月球极地的一些区域无法受到阳光直射，永久性处于阴影之中，因此被称作“永久阴影区域”（PSRs）。最近的研究表明，这些永久阴影区域富含“冷阱”（冰冻的水或水冰），或许可以用于揭示有关太阳系早期的历史，也或许能帮助未来到访月球的人制造燃料等资源。但月球轨道上的卫星很难捕获永久阴影区域的图像。因此，研究这些黑暗的区域一直是不小的挑战。
此外，即便有少量光子从永久阴影区域反射出来，也常常被相机噪声和光子的量子效应所湮没。
在一项发表于《自然·通讯》(Nature Communications)的研究中，研究人员开发了一种基于深度学习的算法，可以消除干扰，从而看到月球阴影的区域。德国马克斯·普朗克太阳系研究所的行星科学家瓦伦丁·比克尔（Valentin Bickel，这项研究的第一作者）表示：“我们的图像能让科学家第一次清楚地辨识出尺寸小到3米的陨石坑和巨石等地质结构，这比此前的图像分辨率高5~10倍。”
研究人员选用了7万多张在月球暗面拍摄的图像，再结合拍摄图像时相机的温度及其在月球轨道上的位置，就可以用这些数据来训练算法，从而识别和过滤相机的噪声。接下来，为了解决残留噪声的问题，例如光子的量子效应，他们让算法“学习”数百万张太阳照射下的月球图像，以及将相同图像做阴影处理后的模拟图像。
美国航空航天局（NASA）艾姆斯研究中心（Ames Research Center）的工程师伊格纳西奥·洛佩兹-弗朗科斯（Ignacio Lopez-Francos，这项研究的共同作者）解释道：“使用这种阴影模拟后的图像是必要的，因为并不存在太阳照射下的永久阴影区域。”
类似的技术也被用于低光照环境下的数码相机成像。“这是机器学习技术的一项有趣应用。而且对于这个实例而言，研究中所用到的噪声模型是实际且有用的。”新加坡南洋理工大学的计算机科学家李重仪（Chongyi Li，未参与这项研究）评价道。他在水下图像增强的研究中也使用了类似的策略。
除此之外，研究人员还使用这套算法分析了几个永久阴影区域的陨石坑和巨石的尺寸和分布情况，这些区域是NASA“阿尔忒弥斯”（Artemis）登月计划可能要探访的区域。他们还推测了一些巨石的可能来源，并测绘出一条潜在的路线。这些信息可以在不久的未来发挥作用，协助月球车避开障碍物以及坡度大于10度的斜坡，从而使月球车成功穿过月球莱布尼茨高原（Leibnitz plateau）上的永久阴影区域。
月球上的冰要么散布在月球的土壤之中，要么储存在更密集的冰层中。这项研究所提供的图像处理方式，提供了一种检验这些假设的方式。