في أعماق كاشف مصادم الهادرونات الكبير، تتصادم البروتونات، وفي لحظة وجيزة يولد شيء ثقيل. يتحلل فورًا إلى بوزوني هيغز — جسيمين، مثل الدمى الروسية، يخفي كل منهما زوجين من كواركات b. تتناثر أربعة تيارات من الجسيمات في اتجاهات مختلفة، والمهمة هي تمييز أثر حدث واحد وسط مليارات الأحداث المشابهة.

اختار مؤلفو العمل سيناريو يتم فيه التوليد عبر اندماج بوزونات متجهة (حاملات القوة الضعيفة). يتبادل بروتونان هذه البوزونات، ويقذفان كواركات خفيفة إلى الأمام، وينشأ بينهما بوزون ضخم. ينتمي هذا البوزون إلى نموذج ممتد بالتناظر الفائق، لكن المهم ليس النموذج المحدد بقدر ما هو أسلوب البحث. فبدلاً من انتقاء الأحداث يدويًا وفق معايير صارمة، تتعلم الشبكة العصبية بنفسها من البيانات الخام للمسعّر — الجهاز الذي يقيس طاقة الجسيمات. إنها تنظر إلى صورة توزيع الطاقة ككل واحد، دون تجاهل التفاصيل "الزائدة".

هذا النهج يسمح باستخراج الإشارة من الضجيج حيث قد يفوتها التحليل التقليدي. مع لمعان متراكم يبلغ 300 فيمتوبارن معكوس (وهو ما يعادل تقريبًا البيانات المجمعة على مدى عدة سنوات من تشغيل المصادم)، تصل الدلالة الإحصائية إلى 4.5 سيغما — قريبة جدًا من عتبة الاكتشاف. الإنجاز الرئيسي ليس في رقم محدد، بل في إظهار أن التعلم العميق قادر على العمل مباشرة مع المعلومات منخفضة المستوى من الكاشف دون فقدان الحساسية.

في المستقبل، قد تصبح هذه المنهجية أداة قياسية للبحث عن العمليات النادرة في المصادم، حيث كل إشارة إضافية تساوي ذهبًا.