来源论文: https://arxiv.org/abs/2604.00522v1 生成时间: Apr 02, 2026 03:48

0. 执行摘要

在量子化学计算领域，准确预测激发态性质，特别是准粒子能隙，对于理解材料和分子系统的行为至关重要。传统的密度泛函理论（DFT）在此方面常常力不从心，而GW近似作为一种高级的多体微扰理论方法，虽能提供更准确的结果，但其计算成本随系统规模呈四次方增长，严重限制了其在大尺寸体系上的应用。随机GW（sGW）方法通过引入随机轨道抽样，成功将计算复杂度降低至线性或准二次方，为解决这一瓶颈带来了希望。然而，早期的sGW实现主要依赖于范数守恒赝势（NCPP），这要求使用极其精细的实时网格来准确描述原子核附近的快速振荡，进而导致巨大的内存开销。

为了克服这一挑战，本文引入并详细阐述了正交化投影缀加波（OPAW）方法与随机GW（sGW）的结合——OPAW-sGW。OPAW方法通过线性变换将全电子波函数映射到光滑的辅助波函数，同时保持了原始PAW表示的关键特征，并解决了sGW对正交基的需求。这种创新性结合使得OPAW-sGW能够在显著更粗糙的实时网格上运行，从而大幅减少内存需求，同时在计算准粒子能隙和自能谱方面保持与NCPP-sGW相当的精度。尽管OPAW-sGW目前的实现由于采用了RK4时间演化方案而导致每次时间步的CPU成本较高，但其在内存效率上的显著优势使其成为处理大型复杂分子系统（如光合作用发色团）的强大工具，为未来的大规模量子化学计算开辟了新的道路。本文通过对萘、稠合碳氢化合物、供体-受体配合物以及光合作用发色团等多样化体系的基准测试，全面验证了OPAW-sGW的性能和准确性，并展望了该方法在结合广义Kohn-Sham计算、BSE谱以及包含顶点修正等方面的进一步发展。

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：激发态计算的精度与效率困境

在现代量子化学和材料科学研究中，对原子和分子系统激发态性质的准确预测具有不可估量的价值。无论是设计新型光电器件、探索催化反应机理，还是理解生物分子中的能量转移过程，都离不开对电子激发能、带隙、电荷转移以及光谱响应的精确描述。然而，长期以来，这一领域一直面临着精度与效率之间的深刻矛盾。

密度泛函理论（DFT）的局限性： 作为最广泛使用的电子结构计算方法之一，DFT在预测分子和固体的基态性质方面取得了巨大成功。然而，当涉及到激发态时，DFT的局限性便显现出来。特别是，它通常会低估系统的带隙（如半导体中的最低未占据轨道和最高占据轨道之间的能量差），并且难以准确再现光学光谱。这主要是因为传统的DFT交换相关泛函在描述非局域和频率依赖的电子-电子相互作用方面存在不足，而这些相互作用对激发态至关重要。

GW近似的引入及其挑战： 为了克服DFT的这些缺陷，多体微扰理论（MBPT）框架下的GW近似被提出。GW近似通过引入频率依赖的自能（Σ）算符来替代DFT中的交换相关势（vxc），从而提供对准粒子（QP）能量的系统性校正。准粒子能量是实验上可测量的光电子能谱和逆光电子能谱的直接对应。GW方法在理论上更为严格，已被证明能够显著提高带隙和激发态能量的预测精度，并为后续基于Bethe-Salpeter方程（BSE）的光学激发计算奠定基础，其中BSE显式地考虑了电子-空穴相互作用。

尽管GW近似在精度上表现出色，但其计算成本极高，是其广泛应用的主要障碍。传统的GW计算，无论是单次G₀W₀、部分自洽GW₀/ev-GW或完全自洽GW（scGW），其计算复杂度通常随系统大小N呈四次方（O(N⁴)）增长。这种陡峭的标度源于对非厄米、空间非局域自能Σ(ω)的计算，以及对大量占据态和未占据态进行求和的需求。对于包含数十到数百个原子的中等大小系统，O(N⁴)的标度已使其计算变得异常耗时，甚至不可行，更不用说更大尺度的周期性固体或生物分子体系了。

为了缓解这一问题，研究人员开发了多种策略，试图降低GW计算的标度。例如，在平面波框架中利用赝带（pseudobands）压缩能带求和，或采用高斯基组结合“分辨率一致性”（resolution-of-the-identity, RI）技术，以及原子密度拟合（atomic density fitting）等方法，已将标度降至O(N³)。然而，O(N³)的标度对于真正的大规模体系仍然是巨大的挑战。

随机GW（sGW）的出现： 在此背景下，随机GW（sGW）方法应运而生，它提供了一种从根本上降低计算复杂度的新途径。sGW的核心思想是通过随机抽样格林函数G和屏蔽库仑相互作用W来评估电子自能。通过用少量随机轨道（由占据态和未占据态的随机线性组合构成）替换对大量态的显式求和，sGW能够将计算成本显著降低至线性（O(N)）或亚二次方（O(N²)）。这种突破性的方法使得计算远超传统确定性GW方法所能处理的更大系统的准粒子能量成为可能。

1.2 理论基础与技术挑战：NCPP-sGW的网格限制与PAW的非正交性

尽管sGW方法前景广阔，但其早期实现也面临着自身的技术挑战。

NCPP-sGW的网格限制： 先前的sGW实现通常采用范数守恒赝势（NCPP）。NCPP通过用一个光滑的有效势来代替原子核和核心电子的强库仑势，从而在不显式处理核心电子相互作用的情况下，大大简化了计算。这减少了计算复杂性，特别是在平面波基组中，因为可以避免描述核心电子波函数在原子核附近剧烈的振荡。然而，NCPP的缺点在于，为了精确捕捉价电子波函数在赝势区域的细微结构，它通常需要非常精细的实时空间网格，或等效地，需要非常高的平面波动能截断。这种对精细网格的需求导致了巨大的内存消耗，再次限制了sGW在大尺寸系统上的应用潜力。例如，对于一个包含数千甚至上万个原子的生物大分子，即使是O(N)或O(N²)的标度，如果每个网格点都占据大量内存，总内存需求也会迅速变得天文数字。

