投影逆迭代 (PII)：神经网络量子态基态计算的特征值方法深度解析
本文深度解析投影逆迭代（Projected Inverse Iteration, PII）方法。该算法将神经网络量子态（NQS）的基态求解重新表述为特征值问题，成功克服了传统随机重构（SR）在小能隙、强关联体系中收敛缓慢的致命瓶颈，为多体物理和量子化学计算开辟了全新的二阶优化范式。
本文深度解析投影逆迭代（Projected Inverse Iteration, PII）方法。该算法将神经网络量子态（NQS）的基态求解重新表述为特征值问题，成功克服了传统随机重构（SR）在小能隙、强关联体系中收敛缓慢的致命瓶颈，为多体物理和量子化学计算开辟了全新的二阶优化范式。