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。
NetKet
深度解析：强关联超导-量子点杂化体系中的新奇量子相与神经网络量子态求解
本文深度解析了发表在 SciPost Physics 上的前沿工作，探讨如何通过巧妙的粒子数守恒正则变换，利用神经网络量子态（NQS）和 DMRG 高效求解超导原子极限下的量子点簇，揭示了体系在强关联下的新型海森堡和临界物相。
量子自旋玻璃的能隙缩放：基于投影量子蒙特卡罗的深度解析与 QA 性能展望
本文深度解析了利用投影量子蒙特卡罗 (PQMC) 研究 2D-EA 与 SK 模型能隙缩放的最新进展，揭示了维度与连通性对量子退火复杂性的决定性影响。
深度解析：利用 Vision Transformer 神经量子态探索 Kagome Heisenberg 模型的磁化平台
本文深度解析了利用视觉 Transformer (ViT) 架构作为神经量子态变分波函数，研究 spin-1/2 kagome Heisenberg 反铁磁体在磁场下磁化平台的研究成果。