NESSi 2.0：突破非平衡格林函数模拟的算力瓶颈——内存截断与稳态计算深度解析
本文深度解析 NESSi 2.0 软件包，重点探讨其通过内存截断技术将 KBE 方程计算复杂度由立方降至线性，并引入非平衡稳态 (NESS) 直接求解功能，为长时间量子动力学模拟提供强大支撑。
数值计算
超越三维网格瓶颈：利用张量训练（Tensor Train）实现微磁学解的高效压缩与尺度缩放研究
本文深度解析了 Thierry Valet 等人关于利用 Tensor Train 格式克服微磁学模拟中 $O(L^3)$ 尺度缩放瓶颈的研究，揭示了信息稀疏性在复杂磁结构表示中的巨大潜力。
递归切线态传播：张量网络二阶优化的“炼金术” —— 深度解析基于 Hessian-向量积的高效算法
本文深度解析了 Le 等人提出的基于递归切线态传播的张量网络 Hessian-向量积（HVP）算法，展示了其在量子电路压缩中相比一阶方法（如 Adam）在收敛速度和精度上的巨大优势。
多探测器系统中的双体纠缠收获：从摄动理论到空间几何优化深度解析
本文深度解析了由 Salomaa 等人提出的多探测器纠缠收获框架，揭示了如何通过线性缩放的子矩阵计算高维纠缠，并确定了实现真空纠缠提取最大化的最优空间构型。
TNRKit.jl 深度解析：统计物理与晶格场论中的张量网络重正化实战手册
本文深度剖析 Julia 软件包 TNRKit.jl 的理论架构与应用，探讨如何利用先进的张量网络重正化（TNR）算法高效研究二维及三维统计模型、欧几里得晶格场论，并精准提取共形谱数据。
基于 GEMM 的非均匀网格 Poisson 直解法：高性能计算视角下的流体与量子化学计算加速
深度解析 Costa 等人提出的基于 GEMM 的 3D Poisson 直接求解器，该方法通过张量分解与特征值分解，巧妙解决了非均匀网格下 FFT 的局限性，在现代 GPU 架构上实现了极高的并行效率。
走向通用非负张量分解：NNEinFact 算法深度解析与量化应用前瞻
本文深度解析了 NNEinFact 算法，这是一种基于 einsum 符号的通用非负张量分解框架，通过 Majorization-Minimization 理论证明了其在广义散度下的收敛性，为复杂多维数据提供了高效建模方案。
trainsum：突破维数灾难的 Python 兵器库——Quantics Tensor Train 在量子化学与多维数值模拟中的深度解析
本文深度解析了新一代 Python 包 trainsum，该工具利用 Quantics Tensor Train (QTT) 技术，通过灵活的维度分解与变分优化，为处理多维函数与大规模张量提供了高效的低秩近似方案。