تعمل كاشفات الجسيمات، مثل الغرف المستوية المقاومة (RPC)، كفخاخ حساسة: عندما يمر جسيم مشحون عبرها، تتولد إشارة كهربائية. ولكن في بعض الأحيان تُصدر الغرفة أثرًا كاذبًا — وكأن شخصًا غير مرئي ضغط على زر الجرس. هذه الإشارات الكاذبة تشوش الصورة وتعيق التحديد الدقيق لمسار الجسيم.
جمع العلماء بيانات من غرفة RPC واحدة وثلاثة وميضات مساعدة (scintillators) كانت بمثابة مرجع موثوق. لكل إشارة، حسبوا 15 رقمًا بسيطًا: حجم العنقود (عدد النقاط المجاورة التي تنشط)، والعرض، ومتوسط التوزيع الزمني وتوزيع الشحنة. هذه الأرقام تشبه الطول والوزن ومشية الإنسان: يمكن من خلالها التمييز بين الأثر الحقيقي والكاذب. ثم تعلّمت ثلاث خوارزميات مختلفة للتعلم الآلي على هذه الخصائص: شبكة عصبية عميقة، وشبكة التفافية أحادية البعد، وتعزيز التدرج XGBoost.
أدت النماذج الثلاثة أداءً جيدًا، لكن XGBoost كان الأكثر موثوقية على البيانات الجديدة. أظهر التحليل أن العامل الأهم هو حجم العنقود وشكل الإشارة عبر الزمن. هذا يعني أنه حتى بدون أجهزة معقدة، يمكن تصفية التشويش بسرعة ودقة. هذا النهج مفيد للكاشفات التي تعمل بدون مشغل خارجي (trigger) وتضطر إلى تحديد ما يعتبر حدثًا حقيقيًا بنفسها.
اخترعت الغرف المستوية المقاومة في ثمانينيات القرن العشرين، ومنذ ذلك الحين استُخدمت في أكبر التجارب، مثل ATLAS وCMS في مصادم الهادرونات الكبير.