深度神经网络与变分蒙特卡洛 （VMC） 方法的集成标志着求解薛定谔方程的重大进步。在这项工作中，我们使用修改后的优化目标在基于神经网络的 VMC 计算中强制执行自旋对称性。我们的方法旨在以较低的计算成本求解具有目标自旋对称性的基态和多重激发态。它可以预测准确的能量，同时在强相关系统中保持正确的对称性，即使在不同自旋态几乎简并的情况下也是如此。我们的方法在自旋间隙计算方面也表现出色，包括双自由基系统中的单重态-三重态间隙，这在光化学中引起了高度关注。总的来说，这项工作建立了一个强大的框架，用于在相关系统中有效地计算具有特定自旋对称性的各种量子态。