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。
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。
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。