空腔法 （cavity method） 是关于无序体系 （如自旋玻璃和其他杂乱体系） 计算物理学的一个柱石。它能够解析和渐近地准确描绘一系列模型的平衡性质。关于无序体系动力学和非平衡性质的切当解一般更难取得。乃至一些十分根本的问题，如快速淬火进程开释的极限能量，迄今仍未处理。

  动态空腔法 （dynamical cavity method） 经过考虑短轨道并使用静态空腔法，部分地填补了这一空白。但是，因为仅限于初始化过程之后几步，它一般无法捕捉与动力学吸引子相关的动力学性质。

  这项研讨引入了回溯动态空腔法 （backtracking dynamical cavity method） ，不是剖析初始化之后的轨道，而是剖析从吸引子向后回溯找到的轨道。研讨标明，对动态空腔法做这样相对简略的改动，能够为了解关于杂乱无序体系动力学的一些十分根本的问题供给新见地。这项研讨有望为杂乱体系的动态非平衡性质的未来研讨拓荒许多新途径。

  计算物理办法是一座架起微观作用到微观出现的桥梁，2021年诺贝尔物理学奖取得者帕里西在无序体系方面作出创始之举，他提出复本对称破缺办法处理自旋玻璃问题，这一办法也对神经网络等交叉学科发生深沉影响，激起未来对AI和人脑等杂乱体系的进一步研讨。本节课程是系列课程的第二节课程，介绍什么是自旋玻璃、自旋玻璃使用的几个经典比如、为什么需求空腔办法、空腔办法的根本思想和详细推导以及音讯传递算法等内容，建立从计算物理到神经网络重要的桥梁，帮我们更好了解神经网络的根底原理。