PAW方法的潜力与正交性困境： 为了解决NCPP对网格的苛刻要求，投影缀加波（PAW）方法成为了一个有吸引力的替代方案。PAW方法由Blöchl、Kresse和Joubert开发，其核心思想是建立一个线性变换，将全电子波函数映射到光滑的辅助波函数（伪波函数）。这些伪波函数可以在整个模拟单元中使用平面波高效表示。而在原子核附近的区域，则通过以原子为中心的缀加函数（augmentation functions）来精确重建全电子波函数及其算符矩阵元。这种“重建”能力使得PAW方法能够忠实地保留全电子性质，从而能够准确模拟核心能级光谱和NMR化学位移等对核区电子结构敏感的性质。这意味着PAW可以在相对粗糙的网格上达到与全电子计算相当的精度。

PAW方法已被成功地与多种后DFT方法结合，包括BSE、时间依赖密度泛函理论（TDDFT）以及确定性GW方法。这显示了PAW方法在描述激发态方面的强大潜力。然而，将PAW与随机GW（sGW）方法结合却面临一个重大挑战：sGW中的随机技术（如随机抽样格林函数和屏蔽库仑相互作用）通常要求在一个正交基中进行，以简化理论推导和计算实现。而原始的PAW基组本质上是非正交的，因为叠加了原子核附近的缀加函数。这一非正交性直接阻碍了PAW与sGW的直接集成，成为一个亟待解决的技术难题。

1.3 OPAW方法：解决正交性问题

为了克服PAW方法的非正交性与sGW方法对正交基的需求之间的冲突，研究团队近期开发了正交化投影缀加波（OPAW）方法。OPAW的核心思想是在保持PAW表示本质特征的同时，将PAW波函数正交化。

OPAW的形式化： 在PAW形式中，全电子（AE）波函数 $\psi_n$ 是通过线性变换算符 $\mathcal{T}$ 从光滑的辅助（伪）波函数 $\tilde{\phi}_n$ 构造出来的：

$$ |\psi_n\rangle = \mathcal{T}|\tilde{\phi}_n\rangle = |\tilde{\phi}_n\rangle + \sum_{\alpha,i} (|\phi_{\alpha,i}\rangle - |\tilde{\phi}_{\alpha,i}\rangle) \langle \tilde{p}_{\alpha,i}|\tilde{\phi}_n\rangle $$

其中 $\alpha$ 表示原子索引，$i$ 表示与每个原子相关的分波通道。$\phi_{\alpha,i}$ 和 $\tilde{\phi}_{\alpha,i}$ 分别代表真实原子分波及其光滑对应物。投影算符 $\tilde{p}_{\alpha,i}$ 在缀加球内张成希尔伯特空间。

使用辅助波函数，Kohn-Sham（KS）本征值问题变为一个广义本征值方程：

$$ \hat{\mathcal{H}}|\tilde{\phi}_n\rangle = \epsilon_n^{\text{KS}} \hat{\mathcal{S}}|\tilde{\phi}_n\rangle $$

其中 $\hat{\mathcal{H}}$ 是PAW哈密顿量，$\hat{\mathcal{S}}$ 是重叠算符，定义为 $\hat{\mathcal{S}} = \mathcal{T}^\dagger \mathcal{T}$。重叠算符确保全电子波函数的正交归一性：$ \langle \psi_n|\psi_m\rangle = \langle \tilde{\phi}_n|\hat{\mathcal{S}}|\tilde{\phi}_m\rangle = \delta_{nm} $。

在Kresse-Joubert形式中，PAW哈密顿量为：

$$ \hat{\mathcal{H}} = \hat{T}_{\text{KE}} + \hat{V}_{\text{eff}} + \hat{\mathcal{D}} $$

其中 $\hat{T}_{\text{KE}}$ 是动能算符，$\hat{V}_{\text{eff}}$ 是有效单电子势，$\hat{\mathcal{D}}$ 是由变换算符 $\mathcal{T}$ 引起的非局域算符。

为了获得PAW哈密顿量和本征态的正交表示，OPAW方法应用了以下变换：

$$ H = \hat{\mathcal{S}}^{-1/2} \hat{\mathcal{H}} \hat{\mathcal{S}}^{-1/2} $$

$$ |\psi_n\rangle = \hat{\mathcal{S}}^{1/2}|\tilde{\phi}_n\rangle $$

这些变换将广义本征值问题转化为标准的厄米本征值问题：

$$ H|\psi_n\rangle = \epsilon_n^{\text{KS}} |\psi_n\rangle $$

这样，通过对哈密顿量和波函数进行重叠算符的适当变换，OPAW成功地将非正交的PAW表示转换为一个正交的框架，从而使其能够与sGW方法无缝集成。计算 $\hat{\mathcal{S}}$ 的任意幂的过程是直接的，并在先前的研究中已有详细描述。

1.4 OPAW-sGW方法的详细流程

将OPAW形式与sGW结合后，准粒子（QP）能量的计算流程如下：

  1. 准粒子能量方程： 在对角近似下，QP能量 $\epsilon_n^{\text{QP}}$ 通过近似Dyson方程获得，其中用OPAW-DFT轨道 $| \psi_n \rangle$ 替代了真实的Dyson轨道：

    $$ \epsilon_n^{\text{QP}} = \epsilon_n^{\text{KS}} + \langle \psi_n|\Sigma(\omega = \epsilon_n^{\text{QP}}) - v_{\text{xc}}|\psi_n\rangle $$

    这里的 $\Sigma$ 是自能算符，它是一个非局域的、频率依赖的算符。

  2. 自能的计算： sGW方法采用Hedin的空时公式来计算自能 $\Sigma$：

    $$ \Sigma(r, r', t) = iG(r, r', t) W(r, r', t^+) $$

    其中 $G$ 是单粒子格林函数，$W$ 是屏蔽库仑相互作用。

  3. 格林函数的随机抽样： 计算的第一步是随机抽样格林函数 $G(t)$。首先定义占据KS流形上的投影算符 $P = \sum_{n $$ iG_0(t) = e^{-i\hat{H}_0t} [(1-P)\theta(t) - P\theta(-t)] $$

    其中 $\hat{H}_0$ 是OPAW KS-DFT哈密顿量，$\theta(t)$ 是Heaviside阶梯函数。 然后，引入一组随机轨道 $\zeta(r)$（其分量为 $\pm 1/\sqrt{dV}$，$dV$ 为实时空间网格的体积元），格林函数可以近似表示为：

    $$ iG_0(r, r', t) \approx \frac{1}{N_\zeta} \sum_{\xi} \zeta_\xi(r, t) \zeta_\xi^*(r') $$

