Information in Many-body Eigenstates: A Question of Learnability
Dieser Beitrag führt „Lernbarkeit" als metrikbasiertes, maschinelles Lernverfahren ein, um zu quantifizieren, wie viel Information einzelne Vielteilcheneigenzustände über ihren zugrundeliegenden Hamilton-Operator kodieren, und zeigt, dass Eigenzustände am Spektrumrand signifikant besser lernbar sind und für eine präzise Rekonstruktion des Hamilton-Operators weniger Stichproben benötigen als Eigenzustände im mittleren Spektrum.