来源论文: https://arxiv.org/abs/2606.01535v1 生成时间: Jun 02, 2026 06:59

变分自由补余方法的完备性危机：固定高斯展开长度下的收敛性极限与数学解析

0. 执行摘要

在现代量子化学和分子物理学中，精确求解时间无关的薛定谔方程（Time-Independent Schrödinger Equation, TISE）是理解微观物质特性的终极目标。日本学者中辻博（Hiroshi Nakatsuji）提出的自由补余（Free Complement, FC）理论，通过引入系统哈密顿算符的结构信息构造补余函数，为获取体系的数值精确解（Numerically Exact Solutions）提供了一个极具前景的通用框架。然而，由于 Slater 型轨道（Slater-Type Orbitals, STOs）在多中心体系中面临极其棘手的多中心积分困难，研究者们引入了高斯展开补余函数法（Gaussian-Expanded Complement Function, GECF），即利用有限数量的高斯函数（STO-$n_G$ 展开）来逼近 STO。

本研究探讨了一个极具理论深度且对实际计算有重要指导意义的核心科学命题：在固定高斯展开长度 $n_G$（例如最极端的 $n_G = 1$）的前提下，随着自由补余阶数 $n o \infty$ 以及基函数数量 $M_n o \infty$，变分能量是否能够收敛到体系哈密顿算符的精确本征值？

基于严密的数学分析（引入泛函分析中的 Müntz–Szász 定理）与针对非相对论无自旋氢原子基态的高精度数值变分模拟（最高计算精度达 1500 位有效数字），本项工作给出了令人警醒的否定回答（A: No）。研究证明，在固定 $n_G$ 且不对高斯指数进行非线性优化的情况下，高斯展开补余基组在希尔伯特空间中是不完备的。这一结论揭示了高斯基组在描述波函数渐近行为（尤其是缺乏弥散特征的远距离衰减）时的本质缺陷，但同时也指明了通过引入指数累积点、自适应去收缩（Decontraction）方案以及结合动能算符构造补余函数来恢复完备性的可行路径。

1. 核心科学问题、理论基础、技术难点与方法细节

1.1 自由补余（FC）理论与 cusp 条件

量子多体体系的薛定谔方程为：

其中 $H$ 为体系的哈密顿算符。传统的量子化学方法（如哈特里-福克方法 HF、耦合集群方法 CC 等）通常采用单粒子轨道近似，难以在根本上解决电子相关（Electronic Correlation）问题，尤其是在电子-电子、电子-原子核碰撞处，波函数必须满足所谓的 Kato 尖峰条件（Kato’s Cusp Condition）：

传统的平滑高斯基函数（Gaussian-Type Orbitals, GTOs）由于在原点处的导数为零，无法本质地描述这种尖峰结构，导致收敛极其缓慢。中辻博提出的自由补余（FC）理论通过物理分析，将波函数写为：

其中补余函数 $\{\phi_i\}$ 是通过将哈密顿算符及其相关算符作用于一个合理的初始波函数 $\psi_0$（通常具有正确的 cusp 行为）而系统地产生的：

这里 $g$ 是一个被称为“标度因子”（Scaling Factor）或“修饰函数”（g-function）的算符，通常取为 $1 - e^{-\gamma r}$。这种设计不仅能够保证在有限阶数下自动满足 cusp 条件，还具有极强的变分柔性。

1.2 高斯展开补余函数法（GECF）的引入与瓶颈

尽管 FC 方法在理论上极其完美，但当应用于多原子分子时，由于初始波函数 $\psi_0$ 包含 Slater 型的指数衰减项（$e^{-\zeta r}$），使得涉及哈密顿算符的多中心库仑积分、交换积分等变得极其难解，甚至不存在解析表达式。为了克服这一“积分瓶颈”，研究人员发展了 GECF 方法。其核心思想是将 Slater 型的初始成分用 $n_G$ 项高斯函数的线性组合（即 STO-$n_G$）进行最小二乘拟合或解析展开：

