作为科学家可以运用的最大规模的验证科学，观测验证宇宙基本框架的“观测宇宙学”逐渐成熟。“宇宙大规模结构”近年来越来越受到重视。“宇宙大规模结构”指的是各个星系交织的网状结构，是宇宙迄今为止复杂进化史的终结状态。利用天文望远镜等对其进行详细观察，有助于揭开影响宇宙进化的暗物质和暗能量之谜。
为了解我们所在的宇宙是什么样的宇宙，根据物理理论，使用超级计算机计算宇宙中各种大规模结构的演化，将其与观测数据进行对比，是一种非常有效的手段。但是，这需要对数十万到百万个宇宙论模型进行精确的计算，而即使用当前可利用的最大计算资源，也很难进行如此大量的模拟。
日本京都大学基础物理学研究所特定准教授西道启博的研究小组，试图利用人工智能的“机器学习”方法来解决此难题。研究小组的机器学习设备被称为“暗模拟器”。该装置对宇宙中暗物质成分的数量和性质等进行了各种计算，从计算得出的101个虚拟宇宙中“学习”相应关系。这样就可以快速对新宇宙学模型预期的结果进行理论预测，而无需进行新的模拟。