Le dichroïsme circulaire magnétique des rayons X est un outil précis qui permet depuis longtemps de séparer les moments magnétiques de spin et orbitaux. Cependant, l'approche classique revient à évaluer un orchestre par son volume sonore : elle s'appuie sur des règles de somme qui réduisent toute la structure fine du spectre à une paire d'intégrales. Hélas, cette méthode est sensible au bruit de fond et exige un nettoyage laborieux des données.

La percée propose d'écouter le spectre comme une symphonie de transitions électroniques, où l'apprentissage automatique joue le rôle de chef d'orchestre. Il est capable de distinguer la contribution de chaque « partie ». Le problème est formulé comme un problème inverse : reconstruire les observables physiques à partir de la forme des raies. Pour l'entraînement, un ensemble de données de 3240 spectres XAS et XMCD aux seuils de Fe, Co, Ni a été créé. Ils ont été obtenus par simulation numérique, en faisant varier le champ cristallin, le couplage spin-orbite et l'interaction d'échange.

Un réseau de neurones à deux couches (256 et 128 neurones) a appris à mapper les vecteurs d'intensité sur ⟨Sz⟩ et ⟨Lz⟩, calculés à partir des fonctions d'onde. Le modèle a saisi comment le champ cristallin déplace les pics et comment le champ d'échange module le rayonnement polarisé. La précision est inférieure à 0,02 ℏ. Pour le moment orbital, le résultat est légèrement supérieur : la structure fine des transitions électromagnétiques s'est avérée plus informative. L'ironie, c'est que le réseau, entraîné uniquement sur des nombres, capture les corrélations quantiques plus précisément que les approximations analytiques.

Cette méthode ne rejette pas les règles de somme, elle les complète, créant un outil de mesure quantique fiable. On peut l'étendre aux éléments légers, aux structures non colinéaires, ouvrant la voie à la magnétométrie en temps réel sur les synchrotrons. Ainsi, la détection quantique gagne une couche intelligente, rapprochant l'ère de la spectroscopie intelligente.