重构多体理论的变分版图：将随机相近似（RPA）统一为黑塞矩阵闭合（Hessian Closure）的深度解析
本文深度解析了由斯坦福大学 Nan Sheng 提出的变分框架：将随机相近似（RPA）统一为源-变量对偶体系下有效泛函的黑塞闭合（Hessian Closure），打通了 DFT、LR-TDDFT、1RDMFT 与 MBPT 的理论壁垒。
变分法
可扩展平移不变性从头算极化子变分理论：突破热力学极限与强弱耦合瓶颈
哈佛大学 Joonho Lee 团队提出了一种基于动量投影与低秩核分解的新型极化子变分理论，首次在近线性标度下实现了从弱耦合到强耦合全量程的 ab initio 极化子精确描述。
超越面积律：Replica Tensor Train (RTT) 在多体量子系统中的深度解析与实战指南
本文深度解析了一种结合张量网络代数优势与量子蒙特卡洛采样能力的新型变分态——Replica Tensor Train (RTT)，重点讨论其捕获体积律纠缠的机制及在2D Ising模型中的应用。
量子场论中变分法的突破：相对论性连续矩阵乘积态（RCMPS）深度解析
本文深入探讨了Antoine Tilloy教授在量子场论中利用相对论性连续矩阵乘积态（RCMPS）解决强耦合非微扰问题的开创性工作，涵盖了其理论基础、技术细节、基准测试结果、代码实现以及当前局限性与未来发展方向。
变分耦合簇理论（VCC）深度解析：攻克强关联体系基态与激发态的新路径
本文深度解析了由Antoine Marie等人提出的变分耦合簇（VCC）框架，重点探讨其在限制配对双激发（pCCD）下如何通过能量泛函的驻点捕捉传统方法难以描述的强关联激发态。