Рентгеновский магнитный круговой дихроизм — это точный инструмент, давно позволяющий разделить спиновые и орбитальные магнитные моменты. Однако классический подход напоминает оценку оркестра по громкости: он опирается на правила сумм, сводящие всю тонкую структуру спектра к паре интегралов. Увы, такой метод чувствителен к фону и требует трудоёмкой очистки данных.

Прорыв предлагает услышать спектр как симфонию электронных переходов, где машинное обучение выступает дирижёром. Оно способно выделить вклад каждой «партии». Задача сформулирована как обратная: восстановить физические наблюдаемые по форме линий. Для обучения создали датасет из 3240 спектров XAS и XMCD на краях Fe, Co, Ni. Их получили численным моделированием, варьируя кристаллическое поле, спин-орбиту и обменное взаимодействие.

Двухслойная нейросеть (256 и 128 нейронов) научилась отображать векторы интенсивностей на ⟨Sz⟩ и ⟨Lz⟩, вычисленные из волновых функций. Модель уловила, как кристаллическое поле сдвигает пики, а обменное поле модулирует поляризованное излучение. Точность — менее 0,02 ℏ. Для орбитального момента результат чуть выше: тонкая структура электромагнитных переходов оказалась более информативной. Ирония в том, что сеть, обученная лишь на числах, улавливает квантовые корреляции точнее аналитических приближений.

Этот метод не отвергает правила сумм, а дополняет их, создавая надёжный квантово-механический измерительный инструмент. Его можно расширить на лёгкие элементы, неколлинеарные структуры, открывая путь к магнитометрии в реальном времени на синхротронах. Так квантовый сенсинг обретает интеллектуальный слой, приближая эру умной спектроскопии.