该研究基于柯尔莫哥洛夫-阿诺德网络构建波函数拟设,探讨其在量子蒙特卡洛模拟中的可行表征方法。通过对一维模型系统的系统分析,研究人员评估了其计算效率和表征能力,并与现有方法进行对比。数值实验提出了若干高效训练方法,并探究了计算成本随目标精度、粒子数及系统参数变化的规律。粗略而言,该团队发现该方法的计算成本比基于其他神经网络的拟设方案降低约10倍。此外,研究人员针对短程强势场(原子与核物理中常见且对多数数值方法构成挑战的难题)提出创新处理方案,该方案能有效推广至具有短程强相互作用的高维物理相关系统。