深度解析：利用神经网络自回归控制变量（NCV）攻克量子蒙特卡洛负符号问题
本文深入剖析基于自回归Transformer构建严格零均值控制变量的方法。该方法结合重求和随机级数展开（RSSE）骨架与扭曲通道更新，在受挫三角格点海森堡模型上实现了负符号方差的指数级降低，为攻克多体物理负符号问题开辟了全新的非侵入式路径。
自回归模型
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。
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。