零 Λ 零 L 方案的跃迁性质计算：基于运动方程冻结对耦合簇 (EOM-fpCCSD) 的高效激发态理论
本文深度解析了基于运动方程冻结对耦合簇（EOM-fpCCSD）方法计算激发态跃迁性质的最新突破，探讨了如何通过矩阵逆与期望值近似完全规避求解耦合簇左特征向量与复杂 Λ 方程的计算瓶颈。
Coupled Cluster
克服量子蒙特卡洛吸附能计算中的参考态不平衡：基于混合热力学循环的分子参考修正方法深度解析
本文系统剖析了单行列式固定节点扩散蒙特卡洛（SD-FNDMC）模拟表面吸附能时面临的“参考态不平衡”问题，并深度解析了结合高精度耦合集群（CC）理论的混合热力学循环修正方案。
量子化学的AI新里程碑：MoLe-Λ 深度解析——通过机器学习耦合簇响应态，统一预测能量、梯度与性质
本文深度解析了最新的 MoLe-Λ 模型，该模型通过共同学习耦合簇单双激发（CCSD）的右手波函数振幅（T）与左手响应态振幅（Λ），首次实现了对分子能量、解析梯度、多极矩、极化率及双电子观测量的全量子化学精度、高效预测。
耦合簇虚时演化与能量方差：解决强相关体系收敛难题的新范式
本文深度解析了由加州理工学院 Garnet Kin-Lic Chan 课题组提出的耦合簇虚时演化（ITE-CC）理论，重点探讨其如何利用能量方差极小值在强相关体系中识别物理正则化解，从而突破标准 CC 方程的收敛困境。