混合维度量子蒙特卡洛在M点莫尔材料中的深度应用：突破符号问题的算法创新与多体物理相图解析
本文深度解析了基于M点莫尔材料中投影镜面对称性诱导的混合维度极限，详细阐述了如何利用无符号问题的随机级数展开（SSE）量子蒙特卡洛（QMC）方法配合创新的跨链全局更新算法，彻底解决低温下的电荷冻结与收敛瓶颈，并揭示了体系中丰富的Mott绝缘相与Wigner-Mott绝缘相行为。
本文深度解析了基于M点莫尔材料中投影镜面对称性诱导的混合维度极限，详细阐述了如何利用无符号问题的随机级数展开（SSE）量子蒙特卡洛（QMC）方法配合创新的跨链全局更新算法，彻底解决低温下的电荷冻结与收敛瓶颈，并揭示了体系中丰富的Mott绝缘相与Wigner-Mott绝缘相行为。
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。