    其中 $N_\zeta$ 是随机样本的数量。时间依赖的随机轨道 $\zeta(r,t)$ 分为负时间（空穴）和正时间（电子）分量：

    • 负时间（$t<0$）： $ \zeta(r, t<0) = iG_0(t<0)\zeta(r) = -e^{-i\hat{H}_0t} P\bar{\zeta}(r) $
    • 正时间（$t>0$）： $ \zeta(r, t>0) = iG_0(t>0)\zeta(r) = e^{-i\hat{H}_0t} (1-P)\zeta(r) $ 在大系统（数十个或更多电子）中，通常 $N_\zeta \approx 500$ 就足以通过自平均效应达到1-2 kcal/mol的统计精度。

  4. 自能矩阵元的计算： 利用格林函数的随机展开，自能矩阵元变为：

    $$ \langle \psi_n|\Sigma(t)|\psi_n\rangle = \frac{1}{N_\zeta} \sum_{\xi} \langle \zeta_\xi^*(t)\psi_n|W(t)|\zeta_\xi \psi_n\rangle $$

    这进一步简化为计算如下形式的期望值：

    $$ \langle \psi_n|\Sigma(t)|\psi_n\rangle = \frac{1}{N_\zeta} \sum_{\xi} \langle \zeta_\xi(t)\psi_n|u(t)\rangle $$

    其中 $u(r,t)$ 定义为 $u(r,t) = \int W(r,r',t)\zeta(r')\psi_n(r')dr'$。

  5. 屏蔽库仑相互作用的计算（sTDH）： 迟滞（因果）有效相互作用 $W^R$ 的矩阵元通过时间依赖Hartree（TDH）传播获得。为了避免直接处理所有占据分子轨道，这里再次引入随机方法——随机TDH（sTDH）。

    • 定义一组随机占据轨道 $\eta_l(r) = \sum_{i=1}^{N_{\text{occ}}} c_{li} \psi_i(r)$，其中 $c_{li}$ 为随机系数。通常只需要少数（本工作中约8-20个）随机占据轨道 $N_\eta$，因为它们描述的是电子海的等离子体响应，这在很大程度上是经典的。$N_\eta$ 远小于 $N_\zeta$。
    • 这些随机占据轨道被微扰：$ \tilde{\eta}_l^\lambda(r, t=0^+) = e^{-i\lambda U_{\text{pertb}}(r)} \tilde{\eta}_l(r) $，其中 $\lambda$ 是弱微扰强度（通常 $10^{-4}$ Hartree⁻¹），微扰势 $U_{\text{pertb}}(r) = \int |r-r'|^{-1}\zeta(r')\psi_n(r')dr'$。
    • 然后，微扰和未微扰的轨道在TDH哈密顿量 $H^\lambda(t) = \hat{H}_0 + \hat{v}_H^\lambda(r,t) - \hat{\bar{v}}_H^\lambda(r,t) + \hat{D}^\lambda(r,t) - \hat{D}^{\lambda=0}(r,t)$ 下进行传播，其中 $v_H^\lambda = \hat{\mathcal{S}}^{-1/2} v_H^\lambda \hat{\mathcal{S}}^{-1/2}$ 和 $D^\lambda = \hat{\mathcal{S}}^{-1/2} \hat{\mathcal{D}}^\lambda \hat{\mathcal{S}}^{-1/2}$。
    • 时间演化通过求解OPAW框架下的TDH Schrödinger方程 $ i\frac{\partial \tilde{\eta}_l^\lambda(r,t)}{\partial t} = H^\lambda(t)\tilde{\eta}_l^\lambda(r,t) $ 获得。
    • 构建随机密度：$ n_\eta^\lambda(r,t) = \frac{2C_{\text{norm}}}{N_\eta} [\sum_{l=1}^{N_\eta} |\tilde{\eta}_l^\lambda(r,t)|^2 + \delta n_\eta^\lambda(r,t)] $，其中 $\delta n_\eta^\lambda(r,t)$ 是相应的全电子密度校正，$C_{\text{norm}}$ 是归一化因子。
    • 迟滞势 $u^R(r,t)$ 则由微扰和未微扰Hartree势的差值获得：$ u^R(r,t) = \frac{U_H[n_\eta^\lambda(r,t)] - U_H[n_\eta^{\lambda=0}(r,t)]}{\lambda} $。

  6. 稀疏随机压缩与时间排序： 对迟滞势 $u^R(r,t)$ 进行时间排序（time-ordering）通常是内存密集型的。为了解决这个问题，采用了稀疏随机压缩技术。迟滞势首先被投影到稀疏随机基上，该基由大量（例如10,000个）稀疏向量组成，这些向量随机地采样了部分实时空间网格。这使得有效势 $u(r,t)$ 的时间排序可以在一个更高效的表示中完成。

  7. 最终工作方程： 综合上述步骤，得到sGW的最终工作方程：

    $$ \langle \psi_n|\Sigma(t)|\psi_n\rangle \approx \frac{1}{N_\zeta} \sum_{\xi} \int \psi_n(r)\zeta_\xi(r,t) u_\xi(r,t) dr $$

    其中 $u_\xi(r,t)$ 是经过时间排序和稀疏随机压缩后的有效势。

通过上述方法，OPAW-sGW成功地将sGW的低标度优势与PAW方法对粗糙网格的适用性结合起来，克服了NCPP-sGW的内存瓶颈，为大规模分子系统的准确激发态计算提供了强大的新工具。

2. 关键基准体系、计算所得数据与性能数据

2.1 基准测试体系概述

为了全面评估OPAW-sGW方法的性能和准确性，研究团队选择了一系列具有代表性的分子体系进行基准测试。这些体系涵盖了从小型到大型、从平面到弯曲、从纯碳氢化合物到具有生物相关性的复杂分子，旨在验证该方法在不同化学环境下的普适性和可靠性。

