来源论文: https://arxiv.org/abs/2401.05048 生成时间: Feb 22, 2026 04:50

0. 执行摘要

传统的单参考耦合簇方法（如EOM-CCSD）在描述具有显著多参考特征的激发态，尤其是双激发态时，常常力不从心。为了应对这一挑战，本研究深入重新审视了ACCSD（Ansatze for Coupled-Cluster with Single and Double excitations），这是一种通过使用非Aufbau行列式作为参考来描述激发态的态专用耦合簇方法。我们系统地评估了ACCSD在各种激发态类型上的性能，包括双激发态、双重态-双重态跃迁以及闭壳层体系的单激发（单重态和三重态）态，并将其精度与广泛使用的EOM-CCSD方法进行了全面的比较。研究结果表明，ACCSD在描述双激发态方面表现出卓越的性能，显著优于EOM-CCSD，甚至在某些情况下可与更高阶的EOM-CC方法媲美。然而，对于双重态-双重态跃迁和单激发态，ACCSD的性能普遍不如EOM-CCSD，尤其是在激发态具有显著多配置特征时。此外，态专用轨道优化对提高ACCSD整体精度的作用有限。这项工作为理解ACCSD的适用场景和局限性提供了关键见解，并为未来开发更精确的激发态理论方法指明了方向。

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

准确描述分子激发态是量子化学领域的长期挑战之一，尤其是在处理具有多参考特征的激发态时。传统的单参考耦合簇（Single-Reference Coupled Cluster, SRCC）方法，例如通过对基态波函数应用激发算符的方程运动耦合簇（Equation-of-Motion Coupled Cluster, EOM-CC）或线性响应耦合簇（Linear-Response Coupled Cluster, LRCC），虽然在描述具有主导单激发特征的激发态时表现出色，但当激发态具有显著的双激发或更复杂的电子组态时，其准确性会大幅下降。这是因为EOM/LR-CC方法本质上是围绕基态构建的，并且其激发算符的截断（例如限于单激发和双激发，即EOM-CCSD）不足以捕捉这些复杂态所需的更高阶关联效应。

为了解决这一局限性，研究人员探索了多种替代策略，其中之一是采用“态专用”（state-specific）方法。态专用方法的目标是直接描述特定的激发态，而不是将其视为基态上的微扰。ACCSD（Ansatze for Coupled-Cluster with Single and Double excitations）正是这样一种态专用方法，它通过选择一个与目标激发态主导特征相匹配的非Aufbau行列式作为参考波函数，并在此参考上执行耦合簇计算。ACCSD已在描述双激发态方面展现出其独特的效率和准确性，而这正是EOM-CCSD的传统弱项。本研究的核心科学问题在于，系统性地评估ACCSD方法的普适性和准确性，探究其除了双激发态之外，在其他类型的激发态（如双重态-双重态跃迁以及闭壳层体系的单激发单重态和三重态）中的表现，并与广泛应用的EOM-CCSD方法进行全面的比较。此外，研究还探讨了态专用轨道优化对ACCSD性能的影响。

1.2 理论基础

1.2.1 耦合簇理论 (CC Theory)

耦合簇理论（CC）是一种高精度、非变分的电子结构方法，其核心思想是将精确的电子波函数 |Ψ) 表示为指数算符作用于一个参考行列式 |Φ₀) 的形式：

|Ψ) = e^T |Φ₀)

其中 |Φ₀) 通常是Hartree-Fock（HF）基态行列式，T 是一个激发算符，定义为不同激发算符 T_n 的总和：

T = Σ T_n

T_n 算符将 n 个电子从占据轨道激发到虚轨道，并由簇振幅（cluster amplitudes） t^a_i, t^{ab}_{ij} 等参数化。例如，在CCSD（Coupled Cluster with Singles and Doubles）方法中，T = T₁ + T₂，仅包含单激发（T₁）和双激发（T₂）算符。能量 E 和簇振幅的方程通过将Schrödinger方程 H|Ψ) = E|Ψ) 投影到参考行列式 (Φ₀| 和所有激发行列式 (Φ_μ| 上获得：

E = (Φ₀|e^-T H e^T|Φ₀) 0 = (Φ_μ|e^-T H e^T|Φ₀)

这里的 e^-T H e^T 是相似变换的哈密顿量，通常表示为正规序形式 H_N。

1.2.2 态专用与态平均方法

在计算激发能时，有两种主要策略：态平均（state-averaged）和态专用（state-specific）。

  • 态平均方法：使用一组共同的轨道来描述感兴趣的所有状态（基态和激发态）。这种方法在处理简并或准简并态时特别有用，并确保了不同态之间的处理一致性。然而，这些轨道通常不是特定态的最优解，可能导致精度损失。
  • 态专用方法：为每个目标态独立优化其轨道和波函数。这种方法旨在最大化每个态的准确性，因为轨道可以更好地适应该态的电子结构。ACCSD正是采用了态专用思想，通过使用与目标激发态主导特征相匹配的非Aufbau行列式作为参考，并可以针对该态优化轨道。

