一个名为 Thermo-NN 的项目提出，基于兰道尔原理最小化热力学信息成本来优化神经网络架构，而不是依赖标准的 FLOPs 和参数量权衡。

该方法在将结果映射到硬件之前使用了一个称为 CAMOS 的因果推导步骤。它认为网络内部不必要的信息破坏可能导致对齐失败，表明保留物理信息可以作为可解释性方法之外的有用约束。

目前，该项目仅提出了一个概念性流水线，没有发布的基准测试或性能数据，因此被认为是一个值得关注的有趣想法，而非已验证的技术。