攻克量子多体计算的相位之墙：基于直接/自适应混合相位梯度学习的神经网络量子态优化新范式
本文深度解析了一种全新针对具有复杂相位/负号结构量子多体基态的神经网络量子态（NQS）梯度优化方法，通过将传统的“得分函数”估计器替换为“直接局域能量导数”及自适应混合估计器，彻底解决变分蒙特卡洛（VMC）中的相位梯度信噪比崩溃问题。
变分蒙特卡洛
走向稳定与高精度的电子动力学模拟：基于神经网络的时变变分蒙特卡洛（NB-tVMC）方法深度解析
本文深度解析了发表于2026年的前沿工作：基于神经网络基组的时变变分蒙特卡洛（NB-tVMC）框架。该方法通过在预训练的定制化流形上限制实数时间演化，成功克服了全参数神经网络波函数在实时间演化中的数值不稳定难题，为强场和多体电子动力学模拟开辟了全新路径。
深度解析双轨道 Hubbard-Kanamori 模型的变分蒙特卡洛研究：强关联超导、洪特金属与轨道选择性的物理边界
本博文对基于变分蒙特卡洛（VMC）方法研究双轨道 Hubbard-Kanamori 模型的最新成果进行深度学术解析，探讨洪特耦合、轨道选择性、向列相及 $s^{\pm}$ 波超导配对之间的内在物理关联。
局部性启发的层级回流波函数：攻克强关联费米子多体计算瓶颈的新范式
本文深度解析了一种基于局部性原理构建的费米子变分波函数——层级回流（HB）波函数。该波函数通过将多体回流效应分解为可系统改进的局部路径展开，在二维Hubbard模型的大规模模拟中展现出惊人的精度、超低的参数复杂度以及极佳的物理可解释性。
迈向稳定与高精度的实时电子动力学：基于神经网络时间相关变分蒙特卡洛（NB-tVMC）的深度解析
本文深度解析了基于神经网络时间相关变分蒙特卡洛（NB-tVMC）的全新理论框架。该方法通过冻结由多态预训练获得的非线性“神经网络基底”，并在固定的紧凑流形上进行线性参数的实时传播，彻底攻克了传统tVMC在强场电子动力学模拟中的数值不稳定性瓶颈，实现了基准级的动力学演化精度。
二维量子规范场论的无负符号计算革命：规范规范形式（GCF）与PEPS-VMC方法的深度重构
本文深度解析了由中科院物理所和浙江大学团队提出的二维规范不变张量网络新方法，该方法通过引入“规范规范形式”（GCF）并结合变分蒙特卡洛（VMC），彻底攻克了(2+1)D阿贝尔规范场论的精确基态与长时间动力学模拟难题。
量子约化圈引力近核扇区中Emergent Thiemann相干态的深度解析
本博客深入解析了一项开创性研究，该研究利用神经网络量子态和变分蒙特卡洛方法，在量子约化圈引力（QRLG）的近核扇区中发现了涌现的Thiemann相干态，为理解量子引力的半经典组织提供了新视角。
局域 Zhang-Rice 态引发的磁挫折：铜氧化物掺杂驱动磁相变的统一理论深度解析
本研究揭示了空穴掺杂铜氧化物中局域 Zhang-Rice 单态诱导的长程磁交换作用是导致 Neel 反铁磁序崩塌及自旋玻璃相出现的微观起源。
无基组神经网络 Geminal 与 Jastrow 因子：变分蒙特卡洛波函数构造的深度解析
本文解析了 Jan Kessler 与 Thomas D. Kühne 开发的一种新型 Basis-free JAGP 波函数架构，该架构利用前馈神经网络取代传统基组，成功分离并量化了节点误差与动态相关误差。
深度解析：利用受限玻尔兹曼机（RBM）基准测试 Z2 Bose-Hubbard 链的绝热硬核状态
本文深度解析了使用浅层受限玻尔兹曼机（RBM）作为变分原案，在绝热硬核极限下对 Z2 Bose-Hubbard 模型进行的基准测试研究，探讨了神经量子态在复杂格点模型中的应用边界。
深度解析：利用神经网络波函数揭示2D自旋失配费米气体中的奇异配对态
