来源论文: https://arxiv.org/abs/2606.29245v1 生成时间: Jul 01, 2026 18:44

QmDFT在多环芳烃中的应用：平衡嵌入基态精度与实验能隙预测的深度解析

0. 执行摘要

在低维碳纳米结构（如多环芳烃 PAHs、石墨烯纳米带 GNRs）的量子化学模拟中，强电子相关作用（Strong Correlation）与非定域交换效应（Non-local Exchange Effects）的精确描述一直是一个巨大的挑战。传统密度泛函理论（DFT）在高对称性或大尺度共轭体系中常因自相互作用误差（Self-Interaction Error, SIE）而严重低估带隙；而高精度波函数方法（如全构型相互作用 FCI、CCSD(T)）其计算复杂度随体系尺寸呈指数级增长，无法应用于大分子。

量子嵌入密度泛函理论（Quantum-Embedding Density Functional Theory, QmDFT）提供了一种兼顾精度与计算效率的极佳折衷方案。然而，当在嵌入循环中引入高级交换关联泛函（如杂化泛函 B3LYP、区间分离杂化泛函 CAM-B3LYP）以提高能隙预测精度时，自洽场（SCF）迭代过程往往会遭遇严重的数值收敛瓶颈。

近期发表的学术工作《QmDFT for Polycyclic Aromatics: Balancing Embedding Ground-State Fidelity and Experimental Gap Estimation》针对这一核心痛点，提出了一种自适应阻尼与直接反演迭代子空间（DIIS）联合加速的“稳定-加速”两阶段收敛控制协议。该协议成功稳定了包含区间分离杂化泛函的自洽嵌入循环，并对 10 种具有代表性的共轭 PAHs（包括线性和稠环结构）进行了系统性的 benchmark 研究。

研究揭示了 QmDFT 框架下存在显著的**“逆误差关系”（Inverse Error Relationship）**：以 LDA-RS 为代表的局域泛函环境能够提供最精确的嵌入基态能量（与 FCI-in-DFT 基准偏差最小），但会极大高估 HOMO-LUMO 能隙；而 B3LYP 等杂化泛函虽基态能量偏差较大，却能提供极度逼近实验值 $E_{0-0}$ 的激发态能隙预测。更为重要的是，研究通过对单个参考体系（蒽，Anthracene）进行参数“锚定”（Anchoring），校准了 CAM-B3LYP 泛函的区间分离参数，实现了在整个 PAHs 系列中同时压缩基态能量误差与电子跃迁能隙误差的优异表现。这一发现允许科研人员在不进行昂贵的显式激发态（如 TD-DFT、EOM-CCSD）计算的前提下，直接利用基态 Kohn-Sham 能隙作为实验光跃迁能的可靠代理，极大地降低了计算开销。

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

本研究旨在解决两个量子化学计算中的核心矛盾：

1. 大尺度共轭体系的强相关与宽光谱预测矛盾：在 PAHs 等离域 $\pi$ 电子体系中，如何同时精确描述基态的热力学稳定性（能量精度）与低激发态的单粒子跃迁能谱（能隙预测）？
2. 量子嵌入自洽迭代中的数值收敛危机：在“波函数-嵌入-DFT”（WF-in-DFT）或“变分量子特征值求解器-嵌入-DFT”（VQE-in-DFT）的自洽循环中，非定域交换关联势（Non-local XC Potential）的引入极易引发电荷密度振荡，导致计算不收敛。

1.2 理论基础：基于投影的 DFT 量子嵌入（Projection-Based DFT Quantum Embedding）

基于投影的嵌入理论将整个分子体系划分为两个部分：活性区（Active Region，用高精度波函数方法或量子计算算法处理）和环境区（Environment Region，用低成本的 DFT 浴场处理）。

系统总能量可分解为：

其中：

• $\rho_{\text{inact}} = \rho_{\text{DFT}}^{\text{full}} - \rho_{\text{act}}$ 为非活性环境区的电子密度，由全体系的 DFT 计算所得密度减去活性区密度得到。
• $\rho_{\text{act}}$ 为活性区密度，由变分量子特征值求解器（VQE）或 FCI 求解器在活性空间内直接构建。
• $E_{\text{emb}}$ 为嵌入能（Embedding Energy），它封装了非加和动能（Non-additive Kinetic Energy）以及活性区与环境区之间的非加和库仑与交换关联相互作用贡献。

自洽循环的收敛通过迭代更新活性区密度 $\rho_{\text{act}}^{(n)}$ 并重新计算环境 Fock 矩阵 $F_{\text{env}}$ 来实现：

