跨越尺度之桥：TensorBinding.jl 如何利用张量网络将紧束缚模型推向十亿原子尺度
本文深度解析基于张量网络（Tensor Network）求解超大规模紧束缚哈密顿量的全新算法框架，探讨其如何通过量子自旋链映射和量子交叉插值，在工作站上实现十亿级轨道尺度的凝聚态与量子化学计算。
Quantics Tensor Train
非平衡电子-声子动力学的高动量分辨率模拟：热化瓶颈与声子色散效应的 QTT-NEGF 深度解析
本文深度解析基于张量网络 Quantics Tensor Train (QTT) 压缩技术的非平衡格林函数方法，对比光学与声学声子模型，揭示多维晶格中由色散声子与电子自洽反馈诱导的电荷热化还原能窗及低动量声子发射延迟等微观物理解析。
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。
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。