韩国首尔大学（Seoul National University）的研究人员扩展了混合方法的适用性，用于解决多体物理学中的挑战，例如预测给定哈密顿量的基态性质以及对量子相进行分类。

这一切意味着什么？

七年前，论文《Attention is all you need》提出了 transformer 架构，颠覆了整个深度学习领域。