几何诱导的长程关联：扩张循环神经网络量子态深度解析
本文深度解析了一种新型扩张循环神经网络（Dilated RNN）架构，通过引入对数缩放的几何连接，打破了传统 RNN 在处理量子长程关联时的指数衰减限制。
量子多体物理
玻色-哈伯德模型中本征态纠缠熵的深度解析：从平均场到 O(1) 修正
本文深度解析了 Gregor Medoš 和 Lev Vidmar 关于玻色-哈伯德模型本征态纠缠熵的研究，重点探讨了体积律系数的普适性以及粒子数守恒对次领头项的非平凡修正。
从 Hatsugai-Kohmoto 到 Aubry-André：动量空间聚类方案在 Hubbard 模型中的深度解析与计算物理革命
本文深度解析了 Manning-Coe 等人提出的动量空间聚类方案，该方案证明了 Hatsugai-Kohmoto 模型与扭曲平均边界条件下有限尺寸 Hubbard 模型的等价性，为莫尔超晶格等复杂强关联体系提供了高效的计算路径。
超越 Swap-Gate：Grassmann 变分角转移矩阵重整化群（GCTMRG）解析
本文深度解析了一种基于相干态路径积分的 Grassmann 张量网络方法，探讨如何利用 Grassmann 化角转移矩阵重整化群（GCTMRG）精确模拟一维费米子 Hubbard 模型及其相图。
从论文到程序：多阶段 LLM 协作流加速量子多体算法开发深度解析
本文深度解析了 Yi Zhou 的最新研究，探讨如何利用“虚拟研究小组”多智能体工作流，将量子多体算法（DMRG）的开发周期从数月压缩至 24 小时。
信仰传播与张量网络扩展：量子多体系统的严谨理论与性能极限深度解析
本文深度解析了 Siddhant Midha 等人关于信仰传播（BP）在量子张量网络收敛性方面的突破性研究，揭示了“循环衰减”与物理相关性之间的严密数学联系，为高维量子系统模拟提供了从启发式到严格化的转型路径。
从谱关联中“启动”隐藏对称性：谱形状因子（xSFF）引导的量子多体 bootstrap 框架解析
本文深度解析了一种利用交叉谱形状因子（xSFF）与代数 bootstrap 技术，从数值谱数据中自动重构量子多体系统隐藏有限群对称性的原创性框架。
超越微扰理论：强关联多体系统的解算符框架与谱函数深度解析
本文深度解析了一种基于解算符（Resolvent）的新型理论框架，旨在解决传统摄动理论在处理强相互作用和指数级密集能级系统时的失效问题，通过引入统计平均与递归涨落展开，实现了对强关联系统全局动力学特性的精确描述。
从平衡态走向非平衡：Spin-1 Babujian-Takhtajan 链中的手性电流态深度解析
本文解析了如何通过引入守恒荷变形，将 Spin-1 Babujian-Takhtajan 链的高能激发态转化为新哈密顿量的基态，揭示了其中由能量电流驱动的手性量子相变。
全球张量网络本征态的局部表征：从局部哈密顿量到全局本征特性的桥梁
本文深度解析了由 José Garre Rubio 等人提出的关于矩阵乘积态（MPS）作为局部算子（如哈密顿量）精确本征态的充分必要局部条件，为理解量子多体系统的全局特性提供了全新的局部视角。
深度解析：利用神经网络作为量子嵌入方法中杂质求解器的低成本替代方案
本文深度解析了由 Rohan Nain 等人提出的最新研究，探讨如何通过仅 500 个训练样本训练的神经网络，在动力学平均场理论（DMFT）中替代昂贵的 CT-QMC 杂质求解器，实现四个数量级的加速并保持物理可靠性。
量子多体系统的大偏差理论与监测动力学：张量网络方法深度解析
本文深度解析了由 María Cea 等人提出的张量网络框架，该框架首次实现了对监测量子多体系统中大偏差统计及条件轨迹轨迹的精确数值模拟，揭示了动力学相共存现象。
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。
费曼图的组合求和：多体量子系统计算的高效组合数学框架深度解析
本文深度解析了 Evgeny Kozik 教授提出的费曼图组合求和 (CoS) 框架。该框架利用动态规划将费曼图求和复杂度从阶乘级降至指数级，并成功解决了 2D SU(N) 哈伯德模型在强相关区域的计算难题。
νTNS：深度神经网络与张量网络协同纠缠解耦——量子多体态表示的新范式
本文深度解析由中国科学院物理研究所等机构提出的 νTNS 框架，该架构通过深度神经网络进行全局纠缠解耦，结合张量网络进行高效压缩，在受挫海森堡模型中取得了突破性精度。
宇称超选择定则与自由费米子互信息的非单配性：算符代数视角的深度解析
本文深度解析了 A. Sokolovs 2026 年的突破性工作，探讨了费米子系统中算符代数的选择如何根本性地改变三体信息的符号，从而挑战了全息对偶中互信息单配性的普适性假设。
彻底解决 VMC 中的节点与支持度不匹配：Blurred Sampling 深度解析
本文深度解析了由 Shiwei Zhang 等人提出的 Blurred Sampling 方法，该方法通过后处理局部混合步骤，完美解决了变分蒙特卡洛（VMC）中因波函数节点导致的无限方差及离散空间中的支持度不匹配偏差问题。