1.2.3 方程运动耦合簇 (EOM-CCSD)

EOM-CCSD是一种广泛使用的激发态方法，它通过对相似变换的哈密顿量 H_N = e^-T H e^T 进行对角化来获得激发态能量。具体来说，EOM-CC寻求解决一个修正的Schrödinger方程：

H_N |Ψ(k)) = ΔE(k) |Ψ(k))

其中 |Ψ(k)) 是第 k 个激发态波函数，ΔE(k) 是激发能，|Ψ(k)) 通过线性激发算符 R(k) 作用于CC基态波函数 |Ψ(0)) = e^T |Φ₀) 产生：

|Ψ(k)) = R(k) |Ψ(0))

EOM-CCSD的优势在于其相对较低的计算成本（相较于高阶MRCC）和在单激发态上的高精度。然而，由于其基态偏向性，以及激发算符 R(k) 通常被截断为单激发和双激发，它在描述多参考特征或双激发态时表现不佳，因为这些态需要更高阶的电子关联效应。

1.2.4 Hilbert-Space MRCC (HS-MRCC) 与双行列式耦合簇 (TD-CC)

多参考耦合簇（MRCC）方法旨在从根本上解决单参考方法的局限性。在Hilbert空间MRCC（HS-MRCC）中，波函数 |Ψ) 由一个波算符 Ω 作用于一个模型波函数 |Ψ₀) 产生：

|Ψ) = Ω |Ψ₀)

Jeziorski-Monkhorst形式的波算符 Ω = Σ_I e^(T_I)，其中 I 遍历模型空间 M₀ 中的所有参考行列式，T_I 是针对每个参考 I 定义的簇算符。模型波函数 |Ψ₀) 是模型空间中参考行列式的线性组合。然后通过 Bloch 方程 HΩ = ΩH_S 来确定振幅和能量，其中 H_S 是有效哈密顿量 P H Ω P。TD-CC（Two-Determinant Coupled Cluster）是HS-MRCC的一种特殊简化形式，它将模型空间限制为仅包含两个自旋反转相关的开壳层行列式 |A) 和 |B)。这使得TD-CC特别适用于描述单激发闭壳层体系的单重态和三重态激发态，因为这些态可以有效地由两个行列式来描述：

|Ψ^S₀) = (|A) + |B)) / √2 (单重态模型波函数) |Ψ^T₀) = (|A) - |B)) / √2 (三重态模型波函数)

在TD-CCSD级别，激发算符被限制为相对于其各自参考的单激发和双激发。由于模型空间中行列式之间的自旋反转关系，计算所需的振幅集合大大简化，仅需解决一套振幅方程即可。有效哈密顿量的对角化直接给出单重态和三重态能量：

E^S = (A|H_N e^A T|A) + (A|H_N e^B T|B) E^T = (A|H_N e^A T|A) - (A|H_N e^B T|B)

这些方程的详细推导和实现是TD-CC方法的核心。

1.3 技术难点

  1. 多参考态描述的固有挑战：EOM-CCSD在描述双激发态和强多配置态时，精度不足是核心痛点。ACCSD试图通过改变参考行列式来解决，但其本质仍是单参考的CCSD。当激发态不能被单一（即使是非Aufbau）行列式很好地描述时，ACCSD的性能会受到限制。

  2. 态专用轨道优化问题：态专用方法需要优化特定态的轨道，这可能面临收敛困难，例如根翻转（root-flipping）或变分坍塌（variational collapse）。在ACCSD中，oo-ACCSD依赖于在最小CSF空间中优化的轨道，这种优化并非针对CCSD能量本身，可能不是全局最优。

  3. TD-CCSD方程推导与实现复杂性：TD-CCSD涉及两个参考行列式，其簇振幅方程的推导（包括重整化项和非连接项的处理）极其复杂且容易出错。手动处理大量方程和指标是实施过程中的主要障碍，因此需要自动化工具来确保正确性。

  4. 目标态识别和追踪：在态专用方法中，如何确保计算收敛到正确的、感兴趣的激发态是一个实际挑战，尤其是在存在多个相似能量的态时。文章中提到HF-ACCSD有时无法明确找到目标态。

