Un traducteur apprend une langue en écoutant des conversations, pas dans un dictionnaire : il entend des bouts de phrases et du bruit, mais finit par comprendre quels mots comptent. C'est ainsi qu'un réseau de neurones apprend à partir des ondes gravitationnelles, ces secousses de l'espace produites par la fusion des trous noirs.
Auparavant, les scientifiques fixaient la forme de la distribution des masses à l'avance, comme un tailleur coud un costume à partir de trois tailles. Si la forme réelle est différente, le modèle se trompe. Le nouveau réseau de neurones part d'une colline lisse et la pétrit lui-même jusqu'à ce qu'elle coïncide avec les données. Il garde en mémoire que nous ne voyons pas les signaux faibles et applique une correction.
Sur des données réelles, le réseau de neurones a trouvé deux pics de masse : environ 10 et 35 masses solaires. Cela concorde avec les analyses précédentes, mais cette fois la forme n'a pas été imposée. Une telle méthode peut aussi servir à d'autres tâches où nous ne voyons qu'une partie des objets, par exemple pour compter les exoplanètes.
Dans la campagne d'injections destinée à GWTC-5.0, 1.57 milliard de signaux ont été générés, dont seulement 1.34 million ont franchi le seuil de détection, soit environ un « survivant » pour mille signaux générés.