深度解析：利用神经网络自回归控制变量（NCV）攻克量子蒙特卡洛负符号问题
本文深入剖析基于自回归Transformer构建严格零均值控制变量的方法。该方法结合重求和随机级数展开（RSSE）骨架与扭曲通道更新，在受挫三角格点海森堡模型上实现了负符号方差的指数级降低，为攻克多体物理负符号问题开辟了全新的非侵入式路径。
本文深入剖析基于自回归Transformer构建严格零均值控制变量的方法。该方法结合重求和随机级数展开（RSSE）骨架与扭曲通道更新，在受挫三角格点海森堡模型上实现了负符号方差的指数级降低，为攻克多体物理负符号问题开辟了全新的非侵入式路径。
本文深度解析了由 Bei Qiao 和 Lei Wang 提出的利用双自回归神经网络构建结构化零均值控制变量，从而系统性削减量子蒙特卡洛（QMC）中符号问题导致的估算方差的突破性工作。