调制对称性的矩阵乘积态深度解析：从SPT相分类到LSM定理的普适框架
本文深度解析了如何将矩阵乘积态（MPS）框架推广至具有空间调制对称性的一维平移不变系统，建立了调制对称性下SPT相分类与LSM约束的统一理论基础。
局部横场伊辛模型中的 Page 曲线运动学涌现：黑洞信息佯谬的量子模拟新路径
本文深度解析了基于局部横场伊辛模型（TFIM）模拟黑洞蒸发过程中纠缠熵演化的最新进展，揭示了运动学子系统缩减在 Page 曲线形成中的核心作用。
迈向张量网络收缩的数值自举：基于凸优化的确证误差界深度解析
本文深度解析了一种将张量网络收缩转化为凸优化问题的创新框架，利用数值自举技术为物理观测值提供严谨且可证的上下界，解决了高维张量网络收缩中误差不可控的核心痛点。
SU(N) 量子自旋模型中的 Néel 到 VBS 相变：从弱到强的一阶转变深度解析
本文深度解析了由 Ryan Flynn 和 Anders W. Sandvik 提出的 SU(N) X-Q 模型，探讨其在 Néel 反铁磁态与价键固体态（VBS）转换过程中的奇异一阶相变行为，以及该行为对解禁闭量子临界点（DQC）理论的深远影响。
深度解析 U=∞ Hubbard 模型：单玻色子与双玻色子涨落对强关联电子动力学的影响
本文深度解析了 Debanand Sa 等人关于 $U=\infty$ Hubbard 模型的研究，重点讨论了自生成电荷与自旋涨落（单玻色子与双玻色子过程）在奇异金属向费米液体转变中的核心作用。
破解张量网络收缩的循环偏差：随机循环校正信念传播 (BPLMC) 深度解析
本文解析了一种名为 BPLMC 的混合方法，通过 MCMC 随机采样循环校正项，解决了信念传播算法在有环图张量网络收缩中的系统误差问题，实现了无偏估计。
算子纠缠标度与经典可模拟性：从多体混沌到矩阵乘积算子的严格边界
本文深入解析 Neil Dowling 的最新研究，探讨局部算子纠缠（LOE）的标度行为如何决定海森堡算子在经典计算机上的可模拟性，为张量网络方法的效率提供了严谨的理论基础。
自由费米子的三体信息：从正弦核导出的通用纠缠系数深度解析
本文深入解析了 A. Sokolovs 关于二维费米系统三体信息 (I3) 的最新研究，揭示了纠缠单调性 (MMI) 的尺度依赖性及其与正弦核谱性质的本质联系。
量子物质模拟的新里程碑：在数字量子计算机上制备100位对称保护拓扑序
本文深度解析了 Pennington 等人如何利用张量网络辅助的 AQC 协议，在 IBM 量子处理器上成功制备具有 100 个量子位的 SPT 态，并验证了其拓扑特征。
量子多体动力学中反常电流涨落的精确解析：从 t0 模型到 M-Wright 分布深度透视
本文深度解析了由 Fujimoto 等人发表的关于量子多体系统中反常电流涨落的突破性工作，重点探讨其首次实现的微观精确推导及其在冷原子实验中的潜在应用。
神经网络波函数在 µSR 谱学中的应用：超越 DFT 的量子自旋探针计算深度解析
本文深度解析了利用神经网络波函数（Psiformer）结合变分蒙特卡洛方法，在考虑μ子量子效应的前提下，精确计算μ子超精细耦合常数的突破性进展。
统一强局域关联与集体涨落：fDMFT 消除自旋道发散的理论深度解析
本文深度解析了一种名为涨落动力学平均场理论 (fDMFT) 的新方法，该方法通过引入辅助涨落场，成功解决了传统 DMFT 在处理二维 Hubbard 模型低能长程磁涨落时的人为发散问题。
基于Transformer神经网络量子态的自旋与费米子格点模型深度解析：以辅助层模型为例
本文深入探讨了基于Transformer架构的神经网络量子态在处理自旋和费米子复合格点模型上的创新应用，并详细分析了其在辅助层模型中的卓越性能和对相图的洞察。
突破量子多体计算瓶颈：Quantics Tensor Train 的自适应补丁化（Adaptive Patching）技术深度解析
本文深度解析了一种革命性的自适应补丁化（Adaptive Patching）方案，通过分治策略显著降低了 QTT 在处理强局部化函数时的计算复杂度和内存消耗，为解决 Bethe-Salpeter 方程等大规模量子力学问题开辟了新路径。
深度解析：利用神经网络量子态 (NQS) 攻克二维哈伯德模型 —— Transformer 架构与 MARCH 优化算法的革命性突破
本文深度解析了由北京大学、字节跳动、清华大学及中科院物理所团队合作的最新成果：通过引入 Transformer 架构与 MARCH 优化算法，在二维哈伯德模型上实现了前所未有的模拟精度与系统规模。
从第一性原理出发：利用时变耦合簇理论（TDCC）解析原子核响应函数
本文深度解析了利用时变耦合簇理论（TDCC）计算原子核响应函数的最新科研成果，涵盖了从理论推导、数值算法实现到中等质量核巨偶极共振现象的深入分析。
将去局域化临界性推广至 3D N-味 SU(2) 量子色动力学：基于模糊球正规化的深度解析
本文深度解析了基于模糊球正规化的 Sp(N) 对称性非线性 Sigma 模型，探讨其在三维空间中向 SU(2) QCD 共形窗口流动的物理图景及量子蒙特卡洛模拟结果。