是的，非常感谢Sobereva 老师的补充，可能这也是讨论QMC方法比较少的原因。
但是根据这个讨论我想到之前和我导师讨论过的一个问题：
【是否可以通过FMO分片来增加QMC解决大体系的问题。例如Physical Chemistry Chemical Physics 23:26, pages 14308-14314 这篇文章那样做的】
我英语日语都不好，可能没理解到位。
我记得主要是QMC的轨道分解会引起误差累积，而QMC的统计学误差是相互叠加而难以从增加样本来消除，而这样就失去了QMC的优势。

在QMC的精度范畴，DFT就没有可比性了。DNA碱基分子这种相互作用能高精度计算，当体系达到CCSD(T)算不动的情况，如今人们一般会倾向于基于局域相关的耦合簇，诸如LNO-CCSD(T)，留给QMC的市场极小。PS：DMC和CCSD(T)算弱相互作用的精度和差异问题近期有很多讨论，哪个更准不一定：J. Chem. Theory Comput., 21, 2311–2324 (2025)、J. Chem. Phys. 162, 144107 (2025)、J. Chem. Phys. 162, 114112 (2025)。

对于分子体系，在我来看QMC比较有实用性的是很高精度计算静态相关很强的体系不很大（QMC也算不动）又不很小（无法用得动CCSDT甚至到Q）而且多参考方法也不好算（活性空间不好定义、或者超过了能考虑的活性空间上限）的情况。但其实这种情况的市场也很小。一个比较典型的QMC适合的应用场景是计算C20富勒烯、碗状C20和C20碳环之间的异构化能这种问题（J. Phys. Mater. 3 (2020) 025006）。