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。
强场物理
非阿贝尔强场下的真空与费米子行为：Yang-Mills背景场中重整化顶点函数、有效质量与凝聚态的精确解析
本文深度解析了在经典非阿贝尔平面波Yang-Mills背景场中，费米子重整化顶点函数、有效质量移动和费米子凝聚态的精确计算方法，探讨了Mandelstam-Leibbrandt正则化与光前量子化在强场QCD中的应用。
全电子分子隧道电离的积分表示法：ME-WFAT 理论的深度革新与量子化学实现
本文深度解析了基于积分表示法的多电子弱场渐近理论（ME-WFAT），解决了高斯基组在描述分子隧道电离渐近行为时的精度瓶颈，为多原子分子的强场动力学模拟开辟了新路径。