其中，$\mathcal{P}_{\text{act}}$ 是向活性子空间的投影算符，用于防止活性区与外部环境轨道之间的电子双重占用。但在实际计算中，由于不使用显式的能级平移（Level-Shift）投影算符，而主要依赖实用的迭代混合协议（Iterative Mixing Protocol），这对数值收敛算法提出了极高的要求。

1.3 技术难点：非定域交换导致的数值振荡

当环境区使用局域密度近似（如 LDA-RS）时，由于其相互作用具有短程主导性，自洽循环极其稳定。然而，LDA 无法捕获 PAHs 分子长程激子的极化与电荷转移效应，导致能隙被严重高估（高达 5 eV 以上）。

为了获得精确的能隙，必须引入杂化泛函（B3LYP）或区间分离杂化泛函（CAM-B3LYP）。这些泛函中包含了精确 Hartree-Fock（HF）交换作用。非定域 HF 交换势对电子密度的微小扰动表现出高度的非线性敏感性，导致在自洽迭代过程中，电荷密度在活性区与环境区之间剧烈往复振荡，发生“电荷泵浦”现象（Charge Pumping），最终导致自洽循环彻底发散。

1.4 方法细节一：“稳定-加速”（Stabilize-then-Accelerate）双阶段收敛协议

为了攻克上述数值不收敛危机，本工作设计了双阶段迭代策略：

阶段 I：自适应线性阻尼（Adaptive Linear Damping）

在迭代初期（$k < st$），为了压制高频电荷振荡，对活性空间密度矩阵进行动态阻尼更新：

混合系数 $\alpha_k$ 并非固定常数，而是随着迭代步数 $k$ 的推进呈平方根倒数衰减，以确保算法能平滑且深度地滑入收敛流形（Convergence Manifold）：

其中初始阻尼因子设为 $\alpha_0 = 0.75$。

阶段 II：DIIS 推进加速（DIIS Acceleration）

当迭代步数达到阈值 $st$ 后，系统已摆脱剧烈振荡区，此时引入直接反演迭代子空间（DIIS）算法进行线性外推。通过构建历史密度矩阵残差的最小二乘线性组合，极大加快了后期的收敛速率。 经过系统性基准测试，确定了最优参数组合：在第 9 代迭代时激活 DIIS（$st = 9$），历史子空间深度设为 3（$sp = 3$）。

+--------------------------------------------------------+
| 迭代开始 (Iteration k = 1)                             |
+--------------------------------------------------------+
                           | 
                           v
+--------------------------------------------------------+
| 是否达到 DIIS 激活阈值? (k >= st, st = 9)               |
+--------------------------------------------------------+
       | No                                | Yes
       v                                   v
+-------------------------+     +------------------------+
| 阶段 I: 自适应阻尼混合  |     | 阶段 II: DIIS 加速外推 |
| 混合系数: α_k ∝ α_0/√k |     | 历史密度窗口: sp = 3   |
+-------------------------+     +------------------------+
       |                                   |
       +-----------------+-----------------+
                         |
                         v
+--------------------------------------------------------+
| 收敛判定: 能量方差 < 1e-6 Ha 且 Δρ_Frob < 1e-4 ?      |
+--------------------------------------------------------+
       | No                                | Yes
       v                                   v
[继续下一次迭代 (k = k+1)]               [收敛完毕，输出物理性质]

1.5 方法细节二：自旋惩罚变分量子特征值求解（Spin-Penalty VQE）

标准 Trotterized UCCSD 拟设在处理高级泛函环境时，易发生自旋对称性破缺，导致靶向单态（Singlet）基态受到三重态（Triplet）的严重污染。为此，本工作引入了自旋惩罚项修改变分 Hamiltonian：

惩罚系数 $\beta_{\text{spin}}$ 的理论阈值精细定义为：

其中 $\Delta E_{\text{ST}}$ 是单-三态能量劈裂，自旋平方算符的最小非零特征值分量设定为 $C_{\text{min}}^2 = 0.5625$（对应单态与三重态的完美区分约束）。该惩罚项能确保 VQE 求解器彻底排除高多重度态，获得高保真度的单态波函数。

