来源论文: https://arxiv.org/abs/2602.16679v2 生成时间: Feb 25, 2026 00:07

从头计算辅助场量子蒙特卡罗在热力学极限下的应用

0. 执行摘要

传统的从头计算辅助场量子蒙特卡罗（AFQMC）方法在应用于固体模拟时，受限于其不利的计算标度和内存需求，这严重阻碍了其直接达到热力学极限（TDL）和完整基组（CBS）极限。本文通过开创性地结合张量超收缩（THC）技术和k点对称性，成功将AFQMC方法的计算开销降至O(N³)（与扩散蒙特卡罗相当），内存开销降至O(N²)，并且支持任意基组。这一突破性进展使得AFQMC能够直接、同时地在绝缘体、金属和强关联固体上进行TDL和CBS极限计算，而无需依赖嵌入式方法、局域近似、经验性有限尺寸修正或复合方案。研究结果确立了AFQMC作为一种通用、可系统改进的从头计算固体模拟方法，能够在一个统一的框架内提供准确的能量和磁性可观测数据，为凝聚态物理和材料科学研究开辟了新途径。

1. 核心科学问题，理论基础，技术难点，方法细节

1.1 核心科学问题

准确模拟固态体系对于从基础科学到凝聚态物理、材料科学和化学等众多领域的技术进步至关重要。目前，电子结构计算领域的主流方法面临各自的局限性，使得精确预测固体性质仍是巨大的挑战。

  • Kohn-Sham密度泛函理论（DFT）：作为材料计算的“主力”，DFT以O(N³)的计算成本实现了精度与效率的平衡，广泛应用于各种固态问题。然而，它面临两个主要挑战：强关联问题和自相互作用误差。解决这些问题在DFT框架内仍是一个活跃的研究方向，但探索超越DFT的多体方法是另一条重要的途径。

  • 固定节点扩散蒙特卡罗（DMC）：作为固体多体方法之一，DMC近似执行虚时演化，具有吸引人的O(N³)计算成本（每个统计样本）和O(N²)存储成本，并且直接在CBS极限下工作。但DMC的两个主要偏差源是赝势误差和固定节点误差。赝势误差在DMC中是一个显著的问题，而固定节点误差的量化和控制一直具有挑战性，部分原因是它在CBS极限下工作，很难获得精确的理论参考结果进行比较。

  • 图示法和耦合簇（CC）方法：随机相近似（RPA）和耦合簇方法（如CCSD(T)）在固体领域也有应用。CCSD(T)是针对主要动态关联的带隙体系的“黄金标准”，但其成本高达O(N⁷)计算和O(N⁴)存储。与DMC不同，这些方法可以进行全电子计算，因此赝势误差不是主要问题。然而，这些方法在有限基组中工作，需要将关联能量外推到CBS和TDL极限。这通常需要局部关联近似或复合方案，引入难以量化的偏差。

  • 嵌入式方法：动态平均场理论（DMFT）和密度矩阵嵌入理论（DMET）等通过定义局部杂质问题并精确求解，其余部分由平均场方法处理，有助于在给定杂质方法下达到CBS和TDL。但其精度受限于杂质求解器和局域性误差。增加杂质尺寸可以完全消除局域性误差，但杂质求解器陡峭的计算标度很快限制了这种策略。

**辅助场量子蒙特卡罗（AFQMC）**作为一种可系统改进的多体方法，具有全电子计算能力，原则上可以处理强关联和金属体系，并且精度高。然而，其在固态体系中的应用受到计算开销大（O(N⁴)）和内存需求高（O(N³)）的严重限制，使其难以直接访问TDL和CBS极限。克服这些限制，使AFQMC成为固体模拟的通用、高性能工具，是本研究的核心科学问题。

1.2 理论基础

AFQMC方法通过虚时演化投影出体系的基态。在Bloch轨道基组下，电子哈密顿量为：

$$H = \sum_{k, pq, \sigma} h_{pq}^{k} a_{pk\sigma}^{\dagger} a_{qk\sigma} + \frac{1}{2} \sum_{pqrs, kk', q, \sigma, \sigma'} (pk, rk+q|qk'+q, sk') a_{pk\sigma}^{\dagger} a_{qk+q\sigma}^{\dagger} a_{sk'\sigma'} a_{rk+q\sigma}$$

其中 $h_{pq}^{k}$ 是一电子积分，$(pk, rk+q|qk'+q, sk')$ 是二电子积分。由于库仑核的正定性，二电子积分可以通过Cholesky分解表示为：

$$(pk, rk+q|qk'+q, sk') = \sum_{\gamma} L_{pk,rk+q}^{\gamma} L_{qk'+q,sk'}^{\gamma*}$$

其中 $L^{\gamma}$ 表示Cholesky向量。在传统AFQMC中，这导致了O(N³)的存储成本（更精确地为O(N_k n³)），其中 N_k 是k点数量，n是晶胞大小。

