突破量子多体计算瓶颈：Quantics Tensor Train 的自适应补丁化（Adaptive Patching）技术深度解析
本文深度解析了一种革命性的自适应补丁化（Adaptive Patching）方案，通过分治策略显著降低了 QTT 在处理强局部化函数时的计算复杂度和内存消耗，为解决 Bethe-Salpeter 方程等大规模量子力学问题开辟了新路径。
Quantics Tensor Train
trainsum：突破维数灾难的 Python 兵器库——Quantics Tensor Train 在量子化学与多维数值模拟中的深度解析
本文深度解析了新一代 Python 包 trainsum，该工具利用 Quantics Tensor Train (QTT) 技术，通过灵活的维度分解与变分优化，为处理多维函数与大规模张量提供了高效的低秩近似方案。