Les détecteurs de rayons X fonctionnent comme des nids d'abeilles : dans les alvéoles hexagonales, des particules scintillent de-ci de-là. Les algorithmes classiques étirent ces alvéoles sur une grille carrée, ce qui fait apparaître de faux fantômes de polarisation. Des scientifiques ont utilisé un réseau de neurones qui vit selon les lois de la ruche : il traite directement la structure hexagonale, sans briser le motif naturel.
Le réseau n'a été entraîné que sur des données non polarisées, où il n'y a aucune danse. Mais en ajoutant des rotations et une moyenne, il a appris à supprimer ses propres distorsions et a révélé de faibles oscillations de polarisation. Étonnamment, la précision sur chaque trace individuelle s'est avérée supérieure à celle de la méthode classique, mais le tableau d'ensemble de la polarisation est ressorti moins bon — le succès local ne garantit pas l'exactitude globale.
Cette approche aide à déceler les erreurs cachées de l'apprentissage automatique et, à l'avenir, à mesurer plus précisément la polarisation des étoiles à neutrons et des trous noirs.
Les champs magnétiques ultra-puissants des étoiles à neutrons, des milliards de fois plus intenses que celui de la Terre, font « danser » la lumière des rayons X — ils la polarisent si fort qu'on peut la détecter même à travers le bruit.