في كاشف المصادم، يترك كل تصادم بروتونات أثرًا من عشرات الجسيمات، مثل رذاذ الماء المتطاير عند رمي حجر في بركة. فهم هذا الرذاذ ومعرفة ما حدث بالضبط لحظة الاصطدام مهمة لم يعد الإنسان قادرًا على إنجازها بمفرده. تأتي الشبكات العصبية للإنقاذ، وEveNet واحدة من أكثرها طموحًا: فقد دربت على 500 مليون تصادم محاكى.

تنظر EveNet إلى كل حدث كسحابة من الجسيمات: لكل جسيم اتجاه وطاقة ونوع معروف. هذا النهج يسمح للنموذج بالتقاط الأنماط العامة بدلاً من حفظ اضمحلالات محددة. ونتيجة لذلك، تتفوق على أفضل الخوارزميات السابقة في البحث عن الرنينات الثقيلة والاضمحلالات النادرة لبوزون هيغز، وتكون بارعة بشكل خاص عندما تكون البيانات قليلة.

لكن الأهم أن النموذج ينقل المعرفة من المحاكاة إلى البيانات الحقيقية. فهو لا يكتشف الجسيمات فحسب، بل يقيس أيضًا الارتباطات الكمومية الدقيقة بينها، وهي ارتباطات مقاومة للأخطاء المنهجية. هذا يعني أنه يمكن الوثوق بـEveNet في القياسات الدقيقة حيث تكون كل جزء من مئة بالمائة مهمًا.

هذه الأداة متعددة الاستخدامات توفر الوقت والموارد الحاسوبية. فبدلاً من تدريب نموذج جديد لكل مهمة، يأخذ الفيزيائيون EveNet ويواصلون تدريبها على مجموعة بيانات صغيرة. بالنسبة للمصادمات المستقبلية، حيث سيزداد تدفق البيانات أضعافًا مضاعفة، هذا ليس مجرد ترف بل ضرورة.