AFQMC的核心思想是利用Hubbard-Stratonovich（HS）变换将二体哈密顿量的相互作用项分解为单体算符平方项之和，然后对辅助场进行采样。短时传播子 $e^{-\Delta\tau H}$ 可以写成辅助场积分形式：

$$e^{-\Delta\tau H} = \int dN_{aux} x p(x) B(x) + O(\Delta\tau^2)$$

其中 $N_{aux}$ 是辅助场的数量，$p(x)$ 是标准高斯分布，$B(x)$ 是由一电子项和HS变换后二电子项构成的传播子。蒙特卡罗方法通过对辅助场进行采样，并将全球波函数表示为Slater行列式的叠加 $\sum_{\alpha} w_{\alpha} |\Phi_{\alpha}\rangle$。传播子 $B(x)$ 作用于Slater行列式 $C$ 的效果是 $C' = B(x)C$。

实践中，通过引入试探波函数 $|\Psi_T\rangle$ 来实现重要性采样和无相近似。试探波函数的质量最终决定了无相AFQMC的精度。无相近似是控制费米子符号问题的关键，也是AFQMC的主要偏差来源。

1.3 技术难点与方法细节

本研究旨在解决AFQMC在固体模拟中的两大核心技术难点：计算标度和内存需求。

1.3.1 计算标度与内存瓶颈

传统的从头计算AFQMC的计算开销为O(N⁴)，内存需求为O(N³)（其中N是体系的总基函数数量）。这对于固体体系的TDL和CBS极限计算是不可行的。

解决方案：张量超收缩 (THC) / 关联插值可分离密度拟合 (ISDF) 与 k 点对称性

本文利用了量子化学中先进的张量超收缩（THC），也称为**关联插值可分离密度拟合（ISDF）**技术。通过结合THC/ISDF和k点对称性，本研究将AFQMC的计算成本降至O(N³)（与DMC相当），存储成本降至O(N²)。这一改进是克服传统AFQMC主要算法障碍的关键。

  • 周期性ISDF (Ref. 85, 95-97)：周期性ISDF的目标是将轨道乘积分解为：

    $$\phi_{pk}^{\mu*}(r) \phi_{qk+q}^{\nu}(r) = \sum_{P} C_{P}^{pk\mu*}(r_{P}) \phi_{qk+q}^{\nu}(r_{P})$$

    其中 ${r_P}$ 是插值点集，${\phi(r)}$ 是插值向量。ISDF所需的插值点总数 $N_{ISDF}$ 是基函数数量 M 的常数倍 $N_{ISDF} = C_{ISDF}M$，其中 $C_{ISDF} \approx 10-20$。为了避免 $N_k$ 次Cholesky分解，只在 $q=0$ 处选择插值点，并将其用于所有其他 k 点，这已被证明能引入可忽略的误差。

  • k点对称性的利用：利用二电子积分的置换对称性 $(pk, rk+q|qk'+q, sk') = (rk+q, pk|sk', qk'+q)^*$，可以推导出 $L_{\gamma,q} = L_{\gamma,-q}^*$。这进一步导致传播子中的算符具有对称性 $L_{\gamma,+q} = iL_{\gamma,q}$ 和 $L_{\gamma,-q} = -L_{\gamma,q}$。通过将q点集划分为“自不变”子集S和配对子集Q+及Q-，可以将二体哈密顿量重新构造，从而利用对称性减少计算量。

新的收缩方案：

为了充分利用THC/ISDF和k点对称性，本文引入了新的收缩方案，显著加速了传播和局域能量评估：

  1. VHS-walker传播器收缩 (Algorithm A1)：

    • 瓶颈：传统的传播步骤需要显式构造VHS矩阵，成本为 $O(N_k M^3)$（Nk是k点数，M是每个k点的基函数数）。
    • 改进：通过预收缩Bloch基函数与walker波函数，将成本从构建和应用VHS的 $O(N_k M^2 (N_{ISDF} + N_k n_{occ}))$ 降至 $O(N_k N_{ISDF} n_{occ} (N_k + M))$。这避免了显式构造二体传播子，是降低内存占用和计算成本的关键。对于较小的价电子数 $n_{occ}$，THC-AFQMC比传统Cholesky-AFQMC快得多（图A1）。

  2. 局域能量评估 (Algorithm A2 & A3)：

    • 瓶颈：传统局域能量评估成本为 $O(N_k^2 M^4)$ 或 $O(N_k^3 M^3)$。
    • 改进：使用半旋转Green函数，将局域能量评估的成本降至 $O(N_k n_{occ} M^3)$ 或 $O(N_k^2 n_{occ} M^2)$。本文提出了两种不同渐近标度的算法（Algorithm A2和A3）。
      • Algorithm A2：在所有轨道索引上进行收缩，只留下ISDF索引未收缩，最大中间体的标度为 $O(N_k^2 N_{ISDF})$。尽管这一步会很快耗尽设备内存，需要将ISDF索引划分为多个切片，但它在基函数数量较少时仍有优势。
      • Algorithm A3：这一算法的渐近成本较高，为 $O(N_k N_{ISDF} n_{occ} M (N_k + N_{ISDF}))$，但内存占用更小，适用于密集k网格的模拟。本文根据系统大小选择合适的算法以最大化效率（图A2）。

