Lorsqu'un neutrino traverse la glace, il laisse un faible éclat de lumière. Le détecteur IceCube le capture, et le modèle PolarBERT doit deviner d'où vient la particule. Auparavant, on ne savait pas ce que le modèle voyait à l'intérieur.

Pour le découvrir, les chercheurs ont utilisé un autoencodeur sparse, un réseau de neurones qui extrait un petit nombre de caractéristiques significatives. Le résultat est un dictionnaire de 1024 « étagères », chacune contenant une idée physique. Par exemple, une étagère est responsable des événements lumineux et purs, une autre de la profondeur à laquelle l'éclat s'est produit.

En revanche, l'autre tête, celle de l'incertitude, dépend causalement des caractéristiques lumineuses et pures. En l'entraînant, les scientifiques ont pu sélectionner les événements de manière à améliorer la précision de direction de 20,2° à 3,2° avec une sélection de 20 %. Désormais, il est clair que le modèle connaît la physique mais ne l'utilise pas pour sa tâche principale. Cela ouvre la voie à de nouvelles applications.