Cuando un neutrino atraviesa el hielo, deja un destello de luz débil. El detector IceCube lo capta, y el modelo PolarBERT debe adivinar de dónde vino la partícula. Antes no estaba claro qué ve el modelo por dentro.

Para averiguarlo, los investigadores usaron un autocodificador disperso, una red neuronal que extrae un número reducido de rasgos significativos. El resultado fue un diccionario de 1024 «estantes», cada uno con una idea física propia. Por ejemplo, un estante se ocupa de los eventos brillantes y limpios, otro de la profundidad a la que ocurrió el destello.

En cambio, la otra cabeza, la de incertidumbre, depende causalmente de los rasgos brillantes y limpios. Al entrenarla, los científicos pudieron seleccionar eventos de modo que la precisión de la dirección mejorara de 20.2° a 3.2° con una selección del 20%. Ahora está claro: el modelo conoce la física, pero no la usa para la tarea principal. Esto abre el camino a nuevas aplicaciones.