Information in Many-body Eigenstates: A Question of Learnability
Este artículo introduce la "aprendibilidad" como una métrica basada en el aprendizaje automático para cuantificar cuánta información codifican los autoestados individuales de muchos cuerpos sobre su Hamiltoniano subyacente, demostrando que los autoestados en los bordes espectrales son significativamente más aprendibles y requieren menos muestras para una reconstrucción precisa del Hamiltoniano que los autoestados del espectro medio.