في عام 2008، أنفقت مجموعة من الفيزيائيين شهورًا من وقت الحاسوب الفائق لحساب كمية واحدة فقط في نظرية الجاذبية الكمية. يتعلق الأمر بمطال القمة لرغوة السبين، وهو رقم يحدد احتمال انتقال كمي محلي للزمكان. هذه الحسابات ثقيلة جدًا لدرجة أنها ما زالت تشكل عنق زجاجة للاتجاه بأكمله.

مترجم يتعلم لغة نادرة من عبارات قليلة يبدأ في تخمين معنى الجمل غير المألوفة. تقريبًا بنفس الطريقة، تتعلم الشبكة العصبية من مجموعة صغيرة من البيانات الدقيقة ثم تتنبأ بقيم لتكوينات جديدة. في العمل الجديد، اختُزل المطال إلى رمز 10j، وهو دالة لعشرة سبينات تميز أوجه رباعي السطوح الكمي. أولاً، وُلّدت قيم دقيقة باستخدام خوارزمية سريعة بلغة بايثون، ثم دُرّبت شبكتان: إحداهما تجيب على سؤال بسيط: «صفر أم لا صفر؟»، والأخرى تقدّر لوغاريتم مربع المطال.

تبيّن أن المصنف قوي بشكل مدهش. بعد تدريبه على بيانات بحد أقصى للسبين 2.0، حافظ على مقياس F1 حوالي 0.99 حتى عند اختباره على سبين 2.5، أي خارج نطاق التدريب. أما المقيِّم، فقد أعطى في نطاقه متوسط خطأ نسبي قدره 2.76% عند jmax=1.0. لكن خارج حدود بيانات التدريب، أخطأ بشكل ملحوظ، مثل مترجم يضيع في لهجة لم يسمعها من قبل.

هذه هي المرة الأولى التي تتعلم فيها آلة كمية أساسية من الجاذبية الكمية مباشرة. سابقًا، سارعت طرق مماثلة حسابات الكيمياء الكمية أو حللت نشاط الدماغ، لكنها لم تمس بنية الزمكان. الآن انفتح الطريق أمام حسابات هجينة: الشبكة العصبية تختار التكوينات المهمة بسرعة، بينما تتحقق الخوارزميات الدقيقة منها. في المستقبل، سيسرّع هذا الانتقال إلى نموذج EPRL الأكثر واقعية، الذي يعتمد على معامل إضافي ويتطلب موارد أكبر.

المترجم الذي بدأ ببضع عبارات يتقن تدريجيًا قواعد اللغة النادرة. هكذا أيضًا الشبكة العصبية، المدربة على سبينات صغيرة، تبدأ في فهم أنماط الزمكان الكمي. ما زالت مفرداتها محدودة، لكن الخطوات الأولى قد اتُّخذت بالفعل.