量子化学与多维网格算法的革命：基于秩乘积的二值张量量子化张量列车（QTT）精确分解算法深析
本文深度剖析了将布尔条件定义的二值张量精确低秩分解为量子化张量列车（QTT）的混合解析-数值框架，攻克了非光滑算子在张量交叉插值（TT-Cross）中的不收敛难题，为多维网格离散卷积、算子切片及量子化学波函数小波重构提供了底层的数学工具。
Quantics Tensor Train
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。
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。