1.4 方法细节

本研究采用的ACCSD方法具体实施细节如下：

  • 基态计算：基态能量均使用标准的CCSD方法，并配合基态HF（Hartree-Fock）轨道进行计算。对于闭壳层系统使用RHF，开壳层系统使用ROHF。

  • 激发态类型与ACCSD策略：

    • 双激发态：对于双激发态，ACCSD计算是在一个闭壳层双激发行列式上执行的CCSD。这个非Aufbau参考行列式通过将两个电子从最高占据分子轨道（HOMO）激发到最低未占据分子轨道（LUMO）来构建，以匹配双激发态的主要特征。
    • 双重态-双重态跃迁：对于自由基体系的双重态-双重态跃迁，ACCSD计算是在一个单激发开壳层行列式上执行的CCSD。这个参考行列式通过将一个电子从占据轨道激发到虚轨道来创建，旨在描述自由基的激发。
    • 开壳层单激发（单重态和三重态）：对于闭壳层体系的开壳层单激发单重态和三重态，采用了TD-CCSD（Two-Determinant Coupled Cluster）方法。TD-CCSD使用一对自旋反转相关的开壳层单激发行列式作为参考空间。这种方法能更好地处理这些态的轻微多参考特性。

  • 轨道选择方案：研究中比较了两种轨道选择策略，以评估轨道优化对ACCSD性能的影响：

    • HF-ACCSD：在此方案中，所有耦合簇计算（包括基态和激发态）都使用基态Hartree-Fock（HF）轨道。对于激发态计算，通过改变轨道的占据数来匹配目标激发态的主导行列式。
    • oo-ACCSD（optimized orbitals ACCSD）：此方案中，基态仍然使用HF轨道。然而，对于激发态，则采用态专用优化轨道。这些轨道是通过对非Aufbau单配置态函数（CSF）参考进行Newton-Raphson优化得到的。需要强调的是，这些优化后的轨道最小化的是参考CSF的能量，而非CCSD能量本身，这与轨道优化耦合簇（OO-CCSD）有所不同。

  • 方程推导自动化：鉴于TD-CCSD方程的复杂性，本研究利用了自动化工具进行方程推导。作者开发了Python代码，该代码结合了 ptq 和 SimpleWick 工具，能够自动生成LaTeX格式的公式和Fortran代码，从而极大地减少了手动推导和实现过程中可能出现的错误，并提高了开发效率。

2. 关键 benchmark 体系，计算所得数据，性能数据

2.1 数据集与计算设置

本研究使用了来自QUEST数据库的276个激发态作为基准测试集，这些态涵盖了多种小分子和中等有机化合物，包括125个单重态、36个双重态以及106个三重态。其中，有9个被明确识别为双激发态。与早期的工作相比，部分态因其复杂的描述要求（例如需要多于一个闭壳层行列式）而被移除。

  • 几何结构：所有分子的几何结构均取自QUEST数据库。对于Borole和Oxalyl fluoride这两个新引入的体系，其几何结构通过CC3/aug-cc-pVTZ理论水平进行优化。
  • 基组：对于包含三个或更少非氢原子的分子，采用aug-cc-pVDZ基组；对于其他分子，则使用6-31+G(d)基组。对于第三周期及更重的原子，采用冻结核近似。Be原子特殊处理，使用aug-cc-pVDZ基组以符合参考工作。
  • 参考值：所使用的参考激发能主要来自于CC with singles, doubles, triples, and quadruples (CCSDTQ) 或 extrapolated FCI (exFCI) 计算，确保了基准数据的高精度。
  • 计算软件：所有计算均使用QUANTUM PACKAGE软件执行，其中实现了CCSD（用于开壳层和闭壳层系统）和TD-CCSD方法。
  • 统计指标：为了全面评估方法的性能，使用了均方误差（Mean Signed Error, MSE）、平均绝对误差（Mean Absolute Error, MAE）、均方根误差（Root-Mean-Square Error, RMSE）以及误差标准差（Standard Deviation of Errors, SDE）等统计指标。

2.2 计算所得数据与性能分析

2.2.1 双激发态

关键体系：Beryllium, Borole, Ethylene, Formaldehyde, Glyoxal, Nitrosomethane, Nitroxyl, Oxalyl fluoride, Tetrazine (共9个)。

性能数据：由于双激发态数量较少，本研究未进行统计分析，但结果在 Fig. 2 和 Table I 中以误差（相对于参考值）的形式呈现。ACCSD（包括HF-ACCSD和oo-ACCSD）系统性地高估激发能。

  • HF-ACCSD和oo-ACCSD对比EOM-CC3/CCSDT：ACCSD方法在描述双激发态时表现出卓越的性能，显著优于EOM-CC3甚至EOM-CCSDT。例如，对于Beryllium，HF-ACCSD和oo-ACCSD的误差仅为+0.01 eV，远低于EOM-CC3的+0.01 eV和EOM-CCSDT的+0.00 eV（尽管数据相似，但ACCSD在其他双激发态如Ethylene上优势明显，其误差为+0.03 eV对比EOM-CC3的+0.50 eV）。这符合预期，因为EOM-CCSD在截断为单双激发时，无法充分描述双激发态所需的更高阶关联。
  • 轨道优化影响：HF-ACCSD和oo-ACCSD的结果非常相似，除了Formaldehyde。这意味着对于双激发态，态专用轨道优化带来的精度提升有限。
  • 高误差体系：Glyoxal和Oxalyl fluoride的误差最大（约1 eV）。通过SCI计算发现，这些体系的激发态波函数除了主导的双激发行列式外，还包含第二个显著的双激发行列式。ACCSD基于单一参考的框架，难以捕捉这种多参考特性，导致精度下降。

