Apparent Compression, Real Stability: The Intrinsic Dimension of Learning a Quantum Wavefunction
Este artículo demuestra que, si bien el entrenamiento de modelos de Monte Carlo variacional para funciones de onda cuánticas en subespacios aleatorios de baja dimensión ofrece beneficios reales de estabilidad al prevenir la divergencia, la pequeña dimensión intrínseca resultante puede ser engañosa, ya que a menudo refleja las limitaciones del subespacio o la falta de capacidad de aprendizaje de características específicas (como los patrones de signo) en lugar de la verdadera complejidad del estado cuántico.