本文深度解析了发表在 arXiv:2604.24883 上的研究工作。该研究利用基于 AGPs FermiNet 的神经网络变分蒙特卡洛方法，首次在二维自旋失配费米气体中发现了受限范围内的库珀对晶体相，并揭示了从 FFLO 到 BEC 极限的完整相图。
巨正则系综下的神经网络量子态：基于Transformer的连续空间玻色子系统深度解析
本文深度解析了由Anton Hul等人提出的利用Transformer架构在巨正则系综下模拟连续空间玻色子系统的方法，该研究突破了固定粒子数的限制，为量子相变与热力学稳定性研究提供了新工具。
零点能驱动的自发莫尔物理：量子电子准晶体的理论起源与相图深度解析
本文深度解析 MIT 团队关于量子电子准晶体的最新研究，揭示了零点能如何超越经典库仑能，在双层电子系统中稳定 30 度旋转的非周期性准晶结构。
超越变分偏置：利用 Transformer 回流波函数解析哈伯德模型中的纠缠序
本文深度解析 Viteritti 等人的研究，探讨如何利用 Transformer 回流波函数克服神经网络量子态中的变分偏置，从而揭示哈伯德模型中超导与条纹序共存的本质。
动量稳定性与自适应控制：变分蒙特卡洛中 PRIME-SR 算法的深度解析
本文深度解析变分蒙特卡洛（VMC）中 SPRING 算法的动量失稳机制，并详细介绍一种无需调参的自适应动量优化方法 PRIME-SR。
深度解析：利用神经量子态（NQS）探索 4D 欧几里得阿贝尔化圈量子引力的物理态
本文深度解析了 Sahlmann 与 Sherif 最新的研究成果，探讨如何利用 NQS 技术在 K5 图上寻找 4D 圈量子引力 Hamilton 约束的物理态，揭示了算符排序对真空扇区选择的深刻影响。
烧绿石晶格上手性量子自旋液体的分类与关联特征深度解析
本文深度解析了基于费米子部分子构造的烧绿石晶格手性量子自旋液体的系统分类，探讨了其对称性性质、通量结构及低能激发的变分蒙特卡洛研究。
几何诱导的长程关联：扩张循环神经网络量子态深度解析
本文深度解析了一种新型扩张循环神经网络（Dilated RNN）架构，通过引入对数缩放的几何连接，打破了传统 RNN 在处理量子长程关联时的指数衰减限制。
两能带 t-J 模型中的轨道选择性 d 波超导性：深度解析 La3Ni2O7 的超导机制
本文深度解析了 Zhan Wang 等人关于两能带 t-J 模型的研究，揭示了轨道选择性 d 波超导态的起源及其在 La3Ni2O7 中的应用，为理解镍基超导提供了重要的理论框架。
克服自旋污染：面向强相关电子体系的自旋适配神经网络回流波函数 (SA-NNBF) 深度解析
本文深度解析了北京师范大学李振东教授团队提出的 SA-NNBF 框架，该方法通过在第二量子化下引入自旋适配技术，成功解决了神经网络量子态在处理过渡金属体系时的自旋污染问题。
从分数量子霍尔态到任意子超导：晶格中流动任意子的相图深度解析
本文深入探讨了掺杂 Laughlin 型分数量子陈绝缘体（FCI）时流动任意子的物理行为，揭示了从拓扑序到半整数字中心荷超导态的新型相变机制。
量子少体系统的新纪元：深度解析神经网络量子态（NNQS）与自适应 MALA 采样框架
本文深度解析了一种通用的神经网络框架，通过结合自适应 Metropolis-Adjusted Langevin 算法，成功解决了包含不同质量粒子、二体及三体相互作用的量子少体系统基态求解难题。
超越 CCSD(T)：基于 EIDOS 算法的非正交 Slater 行列式精密量子化学计算深度解析
本文深度解析了发表在 Nature Communications 上的 EIDOS 算法，该算法通过优化少量非正交 Slater 行列式，在 $O(m^4)$ 复杂度下实现了超越 CCSD(T) 的计算精度，为强相关体系的精密模拟开辟了新路径。