2.2.2 双重态-双重态跃迁

关键体系：共36个自由基双重态。

性能数据：如 Fig. 3 和 Table II 所示。

  • EOM-CCSD表现最佳：EOM-CCSD的MAE为0.07 eV，MSE为0.05 eV，RMSE为0.13 eV。
  • ACCSD性能略逊：HF-ACCSD的MAE为0.09 eV，oo-ACCSD的MAE为0.10 eV。虽然略逊于EOM-CCSD，但差距不大。HF-ACCSD的MSE接近零（0.01 eV），而oo-ACCSD的MSE略高（0.05 eV），与EOM-CCSD相似。
  • 轨道优化影响：oo-ACCSD的MAE、RMSE和SDE略高于HF-ACCSD，表明在此类态上，态专用轨道优化未能带来显著改善，甚至可能略有劣化。这可能是一个统计学上的偶然现象，也可能反映了当前轨道优化策略的局限性。
  • 与ACISD比较：oo-ACCSD（MAE 0.10 eV）优于ACISD（MAE 0.16 eV），这归因于CC连接项中包含的高阶激发效应。

2.2.3 开壳层单激发（单重态和三重态）

关键体系：231个态（最初237个态中排除了6个因HF-ACCSD无法收敛或目标态识别困难的态）。

性能数据：如 Fig. 4 和 Table III 所示。

  • EOM-CCSD显著优越：EOM-CCSD在所有指标上均显著优于ACCSD。EOM-CCSD的MAE为0.08 eV，RMSE为0.13 eV。
  • ACCSD性能不佳：HF-ACCSD的MAE为0.17 eV，oo-ACCSD的MAE为0.15 eV。ACCSD方法存在大量超过0.2 eV的绝对误差（HF-ACCSD有19个，oo-ACCSD有15个），而EOM-CCSD仅有2个。
  • 多配置性影响：为了评估ACCSD在更纯粹的单参考问题上的性能，研究排除了19个具有强多配置特征的态（ππ*价激发，其在EOM-CCSD向量中包含多个主导行列式）。排除这些态后，ACCSD的MAE有所改善（HF-ACCSD从0.17 eV降至0.13 eV，oo-ACCSD从0.15 eV降至0.12 eV），但仍不如EOM-CCSD（MAE保持在0.09 eV）。这清楚地表明ACCSD的性能随着激发态多配置特征的增强而下降。
  • 权重分析（Fig. 5和Fig. 6）：
    • Fig. 5的散点图显示，ACCSD的激发能误差随着参考CSF在EOM-CCSD向量中权重的降低而增加，证实了ACCSD更适用于能够被单一CSF良好描述的态。
    • Fig. 6显示，当主导CSF的权重较高时，HF-ACCSD的MAE接近EOM-CCSD，甚至在权重超过0.67时表现更好。然而，oo-ACCSD在低权重区域表现优于HF-ACCSD，但在权重增加时改进不显著，且未能超越EOM-CCSD。这可能与oo-ACCSD在目标态识别上的困难有关。
  • 单重态与三重态：EOM-CCSD在描述三重态时表现出更好的性能。相比之下，HF-ACCSD和oo-ACCSD在单重态和三重态上的MAE和MSE相似，表明ACCSD对不同自旋多重度的态处理更为一致。
  • 价态与里德堡态：ACCSD在描述里德堡态时表现较好，但在价态描述上则不尽如人意，特别是对于ππ*跃迁。排除多配置态后，ACCSD在价态和里德堡态之间的差距有所减小。

3. 代码实现细节，复现指南，所用的软件包及开源 repo link

3.1 核心代码实现

本研究中所有耦合簇计算均基于QUANTUM PACKAGE软件进行。QUANTUM PACKAGE是一个功能强大的开源量子化学程序包，由法国图卢兹化学与量子物理实验室（LCPQ）开发维护，旨在提供精确的电子结构方法，特别是针对多参考系统。该软件包内置了标准的CCSD（用于闭壳层和开壳层系统）以及本文介绍的TD-CCSD方法。

ACCSD策略的实现：

ACCSD（Ansatze for Coupled-Cluster with Single and Double excitations）的核心在于采用态专用方法，即针对每个目标激发态选择一个特定的参考行列式。这与传统的EOM-CCSD方法不同，EOM-CCSD始终以基态Hartree-Fock行列式作为参考。