1.6 方法细节三：区间分离库仑衰减参数校准（CAM-B3LYP*）

在区间分离杂化泛函 CAM-B3LYP 中，电子-电子库仑算符通过误差函数（erf）进行分段划分：

其中，$\mu = 0.33$ 控制区间分离范围，$\alpha = 0.19$ 表示短程 HF 交换占比。本工作保持了 $\mu$ 和 $\alpha$ 的默认设置，将长程 HF 交换参数 $\beta$ 作为显式控制变量进行扫描，以蒽（Anthracene）的实验能隙（3.402 eV）作为单一锚定基准。扫描发现，能隙与 $\beta$ 呈现出优异的线性单调增长关系：从 $\beta = 0.05$ 时的 3.244 eV 线性递增至 $\beta = 0.41$ 时的 4.863 eV。当 $\beta = 0.09$（对应总全局交换阈值 $\alpha + \beta = 0.28$）时，预测能隙为 3.384 eV，与实验误差最小。此校准参数配置在后文中定义为 CAM-B3LYP*。

2. 关键 Benchmark 体系，计算所得数据，性能数据

本研究构建了包含 10 种多环芳烃（PAHs）的多元化数据集，包括 5 种线性并苯（Acenes：苯、萘、蒽、丁苯、戊苯）和 5 种非线性稠环芳烃（Pyrene、Perylene、Phenanthrene、Fluoranthene、Chrysene）。

2.1 活性空间敏感性分析

以 LDA-RS 泛函为环境，在并苯系列中系统评测了不同活性空间对相关能预测偏差 $|\Delta E| = |E_{\text{QmDFT}} - E_{\text{FCI-in-DFT}}|$（单位：mHa）的影响，定量数据见下表：

表 I：不同活性空间下的绝对相关能偏差 $|\Delta E|$ (mHa)

分析：

• 极小活性空间 (2e, 6o) 呈现出几乎为零的极低偏差。然而这是一种物理假象，主要由于极小的活性空间限制了哈密顿量的相互作用复杂度，无法有效捕获支配共轭体系的主导 $\pi$ 相关效应。
• 随着活性空间扩大到 (8e, 6o)，由于多体波函数在嵌入势环境中的多重态特征显著增强，数值近似难度剧增。特别是在萘分子中，偏差上升至 0.699 mHa。
• (6e, 6o) 活性空间在计算开销、数值稳定性以及与 FCI-in-DFT 理论基准的一致性之间达成了最完美的平衡。因此，后续的泛函横向基准测试均在 (6e, 6o) 活性空间下统一进行。

2.2 核心发现：基态与能隙的“逆误差关系”

通过对 10 种 PAHs 在 5 种泛函下的表现进行系统性统计分析，本工作揭示了量子嵌入中的一个关键普适物理规律：基态能量的优化保真度与能隙预测的精确度呈严格的反相关演化趋势。这一发现可以通过表 III 的综合性能数据得到清晰的展现：

表 III：各泛函在 (6e, 6o) 活性空间下的综合误差基准统计

(注: $^a$ 对应 CCSD(T) 的理论基准偏差为 1.304 mHa; $^b$ 对应 CCSD(T) 的基准偏差为 10.212 mHa。)

数据深层物理解读：

1. 局域泛函的基态统治力（Energy Fidelity）：
   • LDA-RS 在基态表现出绝对的精度优势，其变分能量 MAE 仅为 0.092 mHa（约 0.05 kcal/mol，远超化学精度标准），RMSE 仅为 0.102 mHa。其预测的异构化能误差也最低（$A-P^a$ 仅为 3.466 mHa）。
   • 原因：由于局域密度近似（LDA）具有完美的短程行为，其轨道局域化效果极佳，能够在嵌入边界处诱导产生最平滑的等效嵌入势，最大程度地促进了波函数方法与环境区之间的“误差抵消（Error Cancellation）”效应。
2. 杂化泛函的光谱优势（Gap Estimation）：
   • 然而，LDA-RS 彻底粉碎了能隙的预测，其 QmDFT 嵌入能隙误差 MAE 高达 5.271 eV（严重偏离实验值）。
   • 与之相反，B3LYP 杂化泛函将 QmDFT 能隙预测误差压缩到了惊人的 0.471 eV，但其付出的代价是基态变分能量偏差剧增至 1.259 mHa（高出 LDA-RS 一个数量级以上）。
3. CAM-B3LYP* 的桥接妥协效果：
   • 经过锚定标定的 CAM-B3LYP* 泛函扮演了完美的桥梁角色。它不仅继承了 B3LYP 极高精度的光谱响应能力（能隙 MAE 仅为 0.504 eV，RMSE 仅为 0.781 eV），同时将基态能量误差拉回到 1.003 mHa，实现了能量与光谱精度的双重兼顾。

2.3 10 种 PAHs 体系能隙计算的横向对比

为了直观展示各泛函在整个共轭体系中预测 HOMO-LUMO 能隙（作为实验 $E_{0-0}$ 跃迁能的代理指标）的表现，下表汇总了所有计算结果：

表 II：10种 PAHs 体系在不同泛函下的 HOMO-LUMO 能隙计算值 (eV) 与实验值对比

(注：能隙值在 QmDFT 迭代收敛后通过活性空间 Kohn-Sham 边界轨道的本征值直接求差提取。)

