本文介绍了一种新方法，即神经网络量子态（NQSs），用于找到量子多体基态。该方法将量子多体变分波函数拆分为实值振幅神经网络和符号结构的乘积，并专注于振幅网络的优化。在三个典型的量子多体系统上进行测试，结果表明该方法的基态能量低于或与传统方法相当。在受挫型海森堡 $J_1$-$J_2$ 模型中，该方法的结果优于复值卷积神经网络，说明复值 NQS 的符号结构难以优化。未来将研究 NQS 的符号结构优化。