Un proyecto llamado Thermo-NN propone optimizar la arquitectura de redes neuronales minimizando el costo de información termodinámica basado en el principio de Landauer, en lugar de depender del intercambio estándar entre FLOPs y conteo de parámetros.
El enfoque utiliza un paso de derivación causal llamado CAMOS antes de mapear los resultados al hardware. Postula que la destrucción innecesaria de información dentro de una red puede contribuir a fallos de alineación, sugiriendo que preservar la información física podría servir como una restricción útil junto con métodos de interpretabilidad.
Actualmente, el proyecto presenta solo un pipeline conceptual sin benchmarks publicados ni números de rendimiento, por lo que se considera una idea interesante digna de seguimiento en lugar de tecnología probada.