كاشف تايجي (Taiji)، المزمع إطلاقه إلى الفضاء، سيلتقط ارتجافات المكان الناتجة عن اصطدام ثقوب سوداء هائلة. لكن في بياناته تظهر بين الحين والآخر ومضات عشوائية – مثل تشويش في جهاز راديو. هذه الضوضاء، التي تسمى غليتشات (glitches)، تربك البرامج التي تحاول استخلاص معالم الثقوب السوداء: كُتلها، مسافاتها، سرعات دورانها.
جمع الباحثون شبكة عصبية ذكية تعمل مثل عامل راديو متمرّس: فهي تنصت إلى الإشارة، وتميّز الأنماط المميزة للضوضاء، وتطرحها جانبًا، تاركةً اللحن النقي للاندماج. للتدريب، صنعوا مولّدًا سريعًا للغليتشات الاصطناعية – يرسم ضوضاء واقعية في جزء من الثانية، مما يتيح تدريب الشبكة على ملايين الأمثلة. في الاختبارات، أعطى هذا النهج تقديرات أدق من طريقة مونت كارلو التقليدية التي تفحص الاحتمالات خطوة بخطوة.
كان الجمع بين أسلوبين مفيدًا بشكل خاص: الشبكة العصبية تنظر إلى الإشارة في الزمن والترددات في آن واحد، والتعلم التبايني يعلّمها التمييز بين الإجابات الصحيحة والإجابات المشابهة لكن الخاطئة. يبقى هذا النهج موثوقًا حتى لو استمرت الضوضاء أطول من المعتاد أو جاءت في اللحظة الأكثر حرجًا من الاندماج.
التحقق من الدقة قصة أخرى. عادةً ما يُنظر إلى ما إذا كانت القيمة الحقيقية تقع ضمن الفاصل المتوقع. لكن هذا غير كافٍ: قد تعطي الشبكة فترات تغطي الإجابة شكليًا، لكن توزيع الاحتمالات يكون مشوّهًا. لذلك أضاف المؤلفون معيارًا أكثر صرامة – التقييم الاحتمالي الرتبي المستمر (Continuous Ranked Probability Score). إنه يقارن شكل التوزيع كاملًا، وليس حدوده فقط.
في النهاية، يعد الأسلوب القائم على الشبكات العصبية بتحليل سريع وموثوق لبيانات كاشفات الفضاء المستقبلية. الأمر أشبه بامتلاك ليس مجرد جهاز استقبال على متن المركبة، بل فريقًا كاملًا من مهندسي الراديو المخضرمين الذين ينقّون الأثير من التشويش في ثوانٍ، ويتركون فقط صوت الثقوب السوداء البعيدة.
الغليتشات في كاشفات الموجات الثقالية أحيانًا تكون شديدة الشبه بالإشارات الحقيقية لدرجة أن حتى علماء الفلك المتمرّسين لا يميّزونها فورًا دون فحص إضافي.