深度解析：利用神经量子态（NQS）求解光-物质耦合系统的基态与强关联效应
本文深度解析了利用多头 ResNet 结构的神经量子态（NQS）方法求解具有无限维局部玻色子自由度的光-物质耦合系统基态，并探讨了其在克服平均场近似局限、捕捉强自旋-光子关联方面的突破。
Neural Quantum States
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。
无偏差含时变分蒙特卡洛（t-VMC）：深度解析 Born 分布采样缺陷及其张量交叉插值解决方案
本文深度解析了一种通过自归一化重要性采样（SNIS）和张量交叉插值（TCI）消除含时变分蒙特卡洛（t-VMC）中估计偏差的新方法，特别探讨了其在神经量子态（NQS）实时演化中的应用。
神经网络量子态突破 3D 极限：1000 比特实时动力学与 Kibble-Zurek 机制深度解析
本文探讨了利用残差 3D 卷积神经网络量子态 (NQS) 在 1000 个量子比特规模下模拟 3D 横向场伊辛模型实时动力学的突破性进展，重点分析了其对 3D Kibble-Zurek 机制及其对数修正项的数值验证。