具体选择的基准体系包括：

  • 萘 (Naphthalene)：一种小型的平面稠合碳氢化合物，常作为方法学研究的起点，用于网格收敛性测试。
  • 六并苯 (Hexacene)：线性的稠合多环芳烃，代表一类平面共轭体系。
  • 凯库勒烯 (Kekulene)：环状的稠合多环芳烃，具有独特的结构和电子特性。
  • 富勒烯 C60 (Fullerene C60)：经典的球形碳笼，代表弯曲共轭体系。
  • 叶绿素a (Chlorophyll a, Chla)：一种重要的光合作用发色团，具有生物相关性和较复杂的分子结构。
  • 10-CPP+C60 (10-Cycloparaphenylene + C60)：一个供体-受体复合体，由环状碳纳米带与C60富勒烯组成，具有复杂的相互作用。
  • C96H24：一个更大的碳氢化合物，进一步测试方法处理大体系的能力。
  • RC-PSII (Photosystem II reaction center)：光系统II反应中心，这是一个复杂的染料复合体，包含六个发色团，代表了生物大分子的典型尺度。RC-PSII的原子坐标来自Ref. [47]，并在PBE/def2-TZVP-MM水平上进行了优化。

对于除RC-PSII之外的所有体系，研究人员都使用NCPP-sGW和OPAW-sGW方法计算了准粒子（QP）带隙。由于RC-PSII的庞大规模，NCPP计算在计算上是无法承受的，因此该体系仅限于OPAW-sGW模拟。

所有模拟的计算域都经过精心选择，以确保模拟盒子边界距离分子在每个空间方向上至少有6玻尔。对于所有报告的sGW带隙，都应用了简化的本征值自洽校正（ΔGW₀），即所谓的“剪刀式”本征值自洽，以在几乎没有额外计算成本的情况下改善sGW带隙。

2.2 网格收敛性研究：萘体系的比较分析

网格间距（$ds = (dV)^{1/3}$）是实时空间方法中的一个关键参数，它直接影响计算精度和效率。为了评估OPAW-sGW在网格效率方面的优势，研究人员对萘体系进行了详细的网格间距收敛性研究，将OPAW-sGW与NCPP-sGW的结果进行比较。

图1 (见原文) 展示了萘体系在不同网格间距下，NCPP-sGW和OPAW-sGW计算所得的sGW和ΔGW₀ QP带隙。 结果清晰地揭示了OPAW方法在网格效率上的显著优势：

  • NCPP-sGW的网格敏感性：对于NCPP-sGW，当网格间距 $ds \approx 0.55$ Bohr时，带隙计算开始失去精度，并且当 $ds$ 超过 $0.6$ Bohr时，结果变得非物理。这证实了NCPP对精细网格的固有需求。
  • OPAW-sGW的网格鲁棒性：相比之下，OPAW-sGW计算的带隙在显著更大的网格间距下保持稳定且与NCPP结果定量可比，甚至在 $ds = 0.8$ Bohr时仍然表现良好。具体而言，NCPP在 $ds = 0.35 - 0.5$ Bohr范围内实现的精度，OPAW在 $ds = 0.8$ Bohr的大网格间距下也能复现。

这意味着OPAW-sGW可以在比NCPP-sGW粗糙得多的网格上进行计算，而不会牺牲精度。这种能力对于降低内存需求至关重要，因为网格点的数量与 $ds^{-3}$ 成比例关系。例如，如果网格间距从0.5 Bohr增加到0.8 Bohr，网格点数量将减少 $(0.8/0.5)^3 \approx 4$ 倍。

图2 (见原文) 进一步展示了萘体系在不同网格间距下，NCPP和OPAW的HOMO自能曲线。 自能是计算准粒子能量的核心物理量，其收敛性直接反映了方法的稳定性。从图中可以看出，随着网格间距的增加，NCPP的自能曲线在 $ds \approx 0.55$ Bohr之后开始显著偏离精细网格的结果，表明其计算不再可靠。而OPAW的自能曲线即使在 $ds = 0.80$ Bohr的粗糙网格下，依然保持了良好的形状和与精细网格结果的一致性。这些自能曲线的变化趋势与带隙的收敛性结果高度一致，进一步验证了OPAW-sGW在粗糙网格上的优越表现。

2.3 大型体系的QP带隙与自能比较

基于萘体系的网格收敛性研究结果，研究人员将OPAW-sGW应用到上述更大型的分子体系。

表I (OPAW-sGW) 和 表II (NCPP-sGW) (见原文) 汇总了使用sGW和ΔGW₀校正计算的QP带隙。

  • 网格选择：对于OPAW计算，网格间距 $ds$ 选择在 $0.65-0.9$ Bohr的范围内。具体选择的 $ds$ 值是确保OPAW DFT带隙与 $ds = 0.5$ Bohr（NCPP通常使用的精细间距）所得值仅相差几个meV的最大网格间距。对于NCPP计算，通常使用固定的 $ds = 0.5$ Bohr。
  • Nζ和Nη参数：对于除六并苯和RC-PSII外的所有体系，使用了 $N_\zeta = 2000$ 和 $N_\eta = 8$。对于六并苯，使用了 $N_\zeta = 3000$ 和 $N_\eta = 16$。对于RC-PSII，由于其巨大的规模，只采用了 $N_\zeta = 900$ 和 $N_\eta = 8$。需要注意的是，$N_\zeta$ 通常远大于 $N_\eta$，因为前者描述的是受干涉主导的格林函数，而后者描述的是更经典的类等离子体电子海响应。
  • 结果比较：在各自的优化网格间距下，OPAW-sGW计算的QP带隙与NCPP-sGW在精细网格下得到的结果高度一致。两种方法之间的差异范围在 $0.01$ eV到 $0.15$ eV之间，这在量子化学计算中是相当小的差异，表明OPAW-sGW在保持精度的同时，能够使用更粗糙的网格。

图4 (见原文) 展示了六并苯、C60、凯库勒烯、叶绿素a、10-CPP+C60和C96H24等代表性分子体系的HOMO自能Σ(ω)曲线。 这些曲线是在NCPP和OPAW计算各自指定的网格间距下获得的。与带隙结果一致，自能曲线也显示出两种方法之间的高度一致性。例如，对于C60和10-CPP+C60，自能曲线几乎完全重合，表明这两种方法给出了非常相似的物理描述。即使对于存在最大偏差的体系（如叶绿素a和C96H24），自能曲线的形状和趋势仍然非常接近，这进一步支持了OPAW-sGW的准确性。

