在离散福克空间中,神经网络量子态(NQS)的随机优化受到采样方差和慢速混合的限制。该研究团队提出了一种确定性框架,在动态自适应构型子空间内优化神经回流拟设,并通过二阶微扰理论进行校正。该方法消除了蒙特卡洛噪声,并通过CPU-GPU混合实现展示了相对于子空间尺寸的亚线性扩展。针对H2O和N2的键解离以及强关联铬二聚体Cr2的基准测试验证了该方法在大希尔伯特空间中的准确性和稳定性。