Nous voulons connaître l'élasticité d'une roche poreuse. Autrefois, cela nécessitait des supercalculateurs et des heures de calculs complexes. Aujourd'hui, la méthode est simple : on prend une image tridimensionnelle aux rayons X de l'échantillon, on la découpe en des milliers de micro-cubes, et un réseau de neurones détermine instantanément l'élasticité de chacun. En additionnant les résultats, on obtient la caractéristique de toute la roche — un peu comme, en appuyant sur une zone d'un matelas à ressorts, on comprend sa fermeté générale. Cela repose sur la loi de Hooke et les travaux de Cauchy sur l'élasticité.

Le réseau de neurones a été entraîné sur des données concernant la façon dont différents minéraux absorbent les rayons X, et il devine maintenant les propriétés en une fraction de seconde. Tout le programme occupe moins de mémoire qu'un jeu mobile (environ 57 millions de paramètres), mais remplace des heures de supercalculateur.

Cette approche — assembler le tout à partir des parties — fait écho à des idées d'autres domaines : de la recherche de matière noire par lentille gravitationnelle à la description du monde via les champs quantiques et la courbure de l'espace-temps.