Les détecteurs de rayons X fonctionnent comme un nid d'abeilles : dans les alvéoles hexagonales, des particules scintillent de temps à autre. Les algorithmes habituels 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 n'a été entraîné que sur des données non polarisées, où il n'y a aucune danse. Mais en ajoutant de la rotation 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 la vue d'ensemble de la polarisation était moins bonne — le succès local ne garantit pas la justesse globale.

Cette approche aide à repérer 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.