小模型，强先验：深度解析 WaveLiT 架构对科学计算与量子化学 PDE 求解器的启示
本文深度解析了最新的 WaveLiT 架构。通过无损小波分词、线性注意力机制与参数共享的多尺度特征金字塔，WaveLiT 仅凭 1M-10M 参数便能抗衡十亿级物理大模型，展示了“强物理先验胜于盲目扩增规模”的深刻真理，并为量子化学多尺度波函数求解提供了全新思路。
Scientific Machine Learning
JAX-AMG深度解析：为可微量子化学与AI for Science打造的GPU加速可微稀疏线性求解器
本文深度解析了JAX-AMG物理仿真与科学机器学习库。该库首次将Nvidia AmgX的高性能GPU代数多网格（AMG）求解器与JAX的可微编程生态无缝融合，攻克了高维、病态稀疏线性系统在反问题和梯度优化中的计算瓶颈，为可微量子化学、电子结构计算和高精度物理仿真提供了革命性的底层算力支撑。
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。
神经网络 PDE 求解器的经济学：盈亏平衡复杂度（Breakeven Complexity）深度解析
本文深度解析了最新论文提出的“盈亏平衡复杂度”概念，该指标通过权衡数据生成与训练成本，量化了神经 surrogate 模型在何时比传统数值求解器更具成本效益，为 AI for Science 的工程落地提供了关键的决策框架。