跳到主要内容
返回时间线
arXiv来源发表:

强关联开壳层激发态不必再算遍中间态:自旋适配神经背流把O2单重态算到化学精度

核心概要

强关联体系的激发态计算此前要按能量顺序把目标态以下的所有态一并优化,不同自旋的近简并态越多,代价越大。自旋适配神经背流(SA-NNBF)把波函数限制在指定自旋扇区内,并扩展到多组空间轨道以恢复普适性。对O2最低单重态,单态变分蒙特卡洛在D=1时误差1.46 mHa,已进入1.59 mHa的化学精度阈值;与自然激发态方法结合后,O2的四个最低三重态和[Fe2S2(SCH3)4]2–的三个最低单重态也达到化学精度。

Source-provided article image: Spin-Adapted Neural-Network Backflow Wavefunctions for Excited States of Strongly Correlated Open-Shell Systems
Figure 1 · arXiv · 第 2 页

深度剖析

激发态计算现在可以直接在指定自旋扇区内进行,不必把目标态以下所有自旋的中间态都纳入优化。 此前的自然激发态等多态框架没有总自旋控制,要拿到[Fe2S2(SCH3)4]2–的第一个激发单重态,得先优化Ms=0谱中排在它前面的28个更低能态。 在[Fe2S2(SCH3)4]2–的(20o,30e)活性空间里,自旋适配后同一目标只需2个态,而全谱计数为29个态。

做法是让神经网络只输出空间轨道变换矩阵,再与一个固定的自旋本征函数组合成自旋轨道系数矩阵,对占据自旋轨道取行列式并求和。 这种构造让仅自旋分配不同的组态共享同一个空间矩阵,波函数按构造即为总自旋与自旋投影的本征函数,不需要额外的自旋惩罚项。 在O2三重态基态(6-31G基组、(18o,16e)活性空间)上,保持参数量相近时,SA-NNBF的最优行列式组数D通常不小于4,而普通神经背流为1或2。

把空间轨道从一组扩展到D组后,固定自旋函数的SA-NNBF在D足够大时可以精确表示所选轨道空间与自旋扇区内的任意态。 单组空间轨道的版本不具备这一性质:同一空间占据下所有组态共用一个矩阵,独立方程数会超过矩阵可提供的未知量。 [2Fe-2S]六个自旋扇区最低态上,SA-NNBF(1,128,1)有一半未达化学精度,D增至2后误差稳定在1 kcal/mol以内,与参数量相近的普通NNBF(1,128,1)相当或更好。

启示与展望

演示范围限于O2(6-31G基组、(18o,16e)活性空间)与[Fe2S2(SCH3)4]2–((20o,30e)活性空间)的活性空间模型,精度以相对FCI的能量误差衡量,化学精度按1.59 mHa或1 kcal/mol计。

普适性结论要求行列式组数D足够大,实际计算中D有限,不同自旋函数的选择可能影响精度与优化难度;作者也指出更紧凑的自旋函数分解和随态数扩展更有利的多态形式仍待发展。