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。
时间相关变分原理
破除 3000 倍量子霸权幻觉：利用 U(1) × SU(2) 非阿贝尔对称性与 GPU 动力学张量网络将 1D 费米-哈巴德经典模拟推向极限
本文深度解析了 Roman Rausch 等人的最新突破：通过融合 U(1) × SU(2) 强对称性与 PyTorch GPU 加速技术，将 1D 费米-哈巴德模型的 TDVP 经典模拟截断键合维度推至 62,000 这一史无前例的极限，成功纠正了先前 Q-CTRL 声称的 3000 倍量子优势，并完成了量子芯片无法企及的 t=7 高纠缠非平衡态演化动力学精确模拟。