2.4 计算性能数据与内存优势

尽管OPAW-sGW在网格效率上取得了显著进展，但在当前的实现中，其CPU时间成本略高于NCPP-sGW。

  • 时间演化方案的影响：

    • OPAW-sGW采用四阶Runge-Kutta (RK4) 积分器进行时间传播。由于OPAW哈密顿量（方程6）不具备简单的动能-势能分解，RK4适用于更一般的非可分哈密顿量。RK4的缺点是，在每个时间步中需要大约四次哈密顿量应用。
    • NCPP-sGW采用分裂算符（split-operator）传播方案，该方案将哈密顿量分解为动能和势能算符，并利用Trotter分解进行时间演化。分裂算符方法通常只需要单次哈密顿量应用，且在NCPP中由于哈密顿量的可分离性而表现良好。
    • 时间步长：尽管两种方法使用相同的时间步长（0.05原子单位），但RK4的额外哈密顿量应用导致了更高的CPU成本。

  • 并行化限制：RK4方案无法像早期OPAW-TDDFT实现那样在随机轨道上并行化，因为每个随机轨道必须独立生成和传播。虽然引入的清理程序（Ref. [48]）缓解了时间传播的不稳定性，但并未允许进一步增加时间步长。

  • 具体案例：10-CPP+C60的墙钟时间比较： 为了量化性能差异，研究人员比较了10-CPP+C60体系在2000个Monte Carlo样本和400个CPU核心上的墙钟时间：

    • OPAW-sGW (使用 $ds = 0.9$ Bohr)：总墙钟时间约为 3.7小时。
    • NCPP-sGW (使用 $ds = 0.5$ Bohr)：总墙钟时间约为 2.6小时。 可以看出，尽管OPAW-sGW使用了更粗糙的网格，但由于RK4积分器的CPU开销，其计算时间略长于NCPP-sGW。

  • 关键优势：显著的内存节省： 尽管CPU时间略高，但OPAW-sGW带来的内存节省是巨大的，这才是其真正的突破性优势。对于10-CPP+C60体系，OPAW网格所需的点数约为NCPP所需点数的六分之一。这种显著的内存减少直接使得sGW计算能够应用于更大规模的分子体系，否则这些体系在NCPP框架下将因内存限制而无法计算。

总结来说，OPAW-sGW在保持与NCPP-sGW相当精度的前提下，可以在显著更粗糙的网格上运行，这导致了巨大的内存节省。尽管当前实现中CPU时间略高，但内存的解放使得该方法能够探索传统方法无法触及的更大、更复杂的分子系统，为量子化学计算打开了新的篇章。

3. 代码实现细节、复现指南、所用的软件包及开源代码库链接

3.1 代码实现细节（基于论文描述的推断）

论文详细介绍了OPAW-sGW的理论框架和算法步骤，但并未直接提供具体的代码实现细节或开源代码库链接。因此，以下关于代码实现细节的描述是基于论文中方法论的推断和对通用量子化学软件工程的理解。

  1. 基础架构：

    • OPAW-sGW的实现很可能基于一个现有的实时空间（real-space）DFT代码框架，该框架已经具备处理OPAW哈密顿量和波函数的能力。论文提到其先前的OPAW-TDDFT工作[39, 40]，这表明其代码基可能已经包含了OPAW变换和相关算符的实时空间表示。
    • 核心数据结构：实时空间网格上的波函数、密度、势能等物理量，以及PAW投影函数和伪原子波函数。

  2. OPAW哈密顿量和波函数：

    • 重叠算符（Ŝ）及其逆和平方根：计算 $\hat{\mathcal{S}}^{-1/2}$ 是实现OPAW的关键一步。这通常涉及对重叠算符进行矩阵对角化或通过迭代方法（如Newton-Raphson方法）计算其逆的平方根。在实时空间中，这可能意味着在局部区域内进行操作或利用稀疏矩阵技术。
    • OPAW哈密顿量（H）的构建：根据 $H = \hat{\mathcal{S}}^{-1/2} \hat{\mathcal{H}} \hat{\mathcal{S}}^{-1/2}$，需要先构建原始PAW哈密顿量 $\hat{\mathcal{H}}$，然后进行变换。$\hat{\mathcal{H}}$ 包含动能算符、有效势和非局域算符 $\hat{\mathcal{D}}$。这些算符在实时空间网格上的离散化和操作是基础。

  3. 时间演化（Schrödinger方程求解）：

    • RK4积分器：对于OPAW哈密顿量的时间演化，论文明确指出使用了四阶Runge-Kutta（RK4）积分器。RK4需要对哈密顿量进行四次评估，具体实现涉及计算 $k_1, k_2, k_3, k_4$ 步，并综合更新波函数。 $$ \frac{d|\tilde{\eta}_l^\lambda\rangle}{dt} = -i H^\lambda(t)|\tilde{\eta}_l^\lambda\rangle $$ 在离散化网格上，这意味着对 $|\tilde{\eta}_l^\lambda\rangle$ 向量应用哈密顿量算符。
    • NCPP的分裂算符：对于NCPP-sGW，通常采用分裂算符方法。这意味着哈密顿量 $H = T + V$ 被分解为动能（T）和势能（V）部分，时间演化算符 $e^{-iHt}$ 近似为 $e^{-iVt/2} e^{-iTt} e^{-iVt/2}$。这通常通过在实时空间和傅里叶空间之间进行快速傅里叶变换（FFT）来实现（动能算符在傅里叶空间是对角化的）。

  4. 随机抽样与自能计算：

    • 随机轨道生成：$\zeta(r)$ 轨道是通过在网格点上随机选择 $\pm 1/\sqrt{dV}$ 来生成的。这些轨道需要存储和管理。
    • 格林函数演化：根据方程(14)和(15)对 $\zeta(r,t)$ 进行时间演化。这涉及对 $P\bar{\zeta}(r)$ 和 $(1-P)\zeta(r)$ 进行哈密顿量作用后的时间演化。投影算符 $P$ 的应用需要所有占据态。
    • 自能矩阵元集成：方程(19)和(31)的积分是在实时空间网格上进行离散求和。

  5. 屏蔽库仑相互作用（sTDH）：

    • 随机占据轨道（η̃l）生成：通过对 $N_{\text{occ}}$ 个占据轨道进行随机线性组合来生成。这要求能够访问所有占据轨道。
    • 微扰势（Uperth）计算：涉及库仑积分，通常通过泊松方程的FFT方法或Ewald求和来高效计算。
    • 随机密度（nλ）构建：根据方程(26)和(27)计算，包含平方模和全电子校正项。
    • 迟滞势（uR）计算：涉及对Hartree势 $U_H[n]$ 的计算，通常也是通过求解泊松方程。