这些改进共同使得AFQMC的计算标度与DMC相当，内存开销更低，从而可以直接在TDL和CBS极限下进行固体模拟。

1.3.2 热力学极限 (TDL) 和完整基组 (CBS) 极限

多体方法通常难以达到这两个极限。本文采取了系统化的外推协议：

  • TDL外推：采用关联能量随k点数倒数（1/Nk）线性标度的模型进行外推。在Appendix B中，通过对从 $2\times 2\times 2$ 到 $5\times 5\times 5$ k网格的AFQMC计算验证了这一趋势，并针对不同体系（如金属）进行了系统特定的修正。对于金属体系，Hartree-Fock能量的TDL外推采用了扭曲平均（Baldereschi点），以平滑总能量的收敛。
  • CBS外推：利用高斯基组的优势，采用Helgaker的两点外推方案，其关联能量随基组 cardinal number 呈倒数三次方依赖（1/Z³）。

1.3.3 误差来源与缓解策略

本文详细分析了AFQMC计算中的主要误差来源，并提出了缓解策略：

  1. THC分解误差：通过选取足够多的ISDF格点（$C_{ISDF} \approx 15$），确保HF能量误差低于0.1 mHa，从而使THC分解误差可忽略（图A3）。
  2. 时间步误差：通过两点外推至零时间步长（$\Delta\tau \to 0$），将时间步误差降至可忽略水平。对于小时间步长，误差与时间步长呈线性关系（图A5）。
  3. 人口控制偏差：通过使用足够数量的walker来保证统计误差足够小，使得人口控制偏差可忽略。
  4. 有限尺寸效应：通过对不同超胞大小的关联能量进行TDL外推来处理。
  5. 基组不完整误差：通过CBS外推来处理。
  6. 原子无相误差：仅在内聚能计算中与孤立原子参考计算中的无相约束相关。通过准精确求解器（如FCI或SHCI）计算原子能量，并考虑基组叠加误差（BSSE）进行修正。
  7. 晶体无相误差：来源于固态体系计算中引入的无相偏差。通过在较小晶胞和基组上使用CISD-AFQMC进行计算，估算AFQMC与更高级求解器之间的能量差，假设此误差不随体系大小和基组大小显著增加。
  8. 赝势误差：定义为使用赝势和全电子相对能量之间的差异。由于全电子求解器和THC分解的限制，目前在较小超胞和DZ基组上进行估算。

本研究的严格协议确保了这些误差被系统性地评估和最小化，从而提高了AFQMC结果的可靠性。

2. 关键 benchmark 体系，计算所得数据，性能数据

本研究利用 k-THC-AFQMC 方法，在多种代表性固体体系上进行了基准测试，涵盖了半导体、金属和强关联过渡金属氧化物，以验证该方法的准确性、鲁棒性和适用范围。

2.1 半导体

2.1.1 金刚石 (Diamond)

金刚石是典型的单参考体系，其基态性质已得到充分验证。

  • 计算结果：使用AFQMC，获得金刚石的内聚能为 7.53(2) eV。实验值为 7.55 eV [114, 118] 和 7.52 eV [119]，两者高度吻合。
  • 误差分析 (图2)：
    • 原子无相误差：-0.16 eV。
    • 赝势误差：+0.14 eV，与原子无相误差大部分抵消。
    • 晶体无相误差：-0.01 eV，非常小。
    • 经修正后，AFQMC结果与实验值误差约为 0.03 eV，在误差范围内。值得注意的是，对于较大超胞的金刚石，AFQMC与CISD-AFQMC相比略微低估了能量，这可能表明单行列式AFQMC存在轻微的非变分行为。
  • 方法对比 (图1)：本文的AFQMC结果显著优于CCSD，与实验值和其他高性能方法（如DMC和CCSD(T)）非常接近。这是首次AFQMC研究直接同时兼顾TDL和CBS极限，无需局部近似或复合修正。

2.1.2 硅 (Silicon)

硅与金刚石结构相似，但键长更长，共价键特征更弱，带隙更小（1.12 eV vs 5.5 eV），因此电子关联效应更为显著。

  • 计算结果：使用AFQMC，获得硅的内聚能为 4.72(3) eV。实验值为 4.68 eV [114, 118] 和 4.73 eV [119]，吻合良好。
  • 误差分析 (图4)：
    • 原子无相误差：-0.16 eV，是主要误差来源。
    • 赝势误差：+0.01 eV，远小于金刚石。
    • 与金刚石不同，硅没有出现原子无相误差与赝势误差的偶然抵消，因此未经修正的AFQMC表现较差。经原子能量修正后，内聚能显著改善。
  • 方法对比 (图3)：PBE和HSE预测的内聚能误差约为3-4%。MP2表现略差，CCSD显著低估。之前的AFQMC研究由于有限尺寸和基组误差而显著低估。本研究的AFQMC方法，特别是修正原子能量后，在共价晶体（几乎没有多参考特征）中表现良好。

2.2 金属

金属体系的微扰方法通常失效，因为能量分母可能为零。AFQMC作为非微扰方法，原则上可以处理金属体系的电子关联。

2.2.1 体心立方锂 (BCC Lithium)

