.
.
熱力學第二定律是指系統熵必定隨時間增加,這種傾向稱為時間之箭。時間之箭讓我們能分辨一段影片是在往前播放還是倒轉。宏觀系統的熵增很容易觀察，但微觀系統的時間之箭並不明顯，很容易受到波動干擾。
馬里蘭大學團隊將機器學習用於圖像辨識與分類，他們把時間之箭方向定義成分類問題，用機器學習辨識微觀系統的時間之箭方向。
他們訓練了一個神經網路，讓它檢測物理過程影片的時間之箭方向，影片有相應的標籤來表示前進和倒退。神經網路首先依據輸入與網路的參數（權重與偏差），輸出一個介於0 與 1 的數字，團隊接著尋找能讓輸出與真實標籤（時間箭頭方向）之間的差異最小化的參數。
結果神經網路的預測準確度極高。該團隊還用inceptionism 技術調查神經網路內發生的事情並找出最具代表性的前進和倒退軌跡。
該團隊表示機器學習演算法可以找到重要物理參數並解決物理問題。他們將用此演算法解決統計物理學問題，特別是非平衡物理系統的未解決謎題。