  • 参考行列式构建：

    • 双激发态：对于双激发态，参考行列式是基于一个闭壳层双激发配置（例如将两个电子从HOMO激发到LUMO）构建的。这意味着在计算中，我们不是从基态的 (HOMO)^2 构型出发，而是从 (HOMO-2)(LUMO)^2 构型出发。
    • 双重态-双重态跃迁：对于自由基体系的双重态-双重态跃迁，参考行列式是一个开壳层单激发配置（例如将一个电子从占据轨道激发到虚轨道）。
    • 开壳层单激发（单重态和三重态）：对于闭壳层体系的单激发单重态和三重态，采用了TD-CCSD方法。TD-CCSD使用一对自旋反转相关的开壳层单激发行列式 |A) 和 |B) 作为参考。例如，对于 π→π* 激发，|A) 可能对应于 (HOMO)^1(LUMO)^1 且自旋向上，而 |B) 则对应于 (HOMO)^1(LUMO)^1 且自旋向下。这种双行列式参考空间允许更灵活地描述这些态。

  • 轨道选择方案：

    • HF-ACCSD：所有计算均使用基态RHF/ROHF轨道。对于激发态，仅改变参考行列式的占据，而不重新优化轨道。
    • oo-ACCSD：基态仍使用HF轨道。但对于激发态，使用Newton-Raphson方法对最小CSF空间（即目标非Aufbau行列式）进行轨道优化。此优化在QUANTUM PACKAGE中实现。

TD-CCSD方程推导的自动化：

手动推导和实现TD-CCSD方程，特别是处理复杂的重整化项和非连接图，是极易出错且耗时的工作。为了确保推导的准确性和代码实现的正确性，作者采用了自动化工具链：

  1. SimpleWick：作者开发了一个Python库，用于将任意第二量子化算符串转换为正规序形式，并处理Wick定理的各项收缩。这对于处理TD-CCSD中的 e^-T H e^T 和 e^T |B) 等表达式至关重要。该工具在GitHub上开源：https://github.com/LCPQ/SimpleWick。
  2. Gen_Eq_TDCC：这是一个专门用于生成TD-CCSD方程的工具，它结合了 SimpleWick 的功能，并利用 ptq（Rubin和DePrince开发）等代数推导工具，自动生成LaTeX格式的方程和Fortran源代码。这极大地简化了新方法方程的开发和验证过程。该工具在GitHub上开源：https://github.com/LCPQ/Gen_Eq_TDCC。

通过这些自动化工具，复杂的TD-CCSD方程（例如振幅方程 AQ₁ 和 AQ₂）能够被精确地推导出来，并转化为可直接用于QUANTUM PACKAGE的Fortran代码模块。

3.2 复现指南

要复现本研究中的ACCSD和TD-CCSD计算，需要以下步骤和资源：

  1. 获取QUANTUM PACKAGE软件：作为核心计算平台，QUANTUM PACKAGE是必需的。虽然论文中引用了其GitHub链接（Ref. 99），建议访问其官方网站或GitHub仓库获取最新版本和安装说明：https://github.com/QuantumPackage/qp2 (通常为 qp2 或其他版本名称)。

  2. 安装必要的依赖：除了QUANTUM PACKAGE本身，还需要Python环境和相关的库来使用 SimpleWick 和 Gen_Eq_TDCC 工具。

  3. 获取几何结构和基组信息：

    • 几何结构：论文提到数据来自QUEST数据库。用户需要从QUEST数据库或其他可靠来源获取相关分子的XYZ坐标。Borole和Oxalyl fluoride的几何结构应在论文的Supporting Information中。
    • 基组：根据分子的原子数量和类型，选择正确的基组：少于等于3个非氢原子使用aug-cc-pVDZ，其余使用6-31+G(d)。冻结核近似应根据需要设置。

  4. 准备HF轨道：对于所有计算，首先需要进行基态的Hartree-Fock计算（RHF用于闭壳层，ROHF用于开壳层）以获得初始轨道。这通常是量子化学计算的标准第一步，由QUANTUM PACKAGE执行。

  5. 执行ACCSD计算：

    • 基态CCSD：首先计算基态能量作为激发能的参考点。
    • 激发态参考行列式选择：根据目标激发态的类型，手动确定合适的非Aufbau参考行列式。这通常通过分析低精度（如EOM-CCSD）计算的结果或化学直觉来识别主导配置。
      • 双激发态：参考是闭壳层双激发行列式。
      • 双重态-双重态：参考是开壳层单激发行列式。
      • 开壳层单激发（单重态/三重态）：参考是两个自旋反转的开壳层单激发行列式。
    • HF-ACCSD：直接在上述非Aufbau参考行列式上，使用基态HF轨道，执行CCSD计算。
    • oo-ACCSD：在非Aufbau参考行列式上，使用QUANTUM PACKAGE中实现的Newton-Raphson优化器对该单CSF参考的轨道进行优化，然后执行CCSD计算。