锂是一种价电子密度对应 $r_s \approx 3.2$ 的金属，具有实验晶格常数 3.453 Å。

  • 计算结果：经直接TDL和CBS外推后，AFQMC获得锂的内聚能为 1.45(2) eV。经误差修正后为 1.68(3) eV。实验值为 1.66 eV [114] (ZPE修正)，两者高度吻合。
  • 金属体系的额外挑战及应对：
    • 非均匀 k 点占据：HF试探波函数在不同k点上电子占据非均匀。通过在占据数低于最大值的 k 点处填充零列，使占据均匀化。这导致重叠矩阵奇异，通过Moore-Penrose伪逆解决。
    • 平衡时间长：金属体系的平衡时间远长于半导体。通过在平衡阶段使用较大的时间步长，并在生产阶段使用较小时间步长，显著缩短了平衡成本（图A9）。
  • 误差分析：锂原子具有S态基态总角动量，原子层面上AFQMC精度高。晶体无相误差（约1.1 mEh）和赝势误差（约0.2033(5) eV）也进行了评估和修正。修正后的AFQMC结果与实验值非常吻合。
  • 方法对比 (图5)：DFT (PBE, HSE) 表现良好。耦合簇方法 (CCSD, CCSDT, DCSDT) 结果依赖于激发级别。dRPA显著低估。DMC和VMC在0.1 eV内。本文的单参考AFQMC结果优于HF、dRPA和CCSD，且修正后与实验值非常一致，甚至超越了 CCSDT 等昂贵方法。

2.2.2 面心立方铝 (FCC Aluminium)

铝晶体表现出比锂更强的共价键特征，金属性相对较弱。

  • 计算结果：经TDL和CBS外推后，AFQMC获得铝的内聚能为 3.54(2) eV。经原子无相误差修正后为 3.41(2) eV。实验值为 3.43 eV [114]，吻合良好。
  • 铝体系的挑战及应对：
    • 壳效应：即使在HF层面，将总能量收敛到TDL也具有挑战性。通过扭曲平均（在Baldereschi点）将Hartree-Fock参考能量外推到TDL。
  • 误差分析：原子无相偏差是主要误差来源，因为Al原子基态总轨道角动量 L = P [134]。修正后结果与实验值相差约0.02 eV。由于CCSD计算在 $2\times 2\times 2$ 超胞上不收敛，因此无法进行CISD-AFQMC比较。
  • 方法对比 (图6)：PBE和HSE接近精确。两种CC方法（CCSD, CCSD(T)SR）显著低估。本研究表明，通过适当处理赝势误差和原子无相偏差，单行列式AFQMC可以实现对典型金属内聚能的近乎精确计算。

2.3 强关联过渡金属氧化物 (TMOs)

TMOs是典型的关联材料，部分填充的d轨道导致竞争能量尺度和复杂的磁序，DFT通常难以准确预测其性质。

2.3.1 NiO (氧化镍)

NiO 是岩盐结构的TMO，其最近邻（NN）海森堡哈密顿量不足以描述其磁性，主导耦合是反铁磁次近邻（NNN）交换 J2，而 NN 耦合 J1 则小得多。

  • 计算结果：
    • 海森堡交换常数：AFQMC计算 J1 = -0.4(1.7) meV，J2 = -19(2) meV。J1在统计误差范围内很小，J2与实验值 -19.0(3) meV [147] 非常吻合。通过TDL外推，解决了3x3x3 k网格下J2的明显高估问题。
    • 局部磁矩：在AFMII基态下，计算得到Ni原子上的局部磁矩为 1.69(3) μB。实验值为 1.64-1.90 μB [167, 168, 169]，吻合良好。
    • 磁振子谱 (图9)：NN+NNN海森堡模型再现了实验测量的NiO磁振子谱。
  • 误差分析：在3x3x3超胞上，使用DZ基组的全电子计算显示赝势误差很小，J2的全电子修正值为 -31(2) meV。
  • 方法对比 (表3)：DFT结果强烈依赖于Fock交换分数。CASSCF和CASPT2在团簇模型上的计算给出了不同的值。scGW和QSGW低估了J2的大小。DMET(CCSD)结果与GW相当。

2.3.2 CaCuO2 (铜酸钙)

CaCuO2 作为铜酸盐母体化合物，其层状结构大部分强关联物理包含在 [CuO2]²⁻ 平面中。

  • 计算结果：AFQMC计算的NN交换耦合 |J| = 190(15) meV。实验值（海森堡模型）为 142-158 meV [173, 174, 175]，实验值（Hubbard模型）为 172-182 meV [175, 176]。AFQMC结果更接近于哈伯德模型估算值。
  • 意义：这表明AFQMC捕获了除了简单NN交换之外的更复杂的电子关联效应，包括长程和循环交换过程。这与Hubbard模型更能正确表示CaCuO2的自旋波谱的观点一致。
  • 方法对比 (表5)：DFT方法（PBE+U, PBE0）改善了Hartree-Fock结果，但低估或高估了|J|。DMET(CCSD)和DMC也略微低估。本研究的AFQMC结果在2σ范围内与Hubbard模型参数一致。

