在本文中，我们提出，作为机器学习基础的人工神经网络对于从宇宙学的角度生成通货膨胀景观非常有用。 当场的数量很大时，传统的全球宇宙景观数值模拟通常需要指数复杂性。 然而，基于多层感知器的通用逼近定理，人工神经网络的基本应用可以解决该问题。 作为这种应用的例子，对具有多个光场的充气中的玩具模型进行了数值研究。