  6. 稀疏随机压缩：

    • 稀疏向量基的生成和管理：需要生成大量（如10,000个）稀疏向量，这些向量在实时空间中只有少量非零分量。
    • 投影操作：将 $u^R(r,t)$ 投影到稀疏基上，涉及内积计算。

  7. 并行化策略：

    • Monte Carlo样本并行化：论文提到2000个Monte Carlo样本在400个CPU核心上并行化，这意味着不同的CPU核心处理不同的随机样本 $\xi$。
    • 实时空间并行化：对于单个样本内部的计算（如哈密顿量应用、密度计算等），可以采用实时空间分解并行化，将网格数据分配到不同的核心。

3.2 复现指南（概念性）

鉴于没有公开的代码库，以下是基于论文描述的OPAW-sGW计算的概念性复现指南。实际复现需要从头实现或深度修改现有软件。

步骤 1：准备输入文件

  • 分子几何结构：XYZ、PDB或类似的原子坐标文件。
  • PAW数据集：从ABINIT等PAW数据库获取，包含投影函数、伪原子波函数、全电子波函数等信息。
  • 网格参数：指定实时空间网格的间距（$ds$）和模拟盒子的大小。OPAW的优势在于可以使用更大的 $ds$。
  • DFT参数：交换相关泛函（例如LDA）、收敛标准。
  • sGW参数：
    • Monte Carlo样本数 ($N_\zeta$)，例如500-2000。
    • 随机占据轨道数 ($N_\eta$)，例如8-20。
    • 时间步长（$\Delta t$），例如0.05原子单位。
    • 总时间步数。
    • 微扰强度 ($\lambda$)。
  • ΔGW₀ 校正参数：如果应用，指定校正方法。

步骤 2：执行初始DFT计算 (OPAW-DFT)

  1. 加载PAW数据集和几何结构：初始化PAW算符。
  2. 构建PAW哈密顿量 ($\hat{\mathcal{H}}$) 和重叠算符 ($\hat{\mathcal{S}}$)。
  3. 计算 $\hat{\mathcal{S}}^{-1/2}$：这通常是一个计算密集型步骤。
  4. 构建OPAW哈密顿量 (H) 和其本征态 ($|\psi_n\rangle$)：
    • 通过求解 $H|\psi_n\rangle = \epsilon_n^{\text{KS}} |\psi_n\rangle$ 获得KS本征值和本征态。
    • 迭代求解直到自洽（对于DFT）。
  5. 获取占据和未占据轨道信息：保存 $\epsilon_n^{\text{KS}}$ 和 $|\psi_n\rangle$。

步骤 3：执行OPAW-sGW计算

  1. 初始化随机数生成器：确保可重复性。
  2. 循环进行 $N_\zeta$ 次Monte Carlo样本：
    • 生成随机轨道 $\zeta_\xi(r)$。
    • 根据方程(14)和(15)传播 $\zeta_\xi(r,t)$：
      • 这涉及OPAW哈密顿量的时间演化，使用RK4积分器。
      • 需要计算投影算符 $P$。
    • 生成随机占据轨道 $\eta_l(r)$：为当前样本重新生成。
    • 计算微扰势 $U_{\text{pertb}}(r)$。
    • 根据方程(21)微扰 $\eta_l(r, t=0^+)$。
    • 根据方程(25)传播微扰和未微扰的随机占据轨道 $\eta_l(r,t)$：
      • 这涉及TDH哈密顿量 $H^\lambda(t)$ 的时间演化，使用RK4积分器。
    • 计算随机密度 $n_\eta^\lambda(r,t)$。
    • 计算迟滞势 $u^R(r,t)$。
    • 应用稀疏随机压缩进行时间排序，得到 $u_\xi(r,t)$。
    • 计算当前样本的自能矩阵元贡献。
  3. 对所有样本的贡献进行平均：得到最终的自能 $\Sigma(\omega)$。
  4. 根据Dyson方程（方程9）计算准粒子带隙。
  5. （可选）应用ΔGW₀校正。

并行化建议：

  • 最高层并行：将 $N_\zeta$ 个Monte Carlo样本分配给不同的计算节点或核心。每个核心独立计算其分配的样本贡献。
  • 低层并行：在每个样本内部，实时空间网格上的矩阵向量乘法、FFT（如果使用）和势能计算可以并行化。

3.3 所用的软件包及开源代码库链接

论文中未明确指出所使用的具体软件框架，也未提供任何开源代码库链接。然而，可以推断该研究是基于现有的量子化学代码库进行开发和修改的。

推测可能的基础软件包：

  • ABINIT [11, 41, 46]：论文中提到OPAW计算使用了ABINIT数据库中的LDA原子数据集，并且ABINIT是一个广为人知的平面波DFT代码，支持PAW方法。因此，该OPAW-sGW的开发可能是在ABINIT的PAW模块基础上进行的。ABINIT是开源的，但其sGW部分可能需要额外实现或修改。
  • BerkeleyGW [13]：一个高性能的GW和BSE计算包，但通常用于确定性方法。其核心组件或数据结构可能被用于启发式设计，但sGW部分仍需自行实现。
  • VASP [14]：广泛使用的PAW方法商业代码。论文提到VASP，但不太可能是其开发平台，因为VASP是商业软件且不易进行底层修改。
  • 其他实时空间DFT代码：例如octopus [57]（虽然论文未直接提及），通常支持时间依赖DFT和实时空间演化，可能作为开发此类方法的良好起点。

目前，针对OPAW-sGW这一特定方法，论文没有提供可直接使用的开源代码库链接。 如果读者希望复现或使用此方法，需要密切关注未来该研究组的发布，或者根据论文提供的理论细节自行实现。考虑到该方法是研究团队近期开发的正交化PAW方法的拓展，其实现可能仍处于内部开发阶段。

重要提示：在量子化学领域，新的方法往往首先在研究团队的内部代码库中实现和验证，然后才可能逐步开源或集成到主流软件包中。因此，目前无法提供直接的开源代码库链接是常见情况。