2.4 性能数据

  • 标度性：本文最核心的成就之一是将AFQMC的计算标度降至O(N³)（与DMC相当）和内存标度降至O(N²)，这在处理大体系和复杂基组时具有显著优势。
  • THC与传统Cholesky对比 (图A1)：对于金刚石体系，在3x3x3 k网格下，THC-AFQMC在各种基组上显著快于传统Cholesky-AFQMC。例如，对于QZ基组，THC方法速度提升近10倍。这直接证明了THC分解对计算效率的提升作用。
  • 局域能量算法比较 (图A2)：对于不同体系大小，Algorithm A2和A3的性能表现不同。当k网格密集且基函数数量相对较小时，Algorithm A3（内存占用小）更为有利；而当基函数数量增加时，Algorithm A2（更优的渐近标度）则占据主导地位。
  • ISDF收敛性 (图A3)：AFQMC能量在 $C_{ISDF} \approx 15$ 时收敛，确保了THC分解的准确性。
  • 时间步外推 (图A5)：验证了小时间步长下关联能量与时间步长呈线性关系，支持两点外推方案。
  • 平衡时间优化 (图A9)：对于金属体系，由于近零带隙，平衡时间较长。通过在平衡阶段采用较大的时间步长，然后丢弃权重，可以将平衡成本降低一个数量级，这对于TDL和CBS极限计算尤其重要。

总而言之，本研究的AFQMC方法在计算标度、内存效率和处理复杂体系方面的显著改进，使其成为固体模拟领域中一个极具竞争力的多体方法。

本研究的成功离不开精心设计的算法、高效的实现以及利用现代计算资源。以下是代码实现细节、复现指南和所用软件包的概述。

3.1 核心代码库与基础设施

  • 主要AFQMC代码库：本论文中所有的AFQMC计算均使用了一个开发版本的 ipie [192, 193]（ipie 是一个基于Python的辅助场量子蒙特卡罗软件包，以其灵活性和在CPU及GPU上的高效性著称）。ipie 的开发版本在此次工作中集成了THC和k点对称性等先进功能。
  • 从头计算积分与波函数：所有的周期性积分和受限 Hartree-Fock (RHF) 或非受限 Hartree-Fock (UHF) 试探波函数均通过 QCPBC [97, 196, 197] 生成，QCPBC 是 Q-Chem [198] 的周期性扩展。
  • 赝势：采用针对 Hartree-Fock 计算优化的大核 Goedecker-Teter-Hutter (GTH) 赝势 (GTH-HF-rev) [199]。
  • 基组：使用由 Ye 等人 [87] 优化的针对 GTH-HF-rev 赝势的关联一致性基组。

3.2 辅助软件包与误差分析工具

为了进行全面的误差分析和基准测试，研究中使用了多个量子化学软件包：

  • PySCF [191]：用于进行原子和晶体体系的 CCSD, CCSD(T) 和 FCI（Full Configuration Interaction）计算，以评估原子无相误差和晶体无相误差。
  • Dice [194]：用于进行半随机热浴构型相互作用（SHCI）计算，作为原子无相误差评估的参考，尤其是在 FCI 计算过于昂贵的情况下。
  • ad_afqmc [195]：一个辅助场量子蒙特卡罗软件包，用于 CISD-AFQMC 计算，作为晶体无相误差评估的基准。

3.3 计算资源与并行化

本研究充分利用了高性能计算资源，包括：

  • GPU 加速：ipie 的实现充分利用了图形处理器（GPU），显著加速了计算。计算主要在 NVIDIA A100 GPU 节点上进行，通常每个节点包含4个GPU。这对于处理大规模基函数和k点网格至关重要 [70]。
  • 国家能源研究科学计算中心 (NERSC) 和 橡树岭国家实验室领导力计算设施 (OLCF)：利用了这些超级计算中心的计算资源，通过 ERCAP 和 INCITE 等项目支持。
  • 哈佛大学 FAS 研究计算集群：提供了额外的计算支持。
  • 并行化：ipie 结合了 MPI (Message Passing Interface) 和 GPU 进行高效的并行计算，以应对大型固体体系的模拟需求。

3.4 关键算法实现细节

  • 金属体系的矩阵填充 (Appendix D)：
    • 问题：金属体系的 Hartree-Fock 基态通常表现出非均匀的 k 点占据。在Bloch轨道基组下，直接使用不同维度的块会导致矩阵运算效率低下。
    • 解决方案：将每个 k 点的占据电子数设置为所有 k 点的最大占据数 $n_{max}$。对于占据数小于 $n_{max}$ 的 k 点，通过填充零列来确保最终占据均匀。虽然这会引入奇异的重叠矩阵，但通过计算Moore-Penrose 伪逆，可以恢复定义良好的单体 Green 函数，从而确保力偏置和局域能量评估不受影响。
  • 金属体系的平衡时间优化 (Appendix E2)：
    • 问题：由于金属体系的带隙接近零，其平衡时间远长于半导体（例如，锂需要 60-80 a.u.，而金刚石和硅不到 10 a.u.）。
    • 解决方案：在平衡阶段使用较大的时间步长，随后丢弃权重。较大的时间步长能更快地将体系驱动到平衡分布，显著减少了平衡成本。例如，对于锂，这种策略将平衡块数从 800 个减少到 50 个左右，从而将平衡成本降低了一个数量级。

3.5 复现指南 (概念性步骤)