在 $n_G \to \infty$ 极限下，该展开可以达到任意精度。然而，在实际的大规模量子化学计算中，为了控制计算开销，我们通常必须固定一个有限的 $n_G$。这便引出了本文的核心疑问：若固定 $n_G = \text{constant} < \infty$，仅仅依靠增大补余阶数 $n \to \infty$，变分求解能否保证能量的精确收敛？

1.3 核心数学难点：高斯指数发散与完备性缺失

我们以最基础的单电子氢原子基态为例进行数学剖析。设体系的初始 Slater 型波函数为 $\psi_0 = e^{-\zeta r}$，修饰函数为 $g = 1 - e^{-\gamma r}$，且满足标度关系 $\gamma = 1 - \zeta$。在 $p$-alone 变分方案下，第 $k$ 阶补余函数在进行高斯展开前可以写作：

利用二项式展开，这实际上等价于基组 $\{e^{-(\zeta + k\gamma)r} \mid k = 0, 1, \dots, n\}$。现在，我们采用最极端、最简单的拟合情况，即 $n_G = 1$（STO-1G 展开）。根据高斯和 Slater 轨道的标度关系，任意指数 $\zeta' = \zeta + k\gamma$ 对应的最佳单项高斯展开指数 $\alpha^{(k)}$ 满足：

这意味着，随着补余阶数 $k$ 的增加，高斯指数 $\alpha^{(k)}$ 以 **$k^2$（二次方）**的速度迅速向无穷大发散！这一数学特性导致了两个灾难性的后果：

1. 缺乏弥散函数（Diffuse Functions）：所有的基函数在空间中收缩得越来越快，在远离原子核的区域（长程区域），基函数的振幅呈指数级衰减。这意味着基组中不存在指数接近于 0 的弥散成分，无法有效描绘波函数的渐近尾部。
2. 完备性（Completeness）在数学上的失效：在希尔伯特空间中，一组函数是否能完备地逼近任意平方可积函数，取决于其指数分布。对于高斯基组，其完备性问题可以直接映射到著名的 Müntz-Szász 定理。

1.4 Müntz–Szász 定理的严密论证

Müntz–Szász 定理（一维经典版本）指出： 设 $\{\lambda_k\}_{k=1}^\infty$ 是一组满足 $\lambda_k > -1/2$ 且互不相同的实数序列。那么，单项式基组 $\{x^{\lambda_k}\}$ 在 $L^2([0, 1])$ 空间中完备的充要条件是：

为了将此定理应用于三维实空间 $L^2(\mathbb{R}^3)$ 中的高斯基组 $\{e^{-\alpha^{(k)}r^2}\}$，我们需要将径向坐标变换并引入对应的测度。经过严格的泛函推广，若高斯指数为 $\alpha^{(k)}$，在长程大 $k$ 极限下，其等效的 Müntz 项级数求和行为可以简化分析。对于大 $k$，由于 $\alpha^{(k)} \propto k^2$，我们代入上式求和项：

显而易见，由于级数：

该级数是绝对收敛的，未能满足 Müntz-Szász 定理所要求的发散条件（求和为 $\infty$）。

这一极具优雅性的数学证明直接宣告：在固定 $n_G = 1$ 的情况下，所构造的高斯展开补余函数基组在 $L^2(\mathbb{R}^3)$ 空间（以及物理意义更强的 Sobolev 空间 $W_2^{(1)}(\mathbb{R}^3)$）中是不完备的。 既然基组不完备，根据变分原理，当 $n \to \infty$ 时，其变分能量必然会收敛到一个严格高于哈密顿算符精确基态能量的极限值。这就是完备性危机下的“收敛瓶颈”。

2. 关键 Benchmark 体系、计算数据与性能分析

为了验证上述理论预测，王聪博士设计了极具说服力的数值 Benchmark。实验选择非相对论无自旋的氢原子基态（精确能量为 $-0.5$ a.u.）作为黄金标准体系。分别针对两种截然不同的场景进行了极其细致的变分计算。