4. 关键引用文献与局限性评论

4.1 关键引用文献

本研究构建在量子化学和凝聚态物理领域的多个前沿工作之上，以下是一些关键的引用文献，它们构成了OPAW-sGW方法的理论和技术基石：

  1. GW近似理论基础：

    • [2] Lars, H. Physical Review 1965, 139, A796-A823. (Hedin’s seminal work，奠定了GW近似的理论基础)
    • [3] Aryasetiawan, F.; Gunnarsson, O. Reports on Progress in Physics 1998, 61, 237-312. (GW方法全面综述，对理解GW理论和实际应用至关重要)
    • [5] Golze, D.; Dvorak, M.; Rinke, P. Frontiers in Chemistry 2019, 7. (GW Compendium，为GW理论和应用提供了实用指南)
    • [7] Vlček, V.; Baer, R.; Rabani, E.; Neuhauser, D. The Journal of Chemical Physics 2018, 149. (关于简化的本征值自洽 ΔGW₀ 的工作，本研究也采用了此校正方法)

  2. 随机GW (sGW) 方法：

    • [23] Neuhauser, D.; Gao, Y.; Arntsen, C.; Karshenas, C.; Rabani, E.; Baer, R. Physical Review Letters 2014, 113. (开创性地提出了随机方法来打破GW计算的理论标度限制)
    • [24] Vlček, V.; Rabani, E.; Neuhauser, D.; Baer, R. Journal of Chemical Theory and Computation 2017, 13, 4997-5003. (详细介绍了分子体系的随机GW计算)
    • [25] Vlček, V.; Li, W.; Baer, R.; Rabani, E.; Neuhauser, D. Physical Review B 2018, 98. (将稀疏随机压缩技术引入sGW，以处理超过10,000个电子的体系)
    • [26] Allen, T.; Nguyen, M.; Neuhauser, D. The Journal of Chemical Physics 2024, 161. (sGW与混合泛函的结合，处理大型分子体系)

  3. 投影缀加波 (PAW) 方法：

    • [31] Blöchl, P. E. Physical Review B 1994, 50, 17953–17979. (Blöchl 提出的原始PAW方法，奠定了其理论基础)
    • [32] Kresse, G.; Joubert, D. Physical Review B 1999, 59, 1758–1775. (VASP实现PAW的关键工作，推广了PAW在超软赝势中的应用)

  4. 正交化投影缀加波 (OPAW) 方法：

    • [39] Li, W.; Neuhauser, D. Physical Review B 2020, 102. (首次提出实时空间正交化投影缀加波方法，是本研究的基础)
    • [40] Nguyen, M.; Duong, T.; Neuhauser, D. The Journal of Chemical Physics 2024, 160. (OPAW方法在时间依赖密度泛函理论中的应用，进一步验证了其可靠性)

这些文献共同构成了OPAW-sGW方法发展的坚实基础，展示了从基本理论到高性能计算技术的融合。

4.2 对这项工作局限性的评论

尽管OPAW-sGW方法在克服传统GW和NCPP-sGW的计算瓶颈方面取得了显著进展，但目前的实现和方法本身仍存在一些局限性：

  1. CPU计算效率有待提高：

    • RK4积分器的内在开销：论文明确指出，当前OPAW-sGW实现中采用的四阶Runge-Kutta（RK4）积分器，在每个时间步中需要四次哈密顿量应用，这比NCPP-sGW中使用的分裂算符方案（通常只需一次哈密顿量应用）的CPU成本高。尽管OPAW允许使用更粗糙的网格，但这种更高的单步计算成本使得OPAW-sGW的总CPU时间在某些情况下仍略高于NCPP-sGW，如10-CPP+C60体系所示。
    • 并行化挑战：RK4方案无法在随机轨道上进行像先前OPAW-TDDFT实现那样的并行化，进一步限制了其在超大规模并行环境中的效率提升。这意味着虽然Monte Carlo样本可以在CPU核心间并行，但每个样本内部的时间演化计算可能存在并行效率瓶颈。

  2. 统计误差的权衡：

    • 样本数量的依赖性：sGW方法的精度本质上受Monte Carlo样本数量 $N_\zeta$ 的限制。虽然对于大型系统，自平均效应可以降低所需的样本数（通常 $N_\zeta \approx 500$ 即可达到一定精度），但对于高精度的要求或某些特定体系，仍可能需要更多样本，从而增加计算时间。这种统计误差的控制需要在精度和计算成本之间进行权衡。
    • 小体系的效率：论文也提到，对于小系统（数千个样本），随机方法可能效率较低。虽然OPAW-sGW主要目标是大型体系，但如果需要统一处理不同大小的体系，这可能是一个考量。

  3. 近似的引入：

    • ΔGW₀校正的性质：本研究中所有报告的sGW带隙都包含了简化的本征值自洽校正ΔGW₀。虽然这种“剪刀式”校正能有效改善带隙，且计算成本低，但它是一种近似，不如完全自洽GW（scGW）理论上严谨。在某些体系或对更高精度有需求的情况下，可能需要更高级别的自洽处理。
    • 对角近似：在Dyson方程中，采用了对角近似，即只计算自能的对角矩阵元。这简化了计算，但忽略了自能的非对角元可能带来的贡献，这些贡献在某些体系（如强关联体系）中可能不容忽视。

  4. 基准体系的范围：

    • 虽然选择了多样化的分子体系进行测试，但主要集中在分子体系。对于周期性固体，虽然PAW方法被广泛应用于固体，但OPAW-sGW在周期性边界条件下的具体实现和性能（尤其是在效率方面）仍需进一步的系统性验证和基准测试。固体的能带结构和金属的屏蔽效应可能带来不同的挑战。

  5. 核心态处理的限制：

    • 尽管OPAW保留了PAW的全电子性质，能够准确描述核心态，并为未来计算核心能级激发光谱奠定基础。然而，当前的sGW计算主要关注价电子激发。如何有效且高效地将sGW应用于核心激发态的准确计算，仍然是一个需要进一步探索的方向。

  6. 缺乏开源代码：

    • 如前所述，论文未提供任何可公开访问的代码库链接。这使得其他研究人员无法直接复现、验证或在此基础上进行开发，从而限制了该方法在学术界传播和影响的速度。尽管这是新研究的常见情况，但透明性和可重复性对于科学进步至关重要。

总的来说，OPAW-sGW代表了GW计算在处理大型体系方面的一个重大进步，特别是通过其显著的内存节省。然而，在进一步提高CPU效率、探索更高级别的自洽性以及拓宽其应用范围（如周期性固体和核心激发）方面，仍有广阔的研究空间。这些局限性也为未来的研究指明了方向。

