突破强关联瓶颈：自洽平方和（SOS）理论在量子化学强密度-密度相互作用下的演进与深度解析
本文深度解析了 Matthew B. Hastings 的最新研究，探讨如何通过改进自洽平方和（SOS）分解中的三阶费米子算符与能量分母，克服量子化学中强密度-密度相互作用对微扰理论的限制，实现 $O(\epsilon^4)$ 精度的能量严格下界计算。
半正定规划
迈向张量网络收缩的数值自举：基于凸优化的确证误差界深度解析
本文深度解析了一种将张量网络收缩转化为凸优化问题的创新框架，利用数值自举技术为物理观测值提供严谨且可证的上下界，解决了高维张量网络收缩中误差不可控的核心痛点。
量子化学的新范式：通过半正定机器学习直接变分计算二电子缩并密度矩阵（2-RDM）
本文深度解析 Mazziotti 课题组最新的 SD-ML 方法，该方法结合了输入凸神经网络（ICNN）与半正定规划（SDP），有效解决了 2-RDM 的 N-表示性难题，显著提升了强关联体系的计算精度。