Un chef cuisinier dans une cuisine bondée ne surveille pas chaque casserole : il ne jette un œil que sur ce qui bout, grésille ou risque de brûler. De même, IAFormer — un réseau de neurones pour l'analyse des collisions de particules — ne perd pas de temps avec toutes les paires de particules possibles. Son « attention paresseuse » extrait dynamiquement uniquement les combinaisons vraiment importantes, tout comme le modèle standard ne décrit que les interactions clés, ignorant le bruit.

Mais l'astuce principale d'IAFormer est qu'il utilise des nombres spéciaux qui ne dépendent pas de la vitesse des particules — comme une recette qui fonctionne de la même manière, que la cuisine soit immobile ou qu'elle file dans un train. Ces invariants, liés à la vitesse de la lumière, réduisent considérablement les réglages du réseau, rendant le modèle transparent. Les physiciens voient comment il élimine couche par couche les fluctuations aléatoires et accumule une compréhension de la physique.

Étonnamment, le modèle est si léger qu'il fonctionne sur un ordinateur portable, traitant les données plus vite qu'elles ne sont produites par les collisions.