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。
神经量子态
深度解析：神经量子态的信息论标度律——连接波函数结构与网络容量的桥梁
本文深度解析了由 Yiming Lu 等人提出的神经量子态（NQS）信息论标度律，揭示了波函数幅度中切互信息如何决定自回归神经网络的表达能力上限。
DysonNet深度解析：神经量子态局部更新的常数级演进与ABACUS算法实现
本文深度解析了DysonNet架构及其核心ABACUS算法，该技术通过将全局线性层与局部非线性层耦合，实现了单自旋翻转下神经量子态振幅更新的O(1)复杂度，突破了大系统规模下NQS的计算瓶颈。
深度解析：利用 Vision Transformer 神经量子态探索 Kagome Heisenberg 模型的磁化平台
本文深度解析了利用视觉 Transformer (ViT) 架构作为神经量子态变分波函数，研究 spin-1/2 kagome Heisenberg 反铁磁体在磁场下磁化平台的研究成果。
超越变分蒙特卡洛：深度解析基于选择构型（NQS-SC）的神经量子态——量子化学波函数表示的新范式
本文深度解析了由 Reiher 团队提出的 NQS-SC 方法，探讨其如何通过选择构型策略克服传统 NQS-VMC 在强相关体系中的采样噪声与收敛难题，标志着电子能量评估技术的重大转向。
神经网络发现人工石墨烯中的配对维格纳晶体：量子多体计算的新范式
本文深度解析了利用神经量子态（NQS）在蜂窝状莫尔晶格中发现新型基态——配对维格纳晶体（PWC）的突破性研究，展示了深度学习在揭示强关联电子系统复杂序参量方面的卓越能力。