Les détecteurs de rayons X fonctionnent comme un nid d'abeilles : dans les alvéoles hexagonales, des particules scintillent de temps en temps. Les algorithmes classiques étirent ces alvéoles sur une grille carrée, ce qui fait apparaître de faux fantômes de polarisation. Les scientifiques ont utilisé un réseau de neurones qui vit selon les lois du nid : il traite directement la structure hexagonale, sans casser le motif naturel.
Le réseau a été entraîné uniquement sur des données non polarisées, où il n'y a aucune danse. Mais en ajoutant des rotations et des moyennes, il a appris à supprimer ses propres distorsions et a révélé de faibles oscillations de polarisation. Étonnamment, la précision sur chaque trace individuelle était supérieure à celle de la méthode classique, mais la vue d'ensemble de la polarisation s'est avérée moins bonne : le succès local ne garantit pas la justesse globale.
Cette approche aide à détecter 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 extrêmement 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.