  6. 执行EOM-CCSD计算：为了进行比较，还需要使用QUANTUM PACKAGE执行标准的EOM-CCSD计算。

  7. 数据后处理：计算激发能（激发态能量减去基态能量）并与参考值进行比较，计算各种统计指标（MAE, MSE, RMSE, SDE）。

开源资源链接汇总：

复现中的潜在挑战：

  • 参考行列式选择：对于复杂分子，识别主导非Aufbau参考行列式可能不总是直观的，需要一定的经验或辅助分析。
  • 轨道优化收敛性：oo-ACCSD的轨道优化过程可能面临收敛困难，尤其是在某些病态分子或激发态中。
  • 计算资源：虽然ACCSD的计算成本低于更高阶方法，但大规模的基准测试仍然需要可观的计算资源。

3.3 软件与开源生态系统

本研究的成功离不开QUANTUM PACKAGE及其相关开源工具链。QUANTUM PACKAGE作为一款全功能的量子化学软件，提供了从HF到各类耦合簇方法的实现，为研究人员开发和测试新方法提供了坚实的基础。而 SimpleWick 和 Gen_Eq_TDCC 等Python工具的开发和开源，则体现了现代量子化学软件工程中自动化和模块化的重要趋势。这些工具不仅加速了理论方法的开发，也降低了新方法实现的门槛，促进了科研社区的协作与进步。这种开源生态系统对于推动量子化学领域的发展至关重要。

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

本研究构建于量子化学领域，特别是耦合簇理论和激发态计算的深厚基础之上，引用了大量开创性和最新研究。以下是一些与本工作密切相关的关键文献：

  1. 耦合簇理论基础：

    • Čížek, J. Chem. Phys. 45, 4256 (1966) (Ref. 20): 耦合簇理论的奠基性工作之一，首次将指数算符引入量子化学。
    • Bartlett, R. J. and Musiał, M. Rev. Mod. Phys. 79, 291 (2007) (Ref. 24): 综合性回顾耦合簇理论的最新进展和应用，是该领域的权威综述。

  2. 方程运动耦合簇（EOM-CC）：

    • Rowe, D. J. Rev. Mod. Phys. 40, 153 (1968) (Ref. 26): EOM方法在核物理中的起源，为量子化学中的EOM-CC奠定了基础。
    • Stanton, J. F. and Bartlett, R. J. J. Chem. Phys. 98, 7029 (1993) (Ref. 30): EOM-CCSD的首次实现和详细理论，使其成为激发态计算的标准方法之一。

  3. 多参考耦合簇（MRCC）和双行列式耦合簇（TD-CC）：

    • Jeziorski, B. and Monkhorst, H. J. Phys. Rev. A 24, 1668 (1981) (Ref. 166): Jeziorski-Monkhorst ansatz的引入，为Hilbert空间MRCC奠定了基础。
    • Balková, A. and Bartlett, R. J. Chem. Phys. Lett. 193, 364 (1992) (Ref. 172): Bartlett小组关于双行列式耦合簇（TD-CC）的开创性工作，是本研究中处理单激发开壳层态的基础。
    • Piecuch, P. and Paldus, J. Phys. Chem. 99, 15354 (1995) (Ref. 199): Piecuch和同事对自旋适应TD-CC的贡献，进一步完善了这类方法。

  4. ACCSD的先驱应用：

    • Lee, J., Small, D. W., and Head-Gordon, M. J. Chem. Phys. 151, 214103 (2019) (Ref. 113): 该工作展示了ACCSD在双激发态描述中的准确性，是本研究的直接灵感来源。
    • Mayhall, N. J. and Raghavachari, K. J. Chem. Theory Comput. 6, 2714 (2010) (Ref. 114): 对NiH分子多重CCSD解的收敛研究，揭示了非Aufbau参考的应用潜力。

  5. 态专用CI方法：

    • Kossoski, F. and Loos, P.-F. J. Chem. Theory Comput. 19, 2258 (2023) (Ref. 84): 作者团队在态专用选配置相互作用（SCI）方面的最新工作，为本研究的轨道优化策略和基准测试提供了背景。

  6. QUEST数据库：

    • Véril, M. et al. WIREs Comput. Mol. Sci. 11, e1517 (2021) (Ref. 207): 本研究中激发能参考值的核心来源，提供了高质量的基准数据。

这些文献共同构成了本研究的理论框架和方法论基础，展示了量子化学方法在描述复杂电子结构问题上的持续演进。

4.2 对这项工作局限性的评论

尽管本研究对ACCSD方法进行了全面的评估，并为理解其适用性提供了宝贵见解，但仍存在一些值得关注的局限性：

  1. 对多配置态处理的根本性不足：研究结果明确指出，ACCSD在处理具有强多配置特征的激发态时性能显著下降，尤其是在开壳层单激发态的ππ*价激发中。即使通过排除那些被EOM-CCSD向量判断为具有多个主导行列式的“病态”多参考态，ACCSD的精度仍不如EOM-CCSD。这揭示了ACCSD尽管采用非Aufbau参考，其本质上仍是单参考CCSD方法的局限性——它难以从根本上解决那些需要多个参考行列式才能准确描述的强多参考问题。它的成功依赖于目标态能被一个单一的（即使是非Aufbau）行列式良好描述。

