来源论文: https://arxiv.org/abs/1703.10830 生成时间: Mar 02, 2026 14:08

0. 执行摘要

在现代量子化学中，精确描述具有显著强关联特征的化学体系（如过渡金属二聚体、大型共轭多烯等）一直是理论计算的巨大挑战。传统的完全活性空间自洽场（CASSCF）方法虽然能处理静态关联，但由于其行列式展开的指数级缩放，活性空间通常限制在 18 个轨道以内。更重要的是，后续描述动态关联的微扰理论（如 NEVPT2 或 CASPT2）往往受限于高阶收缩密度矩阵（RDM）的计算需求，导致计算成本在活性空间扩大时迅速变得不可接受。

本文解析了 Alexander Sokolov 与 Garnet Kin-Lic Chan 等人发表的突破性工作。该工作提出了一种将**虚时依赖微扰理论（t-NEVPT2）与矩阵乘积态（MPS）**相结合的新方案（t-MPS-NEVPT2）。该方法的核心优势在于：(1) 通过拉普拉斯变换将能级差分母转化为虚时积分，避免了显式构建一阶校正波函数；(2) 利用 MPS 参考波函数和时间相关的密度矩阵重整化群（td-DMRG）算法，绕过了昂贵的四阶收缩密度矩阵（4-RDM）计算；(3) 实现了完全不收缩（Uncontracted）的微扰能计算，且计算缩放远低于传统的强收缩（Strongly Contracted）方案。这一方法成功应用于具有 24 个活性电子/轨道的铬二聚体和长链多烯体系，展示了其在处理大活性空间体系动态关联方面的卓越性能。

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：动态关联与强关联的“双重打击”

在处理复杂体系（如 $Cr_2$ 或光合作用中心）时，研究者面临两个难题：第一，静态关联需要巨大的活性空间（Active Space）；第二，为了达到化学精度，必须在静态关联的基础上叠加动态关联（Dynamic Correlation）。传统的 NEVPT2 算法虽然能有效避免 CASPT2 的“入侵轨道”问题，但其强收缩（sc-NEVPT2）版本依赖 4-RDM，其计算复杂度随活性轨道数 $N_{act}$ 的 8 次方缩放（$O(N_{act}^8)$）。这使得活性空间一旦超过 20 个轨道，计算就变得极度困难。

1.2 理论基础：t-NEVPT2 的数学转换

NEVPT2 的能量表达式基于 Dyall 哈密顿量 $\hat{H}_D$。二阶能量贡献 $E^{(2)}$ 通常写为：

$$E^{(2)} = \sum_{\mu \neq 0} \frac{|\langle \Psi_0 | \hat{V} | \Psi_\mu \rangle|^2}{E_0 - E_\mu}$$

其中 $\Psi_\mu$ 是 $\hat{H}_D$ 的激发态。核心技术点在于利用拉普拉斯变换，将分母转化为虚时积分：

$$\frac{1}{E_0 - E_\mu} = -\int_0^{\infty} e^{(E_0 - E_\mu)\tau} d\tau$$

从而得到：

$$E^{(2)} = -\int_0^{\infty} \langle \Psi_0 | \hat{V}' e^{-(\hat{H}_D - E_0)\tau} \hat{V}' | \Psi_0 \rangle d\tau$$

这里 $\hat{V}' = \hat{Q}\hat{V}$。这一转换将能量计算问题变成了虚时演化问题。这种表述不需要显式求和激发态，也不需要存储庞大的一阶波函数。

1.3 技术难点：从行列式到 MPS 的跨越

尽管 t-NEVPT2 在理论上降低了缩放，但如果参考波函数 $\Psi_0$ 使用行列式展开，其存储仍随轨道数指数增长。Garnet Chan 团队引入了矩阵乘积态（MPS）作为参考波函数：

$$|\Psi\rangle = \sum_{n_1...n_k} A^{n_1} A^{n_2} ... A^{n_k} |n_1 n_2 ... n_k\rangle$$