要复现本研究的结果，研究人员需要遵循以下概念性步骤：

  1. 软件环境搭建：安装 ipie (可能需要向作者获取开发版本或使用最新开源版本)、QCPBC、PySCF、Dice 和 ad_afqmc。确保所有依赖库（如MPI、CUDA、Python科学计算库）均已正确配置。
  2. 输入文件准备：
    • 定义研究体系的晶体结构（晶格常数、原子类型）。
    • 选择并生成适用于 GTH-HF-rev 赝势和关联一致性基组的 Hartree-Fock 试探波函数和所有周期性积分，使用 QCPBC。这包括设置 k 网格、动能截断能量 (Ecut) 等参数。
    • 针对磁性体系（如NiO, CaCuO2），需生成不同自旋对称性破缺相（如AFMII, FM）的HF波函数。
  3. AFQMC 计算：
    • 使用 ipie 运行 AFQMC 模拟，对不同的 k 网格、基组、时间步长和 walker 数量进行系统性测试。
    • 对于金属体系，应用文中描述的平衡策略（如在平衡阶段使用较大的时间步长）。
    • 对于计算交换耦合，需要运行不同磁性相的AFQMC计算，并提取总能量。
  4. 外推处理：
    • 时间步长：对AFQMC结果进行两点外推到零时间步长（$\Delta\tau \to 0$）。
    • 热力学极限 (TDL)：对关联能量进行逆体积（1/Nk）线性外推。对于金属体系，需对HF能量应用扭曲平均（Baldereschi点）进行TDL外推。
    • 完整基组 (CBS) 极限：对关联能量进行Helgaker的两点逆立方外推，以达到基组极限。
  5. 误差分析：
    • 原子无相误差：使用 PySCF 和 Dice 计算孤立原子的 FCI/SHCI 能量作为参考，并计算 ipie 的 AFQMC 能量，然后应用 BSSE 修正。
    • 晶体无相误差：使用 ad_afqmc 在小超胞上运行 CISD-AFQMC，并与 ipie 的 AFQMC 结果进行比较。
    • 赝势误差：在允许的情况下，对小超胞进行全电子计算，并与赝势计算结果进行比较，以估算赝势误差。
  6. 数据处理与分析：收集所有能量数据，执行外推，计算内聚能、磁性交换耦合和磁矩，并进行统计分析。

3.6 开源项目链接

本研究的数据集已在GitHub上开源，可供查阅和进一步分析：

需要注意的是，虽然 ipie [192, 193] 是一个知名的开源项目，但本论文中具体使用的“开发版本”及其集成的THC功能可能需要进一步与作者沟通以获取完整代码。其他提及的软件包如 PySCF [191]、Dice [194] 和 ad_afqmc [195] 均为开源。

4. 关键引用文献，以及你对这项工作局限性的评论

4.1 关键引用文献

本研究建立在量子化学和凝聚态物理领域众多前沿工作的基础上，其引用文献涵盖了AFQMC的核心理论、THC/ISDF技术、固体模拟的挑战与方法，以及用于基准测试和误差分析的计算框架。以下是按主题分组的关键引用文献：

  • AFQMC 核心理论：

    • [53] S. Zhang and H. Krakauer, Quantum Monte Carlo Method using Phase-Free Random Walks with Slater Determinants, Phys. Rev. Lett. 90, 136401 (2003)：无相近似AFQMC的奠基性工作。
    • [54] M. Motta and S. Zhang, Ab initio computations of molecular systems by the auxiliary-field quantum Monte Carlo method, WIRES Comput Mol Sci 8, 10.1002/wcms.1364 (2018)：AFQMC在分子体系中的应用综述。
    • [91] J. Hubbard, Calculation of Partition Functions, Phys. Rev. Lett. 3, 77 (1959) 和 [92] R. Stratonovich, On a method of calculating quantum distribution functions, Sov. Phys. Dokl. 2, 416 (1957)：Hubbard-Stratonovich 变换的原始工作。
    • [93] D. J. Thouless, Stability conditions and nuclear rotations in the Hartree-Fock theory, Nuclear Physics 21, 225 (1960) 和 [94] D. J. Thouless, Vibrational states of nuclei in the random phase approximation, Nuclear Physics 22, 78 (1961)：Thouless 定理，与Slater行列式变换相关。

  • 张量超收缩 (THC) / 关联插值可分离密度拟合 (ISDF)：

    • [80-86] 系列论文：THC或ISDF在量子化学中用于两电子积分分解的早期工作，奠定了本研究方法的基础。
    • [85] C.-N. Yeh and M. A. Morales, Low-Scaling Algorithm for the Random Phase Approximation Using Tensor Hypercontraction with k-point Sampling, J. Chem. Theory Comput. 19, 6197 (2023)：周期性ISDF的详细描述，与k点采样结合。
    • [98] F. D. Malone, S. Zhang, and M. A. Morales, Overcoming the memory bottleneck in auxiliary field quantum monte carlo simulations with interpolative separable density fitting, Journal of chemical theory and computation 15, 256 (2018)：早期将ISDF与AFQMC结合以解决内存瓶颈的工作。

  • 固体模拟中的AFQMC与相关方法：

    • [63-71] 系列论文：早期的固态AFQMC工作，通常依赖于各种近似（如下折叠哈密顿量、DFT基的有限尺寸修正等）。
    • [12-14] 系列论文：DMC在固体模拟中的综述性工作。
    • [31-33] 系列论文：耦合簇方法在固体模拟中的应用和挑战。
    • [42-46] 系列论文：动力学平均场理论和密度矩阵嵌入理论等嵌入式方法。

  • 误差分析与外推协议：

    • [188, 189] 系列论文：关于 MP2 和耦合簇方法中关联能量的TDL标度行为。
    • [131, 132] 系列论文：关于 DMC 中关联能量的TDL标度行为。
    • [101, 102] 系列论文：关于高斯基组中关联能量的CBS外推方法。

