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。
变分蒙特卡洛
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。