В области астрофизики и космологии исследователи часто сталкиваются с необходимостью решать обратные задачи — восстанавливать скрытые физические поля на основе наблюдаемых данных, как, например, распределение вещества во Вселенной. Традиционно применяются байесовские методы, однако в случае сложных негауссовских процессов, таких как галактическая пыль, априорные модели часто отсутствуют или ненадежны. Международная команда ученых предложила инновационный подход, который позволяет эффективно восстанавливать статистические характеристики сложных полей даже при нехватке данных и без внешних предположений. Ключевая идея заключается в переходе к компактному описанию сигналов через Scattering Transform (ST), учитывающему негауссовские особенности. Разработанный итеративный алгоритм создает семью карт, совместимых с наблюдениями. Даже с одним наблюдением новый метод позволяет восстанавливать визуальные и статистические характеристики, что открывает новые горизонты для исследования уникальных космических объектов.