Una red neuronal típica para química cuántica se parece a un estudiante que aprende de sus errores, pero tropieza siempre en el mismo lugar. Avanza lentamente hacia la respuesta correcta, es sensible a los ajustes y a menudo pierde estabilidad.
Los científicos propusieron otro camino: en lugar de ajustar el paso al azar, convierten el problema de aprendizaje en la búsqueda del descenso más pronunciado sobre la superficie de error. El método de Lanczos con reinicio implícito resuelve un problema pequeño pero bien condicionado de valores propios, como si encontrara el eje principal a lo largo del cual el error cae más rápido. Esto permite elegir automáticamente tanto la dirección como la magnitud del paso, sin ajuste manual.
El resultado es impresionante: incluso una red neuronal simple con pocos parámetros alcanza una precisión de 10⁻¹² kcal/mol (equivalente a medir la distancia de la Tierra a la Luna con precisión del grosor de un cabello) en solo 3–5 pasos. Este enfoque abre el camino a cálculos precisos y rápidos en física y química cuánticas.
La precisión de 10⁻¹² kcal/mol equivale a medir la distancia de la Tierra a la Luna con un error menor que el diámetro de un cabello humano.