  2. 双激发态的特例和敏感性：虽然ACCSD在“纯粹”双激发态中表现卓越，但当激发态波函数包含多个具有显著权重的双激发行列式时（例如Glyoxal和Oxalyl fluoride），其精度也会明显下降。这表明ACCSD的优势并非普遍适用于所有双激发态，而是对参考行列式的选择和目标态的配置纯度有一定要求。

  3. 轨道优化效果有限：态专用轨道优化（oo-ACCSD）的引入旨在提高精度，但在双激发态和双重态-双重态跃迁中，其对MAE的提升非常有限，甚至在某些情况下略有劣化。对于单激发态，虽然有小幅改善，但总体上仍未能弥补与EOM-CCSD之间的差距。这暗示了当前轨道优化策略（在最小CSF空间中优化轨道）可能不足以捕获复杂关联效应，或者优化的轨道并非CCSD能量本身的最优解，其效益不如预期。

  4. 目标态识别的挑战与鲁棒性：论文提到在HF-ACCSD计算中，有时无法明确找到感兴趣的电子态（如Formaldehyde）。这种问题在态专用方法中并不少见，可能导致计算的鲁棒性下降，在实际应用中需要额外的验证和检查来确保目标态的正确性。

  5. 未涵盖的激发态类型：研究明确指出，电荷转移态（Charge-Transfer states）是一个未探索的领域。这类态通常涉及显著的轨道弛豫，ACCSD在此类态上的性能可能与EOM-CCSD形成鲜明对比，但本研究未能提供相关评估。因此，ACCSD的普适性尚未完全验证。

  6. 计算成本与扩展性未完全评估：虽然论文声称ACCSD的计算成本在多项式尺度上增长，使其有望应用于大体系，但研究的基准集主要集中在小分子和中等分子。ACCSD在大体系中的实际性能、收敛性及内存/磁盘需求尚未得到系统评估。EOM-CCSD在大体系中性能下降的观察（Ref. 219）同样适用于ACCSD，这方面的进一步研究是必要的。

  7. 非变分方法的固有属性：耦合簇理论是非变分的，ACCSD作为其衍生方法也继承了这一属性。这意味着其计算出的能量并非总是在真实能量之上（或之下），这可能使得结果的解释和错误分析变得更加复杂。对于一些对能量单调性有要求的应用，这可能是一个限制。

  8. 对“主导行列式”的依赖：ACCSD的成功很大程度上取决于目标激发态能够被一个“主导”的非Aufbau行列式很好地表示。对于那些具有高度混合或多个几乎等价配置贡献的态，这种基于单个参考的方法可能会出现显著的偏差。

这些局限性并不否定本研究的价值，反而为未来ACCSD方法的改进和扩展指明了清晰的方向。

5. 其他必要补充

5.1 ACCSD的优势与适用场景

尽管本研究揭示了ACCSD的一些局限性，但其在特定场景下的优势仍然显著，使其成为量子化学工具箱中的一个重要补充：

  1. 卓越的双激发态描述能力：这是ACCSD最突出的优势。对于那些无法通过单激发算符有效描述的“纯粹”双激发态，EOM-CCSD通常表现极差，而EOM-CCSDT/Q等高阶方法计算成本高昂。ACCSD提供了一种相对高效且高精度的方法来描述这类态，填补了这一空白。当双激发态可由单一非Aufbau行列式良好描述时，ACCSD的性能甚至超越了EOM-CC3和EOM-CCSDT。

  2. 态专用性带来的理论优势：ACCSD通过使用与目标激发态更匹配的非Aufbau参考行列式，从理论上避免了基态参考带来的偏向。这种“自适应”的参考选择策略使其能够更直接地捕获激发态的电子结构，而无需依赖基态的特性。

  3. 处理开壳层单重态和三重态的可行方案：TD-CCSD作为ACCSD的一个变体，为处理闭壳层体系的开壳层单重态和三重态激发提供了一种有效的多参考近似。对于这些具有轻微多参考特性的态，TD-CCSD提供了一个平衡精度和计算效率的解决方案。

  4. 计算成本相对可控：ACCSD（CCSD级别）的计算成本在多项式尺度上增长（N^6，N为轨道数量），远低于EOM-CCSDT (N^7) 或EOM-CCSDQ (N^8)。这意味着对于中等大小的体系，尤其是在需要准确描述双激发态时，ACCSD提供了一个更具计算可行性的替代方案。

  5. 不同自旋多重度的激发态处理一致性：研究发现ACCSD在描述单重态和三重态激发时表现出更高的一致性，即其MAE和MSE在两者之间差异较小。这对于系统研究不同自旋态性质，特别是涉及自旋转换或光物理过程的体系，提供了一个有力的工具。

