Il Monte Carlo quantistico a principi primi è un framework utilizzato per affrontare la soluzione dell'equazione di Schrödinger a molti corpi mediante un approccio stocastico. Questa struttura dovrebbe essere la prossima generazione di calcoli di strutture elettroniche perché può superare alcuni degli inconvenienti nella teoria del funzionale della densità e nei calcoli basati sulla funzione d'onda. In particolare, il framework Monte Carlo quantistico non si basa su funzionali di correlazione di scambio, l'algoritmo è adatto per supercomputer massivamente paralleli, ed è facilmente applicabile sia a sistemi isolati che periodici.

TurboRVB è un pacchetto software Monte Carlo quantistico a principi primi che è stato inizialmente lanciato dal Prof. Sandro Sorella (Scuola Internazionale di Studi Avanzati/Italia) e dal Dr. Michele Casula (Università della Sorbona/Francia), ed è stato continuamente sviluppato da molti collaboratori per oltre 20 anni. Molto recentemente, Assist. Prof. Kosuke Nakano al Japan Advanced Institute of Science and Technology (JAIST, Presidente:Minoru Terano, situato a Nomi, Ishikawa, Japan) e i suoi collaboratori hanno pubblicato un articolo di revisione completo in Giornale di Fisica Chimica .

TurboRVB è distinguibile da altri codici Monte Carlo quantistici a principi primi nelle seguenti caratteristiche. (a) Il codice utilizza funzioni d'onda del tipo a legame di valenza risonante (RVB), come il Jastrow Geminal/Jastrow Pfaffian, che includono l'effetto di correlazione oltre la funzione d'onda di Jastrow-Slater che è comunemente usata in altri codici QMC. (b) Implementa algoritmi di ottimizzazione all'avanguardia, come la riconfigurazione stocastica e il metodo lineare, aiuta a realizzare un'ottimizzazione stabile dell'ampiezza e della superficie nodale di una funzione d'onda a molti corpi a livello di Monte Carlo quantistico variazionale. (c) Il cosiddetto metodo Monte Carlo a diffusione regolata su reticolo è implementato nel codice, che fornisce un calcolo Monte Carlo quantistico di diffusione numericamente stabile. (d) L'implementazione di una differenziazione algoritmica aggiunta ci permette di calcolare in modo molto efficiente le derivate di funzioni d'onda a molti corpi e di eseguire ottimizzazioni strutturali e simulazioni di dinamica molecolare.