Los detectores de rayos X funcionan como un panal de abejas: en las celdas hexagonales, partículas brotan aquí y allá. Los algoritmos convencionales estiran estos panales sobre una cuadrícula cuadrada, lo que genera falsos fantasmas de polarización. Los científicos emplearon una red neuronal que vive según las reglas del panal: procesa directamente la estructura hexagonal sin romper el patrón natural.
La red se entrenó solo con datos no polarizados, donde no hay danza alguna. Pero, al añadir rotación y promediado, aprendió a suprimir sus propias distorsiones y reveló débiles oscilaciones de polarización. Sorprende que la precisión en cada traza individual resultara mayor que con el método clásico, aunque el cuadro general de la polarización salió peor: el éxito local no garantiza la verdad global.
Este enfoque ayuda a detectar errores ocultos del aprendizaje automático y, en el futuro, a medir con mayor precisión la polarización de estrellas de neutrones y agujeros negros.
Los campos magnéticos superintensos de las estrellas de neutrones, billones de veces más potentes que el terrestre, hacen que la luz de rayos X «baile» — la polarizan de tal forma que se capta incluso a través del ruido.