3. 代码实现细节，复现指南，所用的软件包及开源 repo link

3.1 核心软件栈与计算环境

本工作基于经典与量子混合计算架构，所有数值模拟均在 C-DAC PARAM Shakti 高性能计算集群上执行。所涉及的关键开源软件包包括：

1. PySCF 2.5+：用于执行经典体系的自洽场（SCF）分子轨道计算、全分子电子积分构建、以及生成基于投影的嵌入势势能面。 PySCF GitHub Repo
2. Qiskit Nature 0.7+：用于活性空间费米子算符向自旋量子比特算符的映射、构建变分 UCCSD 拟设、以及配置经典梯度优化器。 Qiskit Nature GitHub Repo
3. geomeTRIC：与 PySCF 联用，在 B3LYP/6-31G* 理论水平下完成所有分子的几何结构优化。 geomeTRIC GitHub Repo

3.2 算法实现伪代码与复现流程

以下是核心自洽嵌入求解器 DFTEmbeddingSolver 中两阶段收敛控制协议（Adaptive Damping + DIIS）的 Python 核心逻辑复现指南：

import numpy as np
from pyscf import scf, dft

class DFTEmbeddingSolver:
    def __init__(self, mol, active_indices, functional="CAM-B3LYP", alpha_0=0.75, st=9, sp=3):
        self.mol = mol
        self.active_indices = active_indices
        self.functional = functional
        self.alpha_0 = alpha_0
        self.st = st  # DIIS 激活阈值步数
        self.sp = sp  # DIIS 历史窗口大小
        
        self.history_densities = []
        self.history_residuals = []
        
    def compute_dynamic_damping_factor(self, iteration):
        """实现公式 (4): 阻尼因子随迭代步数呈平方根倒数衰减"""
        if iteration == 0:
            return self.alpha_0
        return self.alpha_0 / np.sqrt(iteration)

    def extrapolate_diis(self):
        """执行阶段 II: DIIS 加速外推"""
        n_vectors = len(self.history_densities)
        # 构建 B 矩阵
        B = np.zeros((n_vectors + 1, n_vectors + 1))
        for i in range(n_vectors):
            for j in range(n_vectors):
                B[i, j] = np.trace(np.dot(self.history_residuals[i], self.history_residuals[j]))
        B[:-1, -1] = -1.0
        B[-1, :-1] = -1.0
        
        rhs = np.zeros(n_vectors + 1)
        rhs[-1] = -1.0
        
        # 求解线性方程组获得外推组合系数
        try:
            coefficients = np.linalg.solve(B, rhs)[:-1]
        except np.linalg.LinAlgError:
            # 矩阵奇异时回退到上一步密度
            return self.history_densities[-1]
            
        # 线性组合外推密度矩阵
        extrapolated_density = np.zeros_like(self.history_densities[0])
        for coeff, dens in zip(coefficients, self.history_densities):
            extrapolated_density += coeff * dens
        return extrapolated_density

    def run_embedding_cycle(self, max_cycle=100, tol=1e-6, delta_rho_tol=1e-4):
        # 初始化全体系 DFT
        mf_full = dft.RKS(self.mol)
        mf_full.xc = self.functional
        mf_full.kernel()
        
        # 初始活性区与环境区密度分配
        rho_act_old = mf_full.make_rdm1()[:, self.active_indices][self.active_indices, :]
        
        for k in range(1, max_cycle + 1):
            # 1. 用当前活性区密度重构环境区
            # 2. 投影 Fock 矩阵，构建活性空间 Hamiltonian: H_emb = H_act + V_emb
            H_emb = self.construct_embedding_hamiltonian(rho_act_old)
            
            # 3. 运行量子求解器 (如 VQE 或经典内壳层 FCI)
            rho_act_raw = self.run_quantum_solver(H_emb)
            
            # 计算 Frobenius 范数残差
            residual = rho_act_raw - rho_act_old
            delta_rho = np.linalg.norm(residual, 'fro')
            
            print(f"Iteration {k}: Delta_Rho_Frobenius = {delta_rho:.6e}")
            
            # 收敛判定
            if delta_rho < delta_rho_tol:
                print("Embedding converged successfully!")
                break
                
