文第一作者是云南大学中国西南天文研究所硕士生何紫朝，指导老师为尔欣中教授和范祖辉教授（预印本链接：https://arxiv.org/abs/2007.00188）。

国家天文科学数据中心为天文观测设备和研究计划提供数据与技术服务。

图1 新发现的38个强透镜候选体其中4个的图像。