Le diamant n'est pas qu'une simple parure. Dans son réseau cristallin se cachent des défauts qui détectent le champ magnétique mieux que bien des instruments. L'un de ces défauts, le centre NV, agit comme une minuscule boussole, mais son aiguille oscille à cause de la chaleur et du bruit. Pour que la boussole indique une direction précise, il faut la calibrer. C'est généralement un long processus manuel, mais ici, le réseau de neurones apprend tout seul.

L'astuce principale consiste à intégrer la loi physique directement dans le réseau de neurones. Pour le centre NV, la différence des fréquences de résonance est proportionnelle au champ magnétique : Δν = 2γ_NV B_∥. C'est la relation de Zeeman. Plutôt que de simplement montrer des milliers d'exemples au réseau, on lui a donné cette équation comme indice. Le résultat est stupéfiant : sur des données synthétiques, l'erreur est passée de 0,189 Gs à 0,00051 Gs, soit une amélioration de 372 fois.

Mais comment transposer ce succès de la simulation à l'instrument réel ? C'est là qu'intervient l'approche hybride. On a pris seulement 36 spectres expérimentaux bruts, on les a injectés dans un simulateur paramétré qui a fixé les paramètres de base et généré 14 456 spectres dans une gamme de champs allant de 0 à 120 Gs. Sur ces données, le réseau a appris à tenir compte des bruits et des dérives matériels. Sur 20 spectres expérimentaux non calibrés, l'erreur moyenne a été de 7,97 Gs, sans calibration externe.

Cette méthode constitue un pas vers des capteurs quantiques auto-calibrants. Les magnétomètres à diamant pourront être utilisés en navigation sans GPS, en prospection géologique et en diagnostic médical, là où la précision en conditions réelles est cruciale. L'intégration d'autres lois physiques, comme la dépendance en température, permettra de mesurer plusieurs grandeurs simultanément. Une boussole qui a appris elle-même les lois du magnétisme n'est plus de la science-fiction, mais un défi d'ingénierie.