2.1 场景一：固定 $n_G = 1$ 下的高斯展开变分计算

在此方案中，初始参数设置为 $\psi_0 = e^{-\zeta r}$，其中 $\zeta = 0.5$。修饰函数 $g = 1 - e^{-\gamma r}$，$\gamma = 0.5$。采用 STO-1G 展开，得到一系列高斯基函数 $e^{-\alpha^{(k)}r^2}$，其指数按照 $\alpha^{(k)} = 0.270950 \times (1 + k)^2$ 规律演化。变分计算结果汇总于表 1：

表 1：固定 $n_G = 1$ 时的变分计算结果与极值分析

数值特性深度解析：

1. 极其严重的线性相关性：重叠矩阵的最小本征值 $s_{\min}$ 随基组规模扩大呈指数级衰减。在最高阶数 $n=1200$ 时，$s_{\min}$ 降至惊人的 $7.3 \times 10^{-1251}$！在普通双精度（64位浮点数，精细度仅 $\sim 10^{-16}$）下，这种矩阵早已完全奇异，计算会彻底崩溃。这证明了采用超高精度（十进制 1200 至 1500 位）进行数值求解的绝对必要性。

2. 能量收敛至非精确极限：即使将阶数推至 $n=1200$，变分能量也仅达到 $-0.499 799 523 311$ a.u.，与精确值 $-0.5$ a.u. 存在约 $2.0 \times 10^{-4}$ a.u. 的显著系统性偏差。

3. 非线性外推拟合：为了预测 $n \to \infty$ 时的极限能量，作者采用了三参数非线性公式对 $M_n \ge 100$ 的数据进行了最小二乘外推拟合：

   $$E(M_n) = A + \frac{B}{M_n^C}$$

   拟合得到的渐近极限值为：

   $$A = -0.499 800 472 \pm 6 \times 10^{-9} \text{ a.u.}$$

   此拟合判定系数 $R^2 \approx 0.999 999 3$，极具可信度。这一外推结果斩钉截铁地证实了：在 $n \to \infty$ 极限下，固定 $n_G = 1$ 的能量收敛极限严格高于精确本征值 $-0.5$ a.u.，偏离幅度超出统计误差数个数量级。

2.2 场景二：$n_G \to \infty$ 极限（高斯-Slater 混合方案）

为了对比，作者构建了一个能够模拟 $n_G \to \infty$ 极限的物理模型。此时，初始波函数采用高斯型 $\psi_0 = e^{-\alpha r^2}$（设 $\alpha = 0.0625$），但修饰函数采用不带高斯展开的 Slater 型 $g = e^{-\gamma r}$（$\gamma = 1$）。根据如下的 Kikuchi-Shavitt 积分变换公式：

可以看出，这种混合基组实际上等效于在指数区间 $(\alpha, \infty)$ 上对高斯基函数进行了连续、无限项的叠加。此时在 $s \to 0$ 极限下，指数 $s+\alpha \to \alpha$。因此，$\alpha$ 构成了指数分布的一个累积点（Accumulative Point），在数学上能够有效弥合长程弥散轨道的缺失。计算结果展示于表 2：

表 2：高斯-Slater 混合基组（$n_G \to \infty$ 极限）的收敛性能

关键性能对比：

• 完美的精确收敛性：当 $n = 1200$ 时，高斯-Slater 混合方案计算得到的能量为 $-0.499 999 999 760$ a.u.，距离 $-0.5$ a.u. 仅差 $2.4 \times 10^{-10}$ a.u.，呈现出极为清晰的收敛到本征值的趋势。这说明只要打通了 $n_G \to \infty$ 限制，基组完备性就会被完美修复。
• 两类基组收敛轨迹的本质区别：下图生动展现了两种模式的根本差异。固定 $n_G = 1$ 的收敛曲线在达到某个“瓶颈高度”后便呈现平台化（非完备限制）；而 $n_G \to \infty$ 模型则持续向下突破，最终无限逼近基态铁律。