  • 计算框架与工具：

    • [191] Q. Sun et al., PySCF: The Python-based simulations of chemistry framework, Wire. Comp. Mole. Scie. 8, e1340 (2018)：广泛使用的Python量子化学计算库。
    • [192] F. D. Malone et al., Ipie: A Python-Based Auxiliary-Field Quantum Monte Carlo Program with Flexibility and Efficiency on CPUs and GPUs, J. Chem. Theory Comput. 19, 109 (2023) 和 [193] T. Jiang et al., Improved modularity and new features in ipie: Toward even larger AFQMC calculations on CPUs and GPUs at zero and finite temperatures, J. Chem. Phys. 161, 162502 (2024)：ipie 的发展和能力。
    • [194] S. Sharma, Dice: Semistochastic heat-bath configuration interaction (shci) and related methods, GitHub repository (2017)：SHCI 的实现。
    • [195] A. Mahajan, Automatically differentiable afqmc: An end-to-end differentiable auxiliary field quantum monte carlo (afqmc) code based on jax., GitHub repository (2023)：ad_afqmc 的实现。
    • [87] H.-Z. Ye and T. C. Berkelbach, Correlation-Consistent Gaussian Basis Sets for Solids Made Simple, J. Chem. Theory Comput. 18, 1595 (2022)：GTH-HF-rev 赝势关联一致性基组的开发。

4.2 对这项工作局限性的评论

尽管本研究在推动AFQMC应用于固体模拟方面取得了显著进展，但仍存在一些局限性，这些局限性是未来研究的重要方向：

  1. 无相近似 (Phaseless Approximation) 的固有偏差：

    • 根本限制：无相近似是控制费米子符号问题的核心，也是AFQMC在达到TDL和CBS极限后唯一显著的误差来源。虽然更高质量的试探波函数（如多行列式波函数、Jastrow-Slater波函数）可以减少这种偏差，但其生成成本较高，且无法完全消除偏差。
    • 非变分行为：研究发现，对于较大的金刚石超胞，单行列式试探波函数下的AFQMC结果可能显示出轻微的非变分行为（低于参考的CISD-AFQMC）。这表明在某些情况下，即使控制了其他误差，无相偏差仍可能引入不可预测性。

  2. 误差修正策略的近似性：

    • 原子无相误差：为了量化原子无相误差，研究采用了鬼原子（ghost atoms）来处理BSSE，并使用准精确求解器进行计算。但鬼原子近似的准确性以及高层求解器在处理更复杂原子时的可行性，仍可能引入微小不确定性。
    • 晶体无相误差：晶体无相误差的评估依赖于在**较小晶胞和较小基组（如DZ基组和2x2x2超胞）**上的CISD-AFQMC计算。这种外推假设误差不随体系大小和基组大小显著变化，这是一种实用的近似，但并非完全精确。
    • 赝势误差：赝势误差的评估也受限于小超胞和DZ基组上的全电子计算（由于全电子求解器和全电子ERI的THC分解限制）。虽然结果表明该误差通常较小，但在某些体系中（如硅），这种偶然抵消可能不会发生，从而凸显了其重要性。尽管作者计划未来通过全电子计算完全消除此误差，但这仍是当前工作的近似。

  3. 计算成本与复杂性：

    • 仍需高性能计算：尽管计算标度已显著降至O(N³)，对于非常大的超胞和极密集的k网格，AFQMC计算仍然需要大量的计算资源。特别是对于要求极高精度的磁性可观测数据（如CaCuO2中的循环交换耦合Jc），计算成本仍可能非常高。
    • 金属体系的额外复杂性：金属体系的非均匀k点占据和较长的平衡时间（图A9）需要额外的处理策略（如矩阵填充和多阶段时间步长），这增加了实现的复杂性。虽然这些策略已被证明有效，但在更复杂的金属体系中，它们可能面临新的挑战。

  4. 试探波函数的选择：

    • 单行列式为主：本研究主要使用RHF/UHF单行列式波函数作为试探波函数。虽然其已被证明对降低无相偏差有效，但对于强关联体系，多行列式（如来自CASSCF、DMRG或CI）或显式关联Jastrow-Slater波函数可以进一步降低偏差，但生成这些波函数的计算成本更高。

  5. 开源代码可及性：

    • “开发版本”的限制：尽管 ipie 是一个开源项目，但文中提及使用的是“开发版本”，且 GitHub 仓库仅提供了数据而非带有特定THC集成的 ipie 代码。这意味着精确复现完整的THC-AFQMC方法可能需要直接与作者沟通或等待相关功能集成到 ipie 的主分支中。

  6. 适用范围：

    • 本研究集中于典型的半导体、金属和强关联氧化物体系。对于更复杂的新材料（如拓扑材料、非常规超导体、复杂异质结等），AFQMC仍可能面临独特挑战，需要进一步的算法和理论发展。

