基于神经网络的含时变分蒙特卡洛实现稳定精确的电子动力学模拟

研究提出神经基含时变分蒙特卡洛（neural basis time-dependent variational Monte Carlo）框架，通过将时间演化约束在神经基张成的紧凑流形上，绕过不稳定性问题，实现长期稳定的电子动力学模拟。该框架在氢原子与拉伸氢分子的激光驱动偶极响应模拟中达到基准级精度，并准确提取氦原子与铍原子的动态极化率。