3. 代码实现细节、高精度计算复现指南与开源生态

要在计算中处理低至 $10^{-1800}$ 量级的极小矩阵特征值，传统的计算化学软件（如 Gaussian、ORCA、PySCF 等）完全无能为力。本研究采用了一套精心构建的双语言高精度异构计算架构：由 Python 负责高度灵活的符号推导、高精度积分和非线性拟合，由 Julia 负责承载超高精度线性代数的求解。下面给出其实现细节与核心复现代码。

3.1 核心软件包生态系统

• Python 端：
  • mpmath (v1.3.0)：任意精度浮点数算术库，本研究中高精度多中心一电子积分重载和计算的核心。 GitHub Repository
  • SymPy (v1.14.0)：符号代数库，用于自动推导高阶变分下的矩阵元解析表达式。 GitHub Repository
  • SciPy (v1.16.0)：利用其优秀的 scipy.optimize.curve_fit 实现 Levenberg-Marquardt 算法的高精度非线性曲线拟合。 GitHub Repository
• Julia 端：
  • GenericLinearAlgebra.jl (v0.3.18)：基于纯 Julia 编写的自适应精度线性代数库，专门用于对 BigFloat 类型的矩阵进行奇异值分解（SVD）和广义特征值求解。 GitHub Repository
  • JSON.jl (v0.21.4)：用于在 Python 与 Julia 进程之间无损传递高精度浮点数矩阵数据。 GitHub Repository

3.2 关键数值算法实现：规范正交化与特征值问题

变分法最终归结为求解广义特征值方程：

由于重叠矩阵 $\mathbf{S}$ 极其接近奇异，直接使用 LAPACK 中的双精度特征值求解器会产生灾难性的数值撕裂。为此，必须采用规范正交化（Canonical Orthogonalization）。其核心步骤为：

1. 对 $\mathbf{S}$ 进行对角化：$\mathbf{U}^T \mathbf{S} \mathbf{U} = \mathbf{s}$。

2. 设定阈值 $\tau = 1 \times 10^{-d}$（其中 $d$ 为当前计算的工作精度位数）。若存在 $s_i < \tau$，则剔除对应的基函数以避免数值共线性。但在本研究中，由于精度设置足够高（如 1500 位），无需剔除任何基函数，从而保留了基组的全部变分空间。

3. 构造变换矩阵 $\mathbf{V} = \mathbf{U} \mathbf{s}^{-1/2}$，将原方程转化为标准特征值方程：

   $$\mathbf{H}' \mathbf{C}' = E \mathbf{C}', \quad \mathbf{H}' = \mathbf{V}^T \mathbf{H} \mathbf{V}$$

3.3 高精度特征值求解复现代码（Julia 脚本）

以下是用于高精度求解变分特征值问题的 Julia 复现脚本示例：

using LinearAlgebra
using GenericLinearAlgebra
using JSON

# 设置全局计算精度为十进制 1500 位 (大约等价于二进制 4982 位)
setprecision(BigFloat, 4982)

function solve_high_precision_gev(h_file::String, s_file::String)
    # 1. 从 JSON 文件读取 Python 导出的高精度矩阵数据
    h_raw = JSON.parsefile(h_file)
    s_raw = JSON.parsefile(s_file)
    
    n = length(h_raw)
    
    # 2. 将数据转化为 Julia 的 BigFloat 类型
    H = Matrix{BigFloat}(undef, n, n)
    S = Matrix{BigFloat}(undef, n, n)
    
    for i in 1:n, j in 1:n
        H[i, j] = parse(BigFloat, h_raw[i][j])
        S[i, j] = parse(BigFloat, s_raw[i][j])
    end
    
    # 3. 对重叠矩阵 S 进行高精度对称特征值分解
    # GenericLinearAlgebra 自动重载 eigen 算子以支持 BigFloat
    s_decomp = eigen(S)
    evals_S = s_decomp.values
    evecs_S = s_decomp.vectors
    
    s_min = minimum(evals_S)
    println("Minimum eigenvalue of Overlap Matrix (s_min): ", s_min)
    