通过 MPS 架构，td-DMRG 算法可以在算符作用后，通过变分压缩（Variational Compression）有效地传播波函数。最大的挑战在于如何高效计算虚时格林函数（Imaginary-time Green’s Functions, GFs）。NEVPT2 的能量项可以分解为 8 类激发，这些激发项最终被转化为 1-GF 和 2-GF 的重叠积分。计算 2-GF 需要 $O(N_{act}^6)$ 的复杂度，通过 td-DMRG 的并行化，这一步成为了处理大体系的关键。

1.4 方法细节：t-MPS-NEVPT2 的实施步骤

  1. DMRG-SCF 轨道优化：首先在大的活性空间内通过 DMRG 计算基态，优化活性轨道、核心轨道和外部轨道。
  2. 算符作用与初态构建：针对 8 类激发中的每一类（如 $E^{[-2]}$ 对应两个空穴在活性空间），将算符（如 $a_x a_y$）作用于基态 MPS，生成一系列激发态波函数 $|\Phi_{\mu}^{[i]}\rangle$。
  3. 虚时演化：利用嵌入式 Runge-Kutta (ERK) (4,5) 步进算法，通过 td-DMRG 进行虚时传播：$|\Phi_{\mu}^{[i]}(\tau)\rangle = e^{-(\hat{H}_D - E_0)\tau} |\Phi_{\mu}^{[i]}\rangle$。
  4. 计算格林函数：在每个时间步计算重叠 $\langle \Phi_{\mu}^{[i]}(0) | \Phi_{\mu}^{[i]}(\tau) \rangle$。
  5. 能量积分：对虚时轨迹进行数值积分（或通过指数拟合），得到各子空间的二阶能量贡献。

2. 关键 benchmark 体系，计算所得数据，性能数据

2.1 氮气分子 ($N_2$) 的离解曲线：收敛性验证

为了测试 t-MPS-NEVPT2 的数值精度，作者首先研究了 $N_2$ 分子（活性空间 10e, 10o）。

  • 精度数据：在键长 $r = 1.5$ Å 时，随着 MPS 键维度 $M$ 的增加，t-MPS-NEVPT2 迅速收敛至完全不收缩的 NEVPT2 极限。当 $M=200$ 时，其相对于 CASSCF 参考值的误差已降至 0.1 mEh 以下。
  • 性能对比：相比于强收缩版 sc-NEVPT2，t-MPS-NEVPT2 在平衡位置附近的精度显著更高，且误差在离解限处表现得更为平稳。这证明了其“不收缩”特性在处理不同电子结构特征时的稳健性。

2.2 铬二聚体 ($Cr_2$)：挑战理论极限

$Cr_2$ 是量子化学界的“硬骨头”，其具有极其复杂的六重键特征。

  • 计算规模：采用了 (12e, 22o) 的超大活性空间，涵盖了 $3d, 4d, 4s$ 轨道。
  • 结果：计算得到的结合能 $D_e = 1.52$ eV。相比实验值 $1.47 \pm 0.1$ eV，误差仅为 0.05 eV。而传统的强收缩方案产生的误差约为 0.09 eV（约 2 kcal/mol）。
  • 收缩误差解析：研究发现，强收缩近似在 $Cr_2$ 中引入了约 0.1 eV 的人为偏差。t-MPS-NEVPT2 成功消除了这一偏差，为这类多金属体系提供了新的高精度标准。

2.3 全反式多烯 (Polyenes) 的激发态：$C_4H_6$ 到 $C_{24}H_{26}$

多烯链的激发能计算是检验静态与动态关联平衡能力的试金石。

  • 体系大小：从丁二烯到具有 24 个碳原子的多烯（24e, 24o 活性空间）。
  • 激发能趋势：对于离子的 $1B_u^+$ 态，动态关联的影响巨大（降低能量约 2-3 eV）。对于共价的 $2A_g^-$ 态，影响较小（约 0.3 eV）。
  • 物理意义：t-MPS-NEVPT2 能够准确捕捉由于链长增加而导致的动态关联效应增强，特别是在长链极限下，纠正了 DMRG-SCF 严重高估激发能的问题。