5.2 对未来的展望与研究方向

本研究为ACCSD方法的进一步发展和应用奠定了基础，并提出了以下几个未来的研究方向：

  1. 更先进的轨道优化策略：当前oo-ACCSD的轨道优化是在最小CSF空间中进行的，并非直接优化CCSD能量。未来的工作可以探索：

    • 轨道优化耦合簇（OO-CCSD）：直接最小化CCSD能量对轨道的依赖性，这可能带来更显著的精度提升，尤其是在强多参考态中。
    • 广义态专用轨道优化：开发更灵活的轨道优化方案，能够适应更复杂的参考空间和多配置特征。

  2. 扩展到更复杂的参考空间：ACCSD在处理具有多个重要参考行列式的激发态时性能下降。未来的研究应探索：

    • 多参考ACCSD：将ACCSD推广到更广义的多参考框架，例如与选配置相互作用（Selected Configuration Interaction, SCI）或多参考微扰理论（Multireference Perturbation Theory, MRPT）结合，以处理更复杂的强多参考态。
    • 自适应参考选择：开发自动识别并选择最优多参考空间的算法，以提高方法的普适性和鲁棒性。

  3. 电荷转移态的评估：电荷转移态的准确描述对轨道弛豫敏感。ACCSD的态专用性质使其有望在此领域展现出独特优势。未来应进行专门的基准测试来评估ACCSD在电荷转移态上的性能，并与DFT/TD-DFT以及其他MRPT方法进行比较。

  4. 势能面与激发态动力学：当前研究主要集中在垂直激发能。将ACCSD扩展到计算激发态势能面、非绝热耦合和激发态动力学，将使其成为研究光化学和光物理过程的更全面工具。

  5. 与机器学习的结合：鉴于ACCSD在特定场景下的优势，可以探索将其结果作为机器学习模型训练的精确数据，或者利用机器学习辅助ACCSD的参考选择和轨道优化过程，以加速计算并提高精度。

  6. 算法优化与并行化：随着体系大小的增加，计算效率变得至关重要。进一步优化ACCSD方法的算法，并利用GPU或其他高性能计算架构进行并行化，将扩大其应用范围。

  7. 开源工具链的持续完善：SimpleWick 和 Gen_Eq_TDCC 等自动化工具的开发是推动量子化学方法学发展的典范。持续维护、更新和扩展这些工具，使其能够支持更广泛的耦合簇方法和理论框架，将极大地促进社区的创新。

5.3 方法定位与应用建议

本研究明确了ACCSD并非EOM-CCSD的全面替代，而是其一个强有力的补充工具。因此，ACCSD的最佳应用场景在于：

  • 高精度双激发态计算：当研究的重点是准确描述具有“纯粹”双激发特征的态时，ACCSD是EOM-CCSD（甚至EOM-CC3/CCSDT）的有效替代方案，具有更高的计算效率和精度。
  • 需要一致性处理的单重态/三重态：对于要求对不同自旋多重度激发态进行更一致处理的应用，ACCSD可能比EOM-CCSD更具优势。
  • 计算资源有限但需精确双激发态结果：当更高阶EOM-CC方法（如EOM-CCSDT/Q）的计算成本过于昂贵时，ACCSD提供了一个高性价比的解决方案。

然而，对于大部分单激发态，尤其是具有显著多配置特征的态，EOM-CCSD仍然是更稳健和准确的选择。因此，研究人员在选择方法时，应根据目标激发态的性质、所需的精度和可用的计算资源，明智地权衡ACCSD和EOM-CCSD的优缺点。

5.4 论文亮点总结

本研究的亮点在于：

  • 系统性基准测试：首次对ACCSD在多样化激发态（双激发态、双重态-双重态跃迁、开壳层单激发态）上的性能进行大规模、系统性的评估，填补了该方法性能评估的空白。
  • 揭示ACCSD独特优势：明确证实了ACCSD在描述“纯粹”双激发态方面的卓越性能，这一领域是传统EOM-CCSD的弱项。
  • 深入分析方法局限性：通过详细的误差分析，特别是结合CSF权重和多配置性，揭示了ACCSD在处理强多参考态时的固有局限性，为方法改进提供了清晰方向。
  • 开源工具的贡献：开发并开源了 SimpleWick 和 Gen_Eq_TDCC 等自动化工具，这些工具不仅加速了本研究的进程，也为量子化学社区提供了宝贵的资源，促进了新方法开发的效率和准确性。
  • 对未来发展的启发：研究结果和讨论为多参考耦合簇理论、轨道优化策略以及新一代激发态方法的开发提供了重要的见解和启发。

总之，这项工作不仅为理解ACCSD方法的性能提供了关键数据，也为量子化学家在选择适当的激发态计算方法时提供了实用的指导。它强调了没有“一劳永逸”的方法，而是需要根据具体问题和目标态的特性来选择最合适的工具。