这些局限性并非削弱了本研究的价值，相反，它们为AFQMC方法在凝聚态物理和材料科学领域未来的发展指明了方向。

5. 其他必要补充

5.1 影响力与重要性

本研究的成果对计算材料科学和凝聚态物理产生了深远的影响，将AFQMC推向了前所未有的应用广度和深度：

  • 填补方法空白：AFQMC现在能有效地填补DFT（高效但近似）、CC（精确但计算昂贵）和DMC（鲁棒但受赝势误差影响）之间的空白。它提供了一种在精度和效率之间取得平衡的、可系统改进的多体方法。
  • 统一计算框架：实现了对绝缘体、金属和强关联体系的统一处理，为研究各种材料特性（能量、磁性、结构）提供了一个连贯的平台。这对于需要跨越不同物理特性进行比较研究的材料发现尤为重要。
  • 开启新研究方向：
    • 有限温度AFQMC：为高温高压下的暖稠密物质（warm dense matter）模拟奠定基础，这是聚变能和行星科学中的关键领域 [182, 183]。
    • 动态关联函数：通过计算虚时动态关联函数，可以进一步分析实材料的谱函数，深入理解电子激发和谱学性质 [184-186]。
    • 自旋轨道耦合：为AFQMC集成精确的二分量相对论框架提供了可能性 [177]，这将使其能够处理重元素体系和拓扑材料中的自旋轨道效应。
    • 混合方法：与嵌入式方法（如DMET）或局部关联方法相结合，可以进一步拓展AFQMC处理更大、更复杂体系的能力。
  • 高通量计算潜力：通过将计算标度降至O(N³)并利用GPU加速，AFQMC成为更实用的高通量材料筛选和发现工具，加速新材料的设计和优化。

5.2 方法学上的细微之处

  • 高斯基组与平面波基组的对比：本研究采用高斯基组，相比于平面波基组（此前一些AFQMC工作使用），高斯基组提供了更紧凑的表示，更有利于CBS外推。虽然平面波基组自然处理全电子和赝势误差，但本研究通过特定的误差修正协议在高斯基组框架内解决了赝势误差，实现了两者的优势结合。
  • ipie 和 GPU 加速的关键作用：本研究的成功很大程度上依赖于 ipie 框架的灵活性以及对GPU的高度优化。GPU加速使得在可接受的时间内完成大规模计算成为可能，这对于验证新算法和探索复杂体系至关重要 [70]。
  • 固体关联一致性基组的重要性：由 Ye 等人 [87] 开发的针对GTH-HF-rev赝势的关联一致性基组，是本研究能够有效地进行CBS外推并实现高精度的关键使能因素。这些基组的质量直接影响了计算结果的可靠性。
  • 金属体系中 k 点占据的精细处理：为保持计算效率，通过对低占据 k 点进行零填充，并结合 Moore-Penrose 伪逆来处理奇异重叠矩阵，确保了在非均匀占据情况下 Green 函数的正确计算，体现了对金属体系特殊性的深刻理解和精细处理。

5.3 未来研究方向

本研究不仅本身具有重要价值，更为AFQMC领域的未来发展指明了多个令人兴奋的方向：

  • 全电子计算的实现：尽管本研究通过误差修正协议处理了赝势误差，但未来将致力于在 Gaussian 基组下实现全电子 AFQMC 计算，从而完全消除赝势误差。这可能需要开发新的 THC 分解方法以处理全电子 ERI 与 k 点对称性的结合（目前此方面仍有局限）。
  • 更先进的试探波函数：探索和整合更复杂的多行列式试探波函数（例如，来自 MCSCF、DMRG 或 CI 计算的结果）或显式关联 Jastrow-Slater 波函数，以进一步降低无相近似引入的偏差，特别是在强关联体系中。
  • 有限温度 AFQMC 的拓展：将 AFQMC 扩展到有限温度领域，以研究暖稠密物质的性质。同时，开发计算虚时动态关联函数的方法，从而通过解析延拓获得真实材料的谱学信息 [184-186]。
  • 自旋轨道耦合的集成：将 AFQMC 与精确的二分量相对论框架相结合 [177]，使其能够准确处理重元素体系中的自旋轨道耦合效应，拓宽其在复杂材料（如拓扑绝缘体、磁性材料）中的应用范围。
  • 混合计算方法：探索将 AFQMC 与其他局域关联或嵌入式方法（如 DMET）结合，以处理更大尺度的体系或在特定局部区域实现更高的精度，进一步拓展其应用范围。
  • 软件与算法优化：持续优化计算内核，特别是 GPU 上批处理 FFT 内核的效率，并提高通用矩阵乘法对不同 k 网格的鲁棒性，以进一步提升代码性能和可用性。

5.4 更广泛的意义

本研究将 AFQMC 方法提升到一个新的高度，使其成为凝聚态物理和材料科学领域中一个强大而通用的工具，其影响将超越特定体系的模拟：

  • 加速材料科学发展：为设计和发现新材料提供更准确、更具预测性的模拟能力，包括高温超导体、新型电池材料、催化剂等，有望加速新材料的开发进程。
  • 深化基础物理理解：通过对强关联、磁性现象和相变等复杂问题的精确模拟，加深对固体中基本物理机制的理解。
  • 推动计算方法学进步：本研究提出的 THC 和 k 点对称性结合的策略，为其他多体方法在处理周期性体系时提供了新的思路，有望启发更多高效算法的开发。

总之，这项工作不仅为 AFQMC 方法在固体领域的大规模应用奠定了坚实基础，也为未来在材料科学和基础物理领域的突破性研究开辟了广阔前景。