في غرفة مظلمة تعزف موسيقى. على الأرض نثر مسحوق ناعم يكاد لا يُرى. الترددات المنخفضة تجعله يتجمع في أنماط غريبة: خيوط، تكتلات، فراغات. تقريبًا هكذا تعمل الجاذبية على مدى مليارات السنين في نسج المجرات في الشبكة الكونية — لكن بدلًا من الموجات الصوتية، هنا يعمل التجاذب. لفهم "اللحن" الذي بدأ منه كل شيء، علينا إرجاع الزمن إلى الوراء: من النمط النهائي إلى الحفنة الأصلية من المسحوق. هذه هي مهمة استعادة الشروط الأولية للكون.

المحاكاة الحاسوبية التقليدية لمثل هذا المسار العكسي ثقيلة جدًا. إنها تحسب بأمانة كل دفعة جاذبية، لكن التكرار الواحد قد يستغرق ساعات. الطرق التقريبية أسرع، لكنها تقتطع الزوايا — تفقد تلك الديناميكية الدقيقة حيث تولد الهالات. يقترح مؤلفو العمل حلاً وسطًا: أوتوماتية خلوية بدماغ شبكة عصبية. نموذج LNCA (الأوتوماتية الخلوية العصبية اللاغرانجية) لا يتتبع شبكة كثافة ثابتة، بل يتتبع جسيمات المادة نفسها ويتحرك معها. يتعلم فقط تصحيح تخمين خشن لكنه فيزيائيًا ذو معنى — تقريب زيلدوفيتش. إلى هذا الأساس، يضيف النموذج إزاحات متبقية دقيقة. هكذا تُحفظ الدقة على المقاييس الكبيرة، بينما ترسم التفاصيل الدقيقة عبر التعلم.

سر التوفير يكمن في المحلية. كل خلية في الأوتوماتية تحدّث حالتها بالنظر فقط إلى جيرانها الأقرب، وتفعل ذلك خطوة بخطوة. النتيجة ليست مجرد لقطة نهائية، بل تاريخ الحركة كله — وكأننا نلتقط حركة حبيبات الغبار إطارًا بإطار. قواعد هذه الحركة تدور وتنتقل مع المادة: البنية تمتلك التباين الدوراني والانتقالي. الدقة النهائية مذهلة. حتى مقاييس تبلغ حوالي 12 ميغابارسيك (أي نحو 40 مليون سنة ضوئية)، لا يتجاوز خطأ النموذج بضع نقاط مئوية. هذا بندول موثوق لعكس الزمن — من الشبكة الحالية إلى البداية شبه المتجانسة.