يُعد ثنائية اللون الدائرية المغناطيسية للأشعة السينية (XMCD) أداة دقيقة تسمح منذ فترة طويلة بفصل العزوم المغناطيسية المغزلية والمدارية. لكن النهج التقليدي يشبه تقييم أوركسترا بناءً على شدة الصوت فقط: فهو يعتمد على قواعد الجمع التي تختزل البنية الدقيقة للطيف إلى زوج من التكاملات. لسوء الحظ، هذه الطريقة حساسة للخلفية وتتطلب تنظيفًا شاقًا للبيانات.

يقدم الاختراق فكرة الاستماع إلى الطيف كسمفونية للانتقالات الإلكترونية، حيث يعمل التعلم الآلي كقائد للأوركسترا. فهو قادر على تمييز مساهمة كل «آلة موسيقية». تمت صياغة المشكلة كمسألة عكسية: استعادة القياسات الفيزيائية من شكل الخطوط الطيفية. للتدريب، أُنشئت مجموعة بيانات تضم 3240 طيف XAS و XMCD عند حواف الحديد والكوبالت والنيكل. تم الحصول عليها عبر المحاكاة العددية، مع تغيير المجال البلوري والتفاعل المغزلي-المداري والتفاعل التبادلي.

تعلمت الشبكة العصبية ثنائية الطبقة (256 و128 خلية عصبية) عرض متجهات الشدّة على ⟨Sz⟩ و⟨Lz⟩ المحسوبة من الدوال الموجية. استطاعت النموذج أن يلتقط كيف يزيح المجال البلوري القمم، وكيف يُعدّل المجال التبادلي الإشعاع المستقطب. الدقة أقل من 0.02 ℏ. بالنسبة للعزم المداري، كانت النتيجة أعلى قليلاً: البنية الدقيقة للانتقالات الكهرومغناطيسية كانت أكثر ثراءً بالمعلومات. المفارقة أن الشبكة، التي تدربت فقط على أرقام، تلتقط الترابطات الكمومية بدقة تفوق التقريبات التحليلية.

هذه الطريقة لا ترفض قواعد الجمع، بل تكملها، مما يخلق أداة قياس كمومية ميكانيكية موثوقة. يمكن توسيعها لتشمل العناصر الخفيفة والهياكل غير الخطية، مما يفتح الطريق لقياس المغناطيسية في الزمن الحقيقي في المسرعات الدورانية. وهكذا يكتسب الاستشعار الكمومي طبقة ذكية، مقربًا عصر التحليل الطيفي الذكي.