Un tapis roulant défile à 30 millions de paquets par seconde, et le contrôleur doit décider instantanément ce qu'il y a à l'intérieur : une cargaison précieuse ou des déchets. Au Grand collisionneur de hadrons, ce tapis roulant est le déclencheur de l'expérience LHCb, qui sélectionne les désintégrations rares parmi des milliards de collisions. Autrefois, le contrôleur était un ensemble de règles simples : si le signal dépassait un seuil, la particule était considérée comme un muon ou un électron. Mais ces règles laissaient passer beaucoup de bruit, et parfois les signaux précieux se perdaient.

Désormais, les règles sont remplacées par des réseaux de neurones, des contrôleurs entraînables qui ne voient pas un seul indicateur mais une image complète. Pour que le réseau ne se laisse pas distraire par le bruit et ne prenne pas des fluctuations aléatoires pour un signal, on a limité sa sensibilité : même si les données d'entrée varient légèrement, la sortie ne bronche pas. C'est comme un contrôleur à la main ferme qui ne sursaute pas au moindre froissement. Les réseaux sont minuscules : environ 500 paramètres, soit environ 2 kilo-octets en précision simple. Pour chaque trace, ils ajoutent seulement 24 à 28 octets de données.

Avant ce travail, on ne savait pas s'il était possible d'intégrer l'identification neuronale des leptons dans le budget serré du déclencheur GPU sans perte de vitesse ni de fiabilité. À présent, c'est démontré. À efficacité de signal égale, les réseaux de neurones suppriment mieux le bruit de fond que les anciens algorithmes à seuil dans toutes les régions cinématiques étudiées, tout en occupant moins de 1 % du temps GPU. Le contrôleur sur le tapis roulant est devenu plus intelligent, mais il n'a pas perdu la fermeté de sa main.