5. 其他必要的补充

5.1 OPAW-sGW的突破性意义与战略价值

OPAW-sGW的提出不仅是对现有GW计算方法的一种改进，更是量子化学计算领域的一个战略性突破，它深刻地改变了我们对大规模体系激发态计算的认知和能力。

  1. 从内存壁垒到计算可及性： 传统NCPP-sGW方法对精细实时网格的苛刻要求，导致内存开销呈立方关系增长，这对于大型分子或复杂材料体系而言，构成了难以逾越的内存壁垒。OPAW-sGW通过其在粗糙网格上保持精度的能力，将网格点数量大幅削减（例如，对于10-CPP+C60体系减少到六分之一），从而显著降低了内存需求。这意味着曾经被认为“计算上不可行”的体系，现在可以在可接受的计算资源下进行GW级别的计算。这种从“不可能”到“可能”的转变，为研究人员打开了一扇通往全新研究领域的大门，例如大型生物分子中的光物理过程、功能材料中的缺陷态、界面现象等。

  2. 全电子精度的保持与核心态描述： PAW方法的核心优势在于它能够通过在原子核附近重建全电子波函数来保留全电子性质。OPAW方法继承并正交化了这一特性。这意味着OPAW-sGW不仅能提供准确的价电子准粒子能隙，而且原则上能够精确描述核心电子相关的激发过程。这对于分析X射线吸收谱（XAS）、X射线光电子谱（XPS）等核心能级光谱至关重要。与NCPP方法在核心区平滑处理的做法不同，OPAW的全电子特性使得它能够提供更可靠的基准，尤其是在需要考虑核心-价电子相互作用的复杂体系中。

  3. 推动随机方法论的成熟： sGW方法在过去十年中已展现出巨大的潜力，但其与成熟的全电子/粗网格方法的结合一直是一个挑战。OPAW-sGW的成功实现，是随机方法论走向成熟的关键一步。它证明了通过巧妙的理论构造和算法设计，可以将随机方法的低标度优势与高精度、高效率的全电子方法结合起来，从而在保持计算效率的同时，提升物理描述的准确性和普适性。这为未来开发更多基于随机采样的量子化学方法提供了宝贵的经验和范例。

  4. 加速新材料和生物体系的理解： 在新材料的探索和生物体系功能的理解中，激发态动力学和电荷传输路径至关重要。例如，光伏材料中的激子分离、催化剂中的电子-空穴对寿命、光合作用中的能量转移效率等，都直接依赖于准确的准粒子带隙和自能描述。OPAW-sGW能够以前所未有的规模和精度处理这些复杂体系，将加速我们对这些现象的深层理解，并为定向设计和优化功能材料提供坚实的理论指导。

5.2 对未来研究方向的展望与扩展潜力

论文在结论部分已经概述了几个未来方向，在此基础上，我们可以进一步深入探讨OPAW-sGW方法的巨大扩展潜力。

  1. 广义Kohn-Sham (GKS) 计算的集成： 论文提到将OPAW-DFT与混合确定性/稀疏随机压缩的交换积分相结合，以实现高效的GKS计算，包括DFT中的一部分精确交换。这一方向至关重要。精确交换（exact exchange）对带隙的改善、体系的自相互作用误差消除具有关键作用。将随机方法引入GKS，尤其是混合泛函（hybrid functionals），能够进一步提升基态计算的精度，并为GW计算提供更优的零阶输入。OPAW对高网格分辨率的兼容性，将有助于更好地利用静态网格到基组转换的优势，从而在GKS中实现更高的精度。

  2. Bethe-Salpeter方程 (BSE) 谱的计算：

    • 光学激发光谱：GW计算提供准粒子能隙，但要获得更全面的光学吸收或发射谱，需要求解BSE，它能捕获电子-空穴相互作用。论文提到OPAW-sGW中筛选库仑相互作用W的矩阵元可以高效评估，这为构建BSE所需的静态屏蔽库仑矩阵提供了基础。将sTDH方法扩展到BSE，有望以低标度的方式计算大型体系的激子能量和光谱。
    • 核心能级激发：利用OPAW保留全电子特性，可以进一步将sBSE应用于核心能级激发光谱的计算。这对于理解X射线吸收谱（XAS）、EELS等实验谱学数据至关重要，将推动我们对原子核附近复杂电子结构和动力学的理解。

  3. 顶点修正 (Vertex Corrections) 的引入：

    • 超越GW：GW近似本身是一种截断的Feynman图展开，忽略了更高阶的相互作用（即顶点修正）。这些修正对某些体系（如强关联材料、或具有强激子效应的系统）的准粒子性质可能非常重要。论文提到，OPAW-sGW可以扩展以包含顶点修正，这对应于在sGW框架内，使用修正的时间依赖Hartree-Fock (TDHF) 传播而非TDH传播来获取极化势。
    • 计算效率的提升：由于OPAW允许使用更粗糙的实时网格，这将显著提高涉及顶点修正的GW方案的计算效率。这意味着我们可以以更低的成本探索超越GW的更高级理论，从而在保持计算可及性的同时，系统性地提高理论预测的精度。

  4. 动态屏蔽的细化与频率依赖性：

    • 目前的sGW方法通常采用静态屏蔽或一些简单的频率依赖模型。未来的工作可以探索更精细地处理屏蔽相互作用的频率依赖性，例如通过高效地评估不同频率下的介电函数。这可能需要开发新的随机采样策略或时间传播方案。

  5. 与机器学习/AI的结合：

    • 随着机器学习在科学发现中的日益普及，OPAW-sGW产生的大量高精度GW数据可以用于训练机器学习模型，以预测激发态性质，从而进一步加速材料设计。反之，机器学习方法也可以用于优化sGW的参数（如 $N_\zeta, N_\eta$），或改进随机轨道的生成方式，甚至加速某些子步骤的计算。

  6. 周期性体系的应用：

    • 虽然本研究主要针对分子体系，但PAW方法在周期性固体中广泛使用。将OPAW-sGW扩展到周期性边界条件下的固体体系，对于研究半导体、拓扑材料、异质结等材料的电子结构和激发态至关重要。这将需要对边界条件、长程库仑相互作用的处理、以及能带结构中的K点采样等进行特定的算法调整。

总之，OPAW-sGW方法不仅解决了当前GW计算中的一个核心瓶颈，更提供了一个多功能且可扩展的平台，为下一代高性能、高精度量子化学计算奠定了基础。通过持续的算法创新和与新兴技术的结合，OPAW-sGW有望在未来几年内成为理解复杂材料和生物体系激发态性质的强大工具。