    # 4. 构造正交化变换矩阵 V = U * s^(-1/2)
    # 即使 s_min 达到 10^-1200, BigFloat 依然能够安全求平方根和逆
    s_inv_sqrt = [val > 0 ? 1 / sqrt(val) : big"0.0" for val in evals_S]
    V = evecs_S * Diagonal(s_inv_sqrt)
    
    # 5. 转换哈密顿矩阵
    H_prime = V' * H * V
    
    # 6. 求解标准特征值问题
    final_decomp = eigen(H_prime)
    ground_state_energy = minimum(final_decomp.values)
    
    println("Ground State Energy (E): ", Float64(ground_state_energy), " (double precision view)")
    println("Exact High Precision E: ", ground_state_energy)
    
    return ground_state_energy, s_min
end

4. 关键引用文献与独立学术评论

4.1 关键参考文献

本项研究工作紧密建立在以下量子化学基础理论与方法学文献之上：

1. 自由补余理论的奠基性工作：
   • H. Nakatsuji, Phys. Rev. Lett., 2004, 93, 030403. (提出了求解薛定谔方程精确解的 FC 框架)
   • H. Nakatsuji, Phys. Rev. A, 2005, 72, 062110. (详述了 FC 方法的数学结构)
2. GECF 及去收缩方案的提出：
   • C. Wang, arXiv:2508.04635v2 [physics.chem-ph], 2025. (首次引入高斯展开解决积分瓶颈)
   • C. Wang, arXiv:2603.16262v1 [physics.chem-ph], 2026. (提出分层去收缩方案解决指数爆炸)
3. Müntz-Szász 定理在量子化学基组中的推广：
   • B. Klahn, W. A. Bingel, Theor. Chim. Acta, 1977, 44, 9-26. (系统论证了高斯及 Slater 基组的完备性定理)
4. Even-Tempered 基组极限分析：
   • W. Kutzelnigg, Int. J. Quantum Chem., 2013, 113, 203–217. (详细推导了均匀回火高斯基组的能量收敛渐近行为)

4.2 局限性评论与学术思辨

作为一名面向最前沿量子化学计算的学者，我认为本项研究在厘清变分自由补余方法的底层数学边界方面做出了极其卓越的贡献，但也存在以下不可忽视的局限性：

1. 物理体系的过于简化（“氢原子局限性”）

本研究所采用的 Benchmark 仅局限于单电子、球对称的无自旋氢原子体系。这是一个一维径向问题。然而，多电子原子和分子的哈密顿算符中包含电子-电子排斥项 $r_{12}^{-1}$，其补余函数不仅包含一核吸引项，还包含复杂的两电子 Cusp 关联项。在多电子体系中，高斯展开长度固定为 $n_G$ 时，是否会引入更复杂的非物理高阶耦合？多中心积分的指数复杂度是否会因极高的数值精度要求而变得完全不可行？这些关键问题在本文中并未给出解答。

2. 对“固定 $n_G$”假设实用性的质疑

文章在理论上论证了“固定 $n_G$ 导致完备性缺失”。但在实际生产环境的量子化学计算中，没有人会刻板地固定 $n_G=1$。随着补余阶数 $n$ 的增加，动态且合理地增加高斯拟合长度（例如设定 $n_G = \mathcal{O}(n)$ 或采用 STO-3G, STO-6G 甚至去收缩高斯基组）是极其自然且标准的操作。从这个角度来看，本文揭示的“完备性危机”在实际计算中其实是一个“伪命题”——只要我们不人为地将 $n_G$ 锁死为常数，完备性就会自然恢复。作者在文章第 5 节也承认了这一点，这使得本工作的学术定位更倾向于纯粹的泛函边界探索，而非实用算法的颠覆。

3. 指数优化计算成本的“两难境地”

作者提到，通过在变分过程中优化高斯指数（如显式关联高斯方法 ECG 中的参数随机搜索或梯度优化）可以突破这一完备性障碍。然而，高斯指数的非线性变分优化本身是一个极易陷入局部极小、计算开销极其恐怖的非凸优化问题，其复杂度随基组大小呈指数增长。如果为了修复 $n_G$ 有限带来的微小能量偏差而去进行全指数变分优化，FC 方法原本引以为傲的“解析可积性”和“低计算成本”优势将荡然无存。

