Projektet syftar till att med hjälp av avancerade maskininlärningsmetoder utveckla nya, kraftfulla modeller för att beskriva de första galaxerna och den neutrala vätgas som omgav dem i det tidiga universum. 

Modellerna kommer att jämföras med mätningar av galaxer och neutral vätgas i det tidiga universum för att förstå hur stjärnor bildas i galaxerna, och leta spår av exotiska former av mörk materia. Så kallad varm mörk materia kan orsaka att de första galaxerna i universum bildas sent och med oväntat hög massa. Galaxernas samlade stjärnljus joniserar gradvis den neutrala vätgas som kort efter Big Bang dominerar universum, och därför kan också den s.k. återjoniseringsprocessen påverkas. Genom att räkna och studera de tidigaste galaxerna och samtidigt egenskaperna hos radio-vågor från vätgasen, kan vi därför få kunskap om hur galaxerna och deras stjärnor bildas, samt leta efter spår från exotisk mörk materia. 

Vi kommer att använda de senaste galaxobservationerna från bl. a. satelliterna Hubble Space Telescope, James Webb Space Telescope och EUCLID, tillsammans med radiovågsmätningar från Low Frequency Array (LOFAR) och Hydrogen Epoch of Reionization Array (HERA) av hur det neutrala vätet återjoniseras. Projektet bidrar också till förberedande studier av hur radioteleskopet Square Kilometre Array kan används i kombination med galaxmätningar från satelliter för att testa modeller för galaxbildning, återjonisering, och ännu okänd "mörk fysik" som kan dölja sig i det tidiga universum.