(mnist0,2)---81*30*2---(1,0)(0,1)

用神經網路分類0和2得到了12條特徵譜線，表明這個幾何體有12個能級。這個幾何體到底是什麼？

假如有一群粒子，給這群運動的粒子拍照片，拍出來就像mnist的資料集一樣，比如有一瞬間運動軌跡看起來就像“0”。現在用一張一張的圖片表達這群粒子的運動，就像放電影一樣，那這些粒子的運動當然不可能是連續的。也就是運動是量子化的。

因此有理由對這種有量子化特徵的運動微粒適用薛定諤方程，

因為這個網路共有12個特徵譜線也就是有12個本徵能級，因此神經網路的權重W表徵的就是E，

網路收斂最終得到的：輸入*偏差

是波函式的本徵函式。

輸入*權重並不斷反向傳導的過程的物理意義應該就是哈密頓算符作用於波函式，表達空間和時間對粒子運動的約束

也就是假設神經網路收斂過程就是通過旋轉操作尋找本徵能級的過程。

如果假設這是一個實數域的粒子，則Ψ就是粒子密度，而不是Ψ*Ψ。EΨ的意義就是能量為E的粒子存在的概率。這解釋了為什麼迭代次數越大平均分類準確率越大的現象。

如果運動粒子可以用薛定諤方程描述，那用薛定諤方程描述的如果不是粒子會是什麼呢？

(mnist0,2)---81*30*2---(1,0)(0,1)的特徵光譜