Markov Inequality as a Tool for Linear-Scaling Estimation of Local Observables
Het artikel introduceert een lineair schaalbare stochastische methode die positief-definiete schatters en de Markov-ongelijkheid gebruikt om bemonsteringsfouten strikt te begrenzen, wat nauwkeurige berekeningen van real-space kaarten voor lokale spectrale operatoren en niet-diagonale observabelen in grote gedisorderde roosters mogelijk maakt.