3.1 软件包架构

该方法主要集成在两个核心软件包中：

  1. BLOCK：由 Garnet Chan 团队开发的高性能 DMRG 引擎，负责所有 MPS 相关的底层操作，包括变分优化、虚时演化和算符压缩。该代码使用 C++ 编写，支持 MPI/OpenMP 混合并行。
  2. PySCF：通用的量子化学 Python 框架。t-MPS-NEVPT2 的高层逻辑、积分生成、轨道优化均通过 PySCF 调用 BLOCK 驱动完成。

3.2 复现指南（Technical Workflow）

  • 环境配置：需要安装支持 MPI 的 Block 2.0+ 和最新版的 PySCF。同时需要 pyscf-block 扩展接口。
  • 轨道设置：
    1. 首先进行 HF 计算，然后利用 IAO（Intrinsic Atomic Orbitals）方案选取活性空间轨道。
    2. 进行 DMRG-SCF 计算以优化轨道：mc = dmrgscf.DMRGSCF(mf, nelec, ncas)。
  • 微扰计算：
    1. 在 PySCF 中调用 nevpt2.t_nevpt 模块。
    2. 设置虚时步长 $\delta\tau$（通常初始设为 $10^{-3}$）和最大演化时间。
    3. 关键参数是 M (bond dimension)。作者建议：计算 1-GF 和 2-GF 相关的项使用基准 $M$，而计算 3-GF 相关的项（$E^{[+1']}$ 和 $E^{[-1']}$）时，由于 MPS 压缩需求，建议将 $M$ 翻倍以保证精度。

4. 关键引用文献，以及对这项工作局限性的评论

4.1 关键引用文献

  1. Dyall (1995): 定义了 Dyall 哈密顿量，这是 NEVPT2 理论的基石。
  2. Angeli et al. (2001): 首次提出了 NEVPT2 理论，解决了 CASPT2 的不稳定性问题。
  3. Feiguin & White (2005): 提出了 Time-step targeting DMRG 算法，为虚时演化提供了算法支撑。
  4. Sokolov & Chan (2016): 本文的前序工作，定义了基于行列式参考态的 t-NEVPT2。

4.2 局限性评论

尽管 t-MPS-NEVPT2 表现强悍，但作为技术作者，我认为其仍存在以下局限：

  1. 计算资源门槛：尽管缩放降低了，但 2-GF 的计算涉及 $O(N_{act}^2)$ 个 MPS 的独立演化。对于 $N_{act}=50$ 甚至更大的体系，虽然易于并行，但总机时（CPU hours）依然巨大。
  2. M 维度的鲁棒性：对于某些极其强关联的自由基或激发态，MPS 压缩过程中的信息丢失（Truncation error）可能会对虚时积分产生非线性影响。在高精细势能面上，这种误差可能导致数值震荡。
  3. 虚时积分的收敛性：对于具有极小能隙（Small gap）的体系，虚时演化可能需要非常长的时间才能让积分项衰减到零，这会显著增加时间步数。

5. 其他必要补充：方法学的长远影响

5.1 对过渡金属化学的影响

t-MPS-NEVPT2 的出现，实际上标志着“后 CASSCF 时代”的到来。以前我们不敢想象在包含整个双 d 壳层（Double d-shell）的活性空间上进行微扰校正，现在这已成为可能。这对于理解催化循环中的金属中心自旋态交叉（Spin-state crossing）具有决定性意义。

5.2 算法并行化的范式

该方法极度契合现代超算架构。由于 8 个子空间以及子空间内的不同激发分支（$\mu, \nu$ 索引）是完全独立的，这种“自然并行性”使得它在数千个核心上几乎能实现线性加速。

5.3 未来展望：从虚时到实时？

目前的工作集中在能量（虚时）。如果将这一框架扩展到实时演化，结合 MPS，我们将能够直接模拟大活性空间体系的光谱（如 X 射线吸收谱或共振非弹性 X 射线散射），这不仅是基态能量的提升，更是从静态结构描述向动力学性质描述的跨越。

5.4 总结建议

对于从事生物酶催化、新型材料自旋电子学研究的科研人员，如果现有的 CASPT2 遇到入侵轨道问题，或者活性空间受限无法包含关键轨道，t-MPS-NEVPT2 是目前兼顾“不收缩精度”与“大活性空间能力”的最优选工具。