张量重正化群是为研究高温超导等强关联物理问题发展起来的一种量子多体计算方法，这种方法融合重正化群思想与波函数的张量网络表示，在关联量子物理和材料的研究中发挥了关键作用。对于短程关联量子系统，波函数可严格表示成张量网络乘积形式，这一理论基础正是这种方法能取得成功的核心原因。然而，这种方法在刻画长程关联时存在局限性；而人工智能深度神经网络由于相邻层节点之间的全连通性，为克服这一局限性提供了新的技术路线。本报告将系统介绍近年来张量重正化群与人工智能的融合研究，特别是在 Hubbard 模型及量子磁性问题研究方面所取得的进展。