5. 关键补充：均匀回火基组与 STO-$n_G$ 去收缩性质深度拓展

为了给读者提供更加全面、系统的量子化学背景知识，本节将对论文附录部分关于均匀回火（Even-Tempered, ET）基组与 STO-$n_G$ 去收缩基组的物理图像进行深度学术拓展。

5.1 均匀回火基组的数学美感与收敛律

在传统基组设计中，均匀回火基组（Even-Tempered Basis Sets）是一种非常成功的系统完备化方案。其高斯指数 $\alpha_k$ 采用几何级数形式给出：

其中 $\alpha > 0$，$\beta > 1$。Kutzelnigg 指出，若要使该基组在 $M_n \to \infty$ 时达到完备，标度因子 $\beta$ 必须动态地向 1 靠拢：

这保证了基组能够同时覆盖极小指数（弥散长程）和极大指数（紧致紧邻核）。

Kutzelnigg 基于极为深厚的理论功底，推导出了均匀回火基组在整体近似（Global Approximation）下的理论能量误差公式（即论文图 A1 中的对比基准）：

这一公式表明，均匀回火基组的能量收敛速度是关于基组大小的平方根指数型（$\sim e^{-c \sqrt{M_n}}$）。论文附录中的图 A1 表明，高精度变分计算所得的能量点（$\ln \Delta E_{\text{calc}}$）与这一理论预测曲线重合得严丝合缝（误差在 $10^{-8}$ a.u. 以内），这从侧面强有力地证明了王聪博士所采用的高精度高斯变分计算框架在数值上的极端精准度与学术严肃性。

5.2 去收缩（Decontracted）STO-$n_G$ 的物理优越性

在传统量子化学中，STO-$n_G$ 是将 $n_G$ 个原始高斯函数（Primitives）按照固定的收缩系数线性组合成一个基函数。这种**收缩（Contraction）**极大减少了自洽场（SCF）计算中变分系数的数量，但也严重禁锢了基组的变分自由度。

在论文附录的表 A1 中，作者对比了收缩 STO-$n_G$ 与去收缩（Decontracted）STO-$n_G$ 的表现。去收缩是指将原本绑定在一起的 $n_G$ 个高斯基函数完全拆开，允许它们在变分计算中独立拥有变分系数。

表 A1 数据抽取与物理剖析（以 $M_n = 14, n_G = 14$ 为例）：

• 收缩 STO-14G：变分基函数数量 $M_n = 1$（由于收缩为一个整体），变分所得能量为 $-0.499 999 797 545$ a.u.。
• 去收缩 STO-14G：变分基函数数量 $M_n = 14$。由于解除了变分约束，变分能量进一步下降至 $-0.499 999 797 548$ a.u.。

深层结论： 虽然二者在数值上的差距仅为极其微弱的 $3 \times 10^{-12}$ a.u.，但它传递了一个至关重要的物理信号：自由补余方法中提出的分层去收缩（Hierarchical Decontraction）方案，能够以极小的计算代价（无需增加高斯展开项数 $n_G$），仅通过释放高斯基函数的变分自由度，就实现对系统能量的进一步压榨。 这为解决未来高维、多中心分子体系中的“完备性危机”和“计算指数墙”提供了一条极具智慧的折中路线。

5.3 总结与展望

王聪博士的这项工作，如同一名冷静的数学判官，用 Müntz-Szász 定理和 1500 位精度的数值利刃，无情地戳破了固定高斯展开长度下变分自由补余方法能够无条件精确收敛的幻想。它告诉我们，在通往薛定谔方程精确解的崎岖道路上，没有简单的捷径——我们不能指望仅靠增大补余阶数就能弥补基组底层完备性的先天缺陷。然而，通过引入去收缩机制、设计自适应高斯指数生成算法，我们依然能够在这场与自然的变分博弈中占得先机。对于每一位致力于电子结构理论创新的学者而言，这篇论文所展现的数学严谨性与数值极限之美，都值得反复研读与深思。