深度解析：利用神经网络自回归控制变量攻克量子蒙特卡洛符号问题
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。
机器学习物理
突破强磁场结晶困局：基于失序感知神经量子态（NQS）的非整数量子霍尔体系全相图深度解析
本文深度解析了华盛顿大学朱继航等人的最新研究，探讨如何利用失序感知的自注意力神经量子态（NQS）解决强磁场下电子结晶与分数量子霍尔液体的竞争问题，首次在微观层面证明了失序钉扎的空穴 Wigner 晶体。
攻克掺杂哈伯德模型符号问题：基于正规化流与退火算法的深度解析
本文深度解析了利用正规化流（Normalizing Flows）结合退火策略解决掺杂哈伯德模型中符号问题与遍历性难题的最新研究进展，为强关联电子体系的大规模模拟开辟了新路径。