变分自适应高斯分解：无数值积分的可扩展时间分片解冻高斯动力学

时间分片已成为将半经典传播纳入实时路径积分公式中以恢复完整量子动力学的策略。核心步骤是将时间演化后的波函数分解为高斯波包（GWP）的叠加。在此，我们引入一种无数值积分的变分框架，用于GWP分解，将其重新表述为优化问题，即选择GWP参数以最大化与时间演化波函数的重叠度。采用自编码器-解码器神经网络进行优化，在传播过程中对表示进行自适应重优化。每个波包在该分解中代表底层半经典流形的局部区域，同时保留所有自由度之间的完整关联。这种变分自适应高斯分解（VAGD）方法产生紧凑的高斯展开，为时间分片的半经典量子动力学提供了可扩展的途径。虽然方法通用，但将VAGD应用于解冻高斯近似（TGA）的时间分片，可实现从半经典处理逐步改进到完整量子力学结果的系统性路径。