依然用神經網絡的核裂變模型解釋神經網絡的二分類過程。作一個二分類網絡來分類A和B。
將A，B理解成是兩個粒子，訓練集就是他們的波函數。現在讓粒子A,B相撞變成C，因此C將如何分裂？
比如A和B是兩個碳核
如果A和B無法被分成兩類，也就是網路的分類準確率是50%，50%，則顯然C將以鎂核的形式穩定存在
如果A和B可以被分成兩類比如
則可以得到H和Na。H和Na的波函數顯然差異巨大可以被分類，按照神經網絡的作用過程，隨着迭代次數的增加H和Na的分類準確率將不斷增大。
如果分類準確率達到100%，也就是讓這兩個對象彼此之間毫無關係。成爲彼此完全獨立的兩類對象。
如何才能實現這一物理狀態？考慮粒子對無質量和有質量兩種情況。
無質量粒子可以實現光速，一對以光速逃離的粒子之間應該沒有任何物理聯繫，也就是分類準確率100%。
對於有質量粒子，隨着速度的增加質量也會增加。如果粒子的質量增加到一個太陽質量，而半徑尺縮到3km。這時這個粒子將變成黑洞。黑洞的速度相對光速永遠爲0.也就是黑洞的速度就是光速。相當於將有質量粒子加速到了光速，但黑洞與黑洞之間可以通過引力相互通信，也就意味着兩個有質量粒子永遠也無法被完全分爲兩類。
因此神經網絡的分類過程可以用兩個物理過程理解：一種是加速一對無質量粒子到光速實現分類準確率爲100%；另一種相當於加速一對有質量粒子，使其中至少一個變成黑洞，但由於質量的存在其分類準確率永遠小於100%的兩個過程。
而如果把神經網絡訓練集的製備過程看作核裂變過程，則神經網絡分類的整個過程就相當於核裂變形成兩個訓練集，將這兩個訓練集不斷加速，使其相對速度達到光速或者使其中的至少一個變成黑洞的過程。