The Information Content of Krylov Observables: A Machine Learning Approach
Questo articolo impiega l'apprendimento automatico per dimostrare che, sebbene gli osservabili di Krylov come la complessità di diffusione e la negatività di Wigner possano classificare efficacemente le classi di simmetria e stimare le temperature di termofield, la negatività normalizzata cattura unicamente l'eccedenza informativa del caos risolvendo le degenerazioni spettrali e distinguendo la dinamica del secondo momento dalle caratteristiche a grana fine del fattore di forma spettrale.