Conditional Independence of 1D Gibbs States with Applications to Efficient Learning
यह लेख दर्शाता है कि 1D ट्रांसलेशन-इनवेरिएंट गिब्स स्टेट्स (Gibbs states) बेलवकिन-स्टाज़ेव्स्की रिलेटिव एंट्रॉपी (Belavkin-Staszewski relative entropy) के माध्यम से परिभाषित सुपerexponentially घटती कंडीशनल म्यूचुअल इंफॉर्मेशन (conditional mutual information) प्रदर्शित करते हैं, जो टेंसर नेटवर्क एप्रोक्सिमेशन के कुशल निर्माण के साथ-साथ स्थानीय मापों से बहुपद सैंपल कॉम्प्लेक्सिटी (polynomial sample complexity) के साथ क्लासिकल रिप्रेजेंटेशन्स के सीखने को सक्षम बनाता है।