νTNS：深度神经网络与张量网络协同纠缠解耦——量子多体态表示的新范式
本文深度解析由中国科学院物理研究所等机构提出的 νTNS 框架，该架构通过深度神经网络进行全局纠缠解耦，结合张量网络进行高效压缩，在受挫海森堡模型中取得了突破性精度。
变分蒙特卡洛中的力与压力方差消减技术：从 nodal 奇异性到 IBP 变换的深度解析
本文深度解析了 David Linteau 等人关于在 VMC 中通过 Metropolis 接受率技巧、分部积分变换以及 Stein 控制变量法显著降低力与压力估值器方差的最新研究工作。
深度解析：基于人工神经网络的变分蒙特卡洛方法（ANNVMC）——从理论基础到量子化学应用实践
本文深度解析了 William Freitas 的 ANNVMC 教程，探讨如何利用神经网络作为试探波函数解决多体量子系统基态求解问题，涵盖从一维势场到氢分子的完整演进。
彻底解决 VMC 中的节点与支持度不匹配：Blurred Sampling 深度解析
本文深度解析了由 Shiwei Zhang 等人提出的 Blurred Sampling 方法，该方法通过后处理局部混合步骤，完美解决了变分蒙特卡洛（VMC）中因波函数节点导致的无限方差及离散空间中的支持度不匹配偏差问题。
量子化学的新纪元：Excited Pfaffians 深度解析——近常数缩放的激发态神经网络波函数
本文深度解析了由 Nicholas Gao 等人提出的 Excited Pfaffians 方法，该工作通过多态重要性采样（MSIS）和参数高效的 Pfaffian 架构，实现了激发态计算在状态数量上的近常数缩放，为跨结构、跨状态的通用波函数学习奠定了基础。
DysonNet深度解析：神经量子态局部更新的常数级演进与ABACUS算法实现
本文深度解析了DysonNet架构及其核心ABACUS算法，该技术通过将全局线性层与局部非线性层耦合，实现了单自旋翻转下神经量子态振幅更新的O(1)复杂度，突破了大系统规模下NQS的计算瓶颈。
神经网络波函数在 µSR 谱学中的应用：超越 DFT 的量子自旋探针计算深度解析
本文深度解析了利用神经网络波函数（Psiformer）结合变分蒙特卡洛方法，在考虑μ子量子效应的前提下，精确计算μ子超精细耦合常数的突破性进展。
掺杂莫特绝缘体中的极小环流：超越朗道准粒子的“猫态”纠缠深度解析
本文深度解析了清华大学翁征宇团队关于单、双空穴掺杂莫特绝缘体的最新理论研究，揭示了打破朗道准粒子范式的“猫态”谐振机制及其对高温超导配对的启示。
深度解析：利用 Vision Transformer 神经量子态探索 Kagome Heisenberg 模型的磁化平台
本文深度解析了利用视觉 Transformer (ViT) 架构作为神经量子态变分波函数，研究 spin-1/2 kagome Heisenberg 反铁磁体在磁场下磁化平台的研究成果。
超越变分蒙特卡洛：深度解析基于选择构型（NQS-SC）的神经量子态——量子化学波函数表示的新范式
本文深度解析了由 Reiher 团队提出的 NQS-SC 方法，探讨其如何通过选择构型策略克服传统 NQS-VMC 在强相关体系中的采样噪声与收敛难题，标志着电子能量评估技术的重大转向。
超越 VMC：Reiher 组揭示选定构型（NQS-SC）在神经网络量子态中的决定性优势
本文深度解析 ETH Zürich Markus Reiher 课题组最新工作，通过系统对比 NQS-VMC 与 NQS-SC，证明了基于选定构型的能量评估在精度、收敛性及处理强相关体系中的核心地位。