            # 双阶段收敛协议切换
            if k < self.st:
                # 阶段 I: 自适应线性阻尼
                alpha_k = self.compute_dynamic_damping_factor(k)
                rho_act_new = (1.0 - alpha_k) * rho_act_old + alpha_k * rho_act_raw
            else:
                # 阶段 II: DIIS 加速
                self.history_densities.append(rho_act_raw)
                self.history_residuals.append(residual)
                
                # 维持滑动历史窗口长度
                if len(self.history_densities) > self.sp:
                    self.history_densities.pop(0)
                    self.history_residuals.pop(0)
                    
                rho_act_new = self.extrapolate_diis()
                
            rho_act_old = rho_act_new
            
        return rho_act_old

    def construct_embedding_hamiltonian(self, rho_act):
        # 占位符：利用 PySCF 自定义非加和势积分算符
        pass
        
    def run_quantum_solver(self, H_emb):
        # 占位符：调用 Qiskit Nature 运行 VQE-UCCSD
        pass

3.3 量子运行配置要点

• 自旋 tapering 技术：为了在含噪量子模拟中极力精简线路深度，在将二阶费米子算符向比特算符映射时（推荐使用 Parity 映射），必须严格执行体系的 $C_{2v}$ 空间对称性锥化（Tapering Off Qubits），这可将 (6e, 6o) 活性空间下蒽分子的活动模拟比特数直接削减 2 个，最终在模拟器中仅需 10 个量子比特 即可完成化学精度的收敛。
• 经典梯度优化：变分多参数优化推荐采用 L-BFGS-B 算法，初始猜测波函数振幅建议严格继承自二阶莫勒-普莱塞特微扰理论（MP2），以此保证变分算符在线性空间中能快速捕获正确的对称性分量。

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

本工作立足于多项量子嵌入及区间分离泛函的基石研究之上，其最关键的参考文献包括：

1. F. R. Manby, M. Stella, et al. [4] (J. Chem. Theory Comput. 2012, 8, 2564–2568) — 奠定了基于投影的经典“波函数-in-DFT”精确化学嵌入理论基石，定义了非加和势能的重构框架。
2. T. Yanai, D. P. Tew, and N. C. Handy [11] (Chem. Phys. Lett. 2004, 393, 51–57) — 首次提出具有革命性的区间分离库仑衰减杂化泛函 CAM-B3LYP，这是本工作实现能隙精确调谐的核心物理载体。
3. M. Rossmannek, P. K. Barkoutsos, et al. [12] (J. Chem. Phys. 2021, 154, 114112) — 提出了实用的变分量子特征值求解器结合 DFT（VQE-in-DFT）迭代混合嵌入算法，构成了本工作算法演进的直接源头。
4. K. Kuroiwa and Y. O. Nakagawa [13] (Phys. Rev. Res. 2021, 3, 013197) — 提出了自旋惩罚算符约束方法，用以攻克 VQE 运行中的自旋态污染，直接保证了本文在高级泛函环境下的自旋纯度。
5. P. Pulay [19] (Chem. Phys. Lett. 1980, 73, 393–398) — 直接反演迭代子空间（DIIS）算法的原创性工作，本工作借此思想完成了第二阶段收敛的数值推进加速。

4.2 本工作局限性的深度批判评论

尽管本工作在杂化嵌入收敛和误差关系映射上取得了令人瞩目的突破，但从前沿量子化学与未来实用化量子计算的视角来看，该研究仍存在以下三大核心局限：

1. 活性空间静态限制（Active Space Sizing Bootleneck）

研究中所有的系统性测试都依赖于固定的 (6e, 6o) 活性空间。尽管作者通过敏感性分析（表 I）证明该空间在当前并苯分子中表现最佳，但对于超长并苯（如庚苯、辛苯）或具有锯齿状边缘（Zigzag）的宽石墨烯纳米带而言，其基态呈现出显著的多自由度自由基特征（Multi-reference Character），大量离域 $\pi$ 关联电子会涌出 (6e, 6o) 的人为划定边界。这种静态活性空间割裂了长程强关联的物理连续性，会导致在更大型纳米器件中的能量预测精度发生不可控的断崖式跌落。

2. 无噪状态矢量的过度简化（Noiseless Approximation Over-simplification）

本工作的所有 VQE 运行均是在无噪声状态矢量（Statevector）后端上模拟完成的。然而，在真实近未来（NISQ）量子计算硬件上，由于存在剧烈的退相干（Decoherence）、退极化（Depolarization）以及读出噪声，UCCSD 拟设那深不可测的门深度（Gate Depth）将使量子线路的信噪比降为零。自旋惩罚算符 $\hat{S}^2$ 的引入虽然在数学上是优雅的，但它在比特层面引入了大量复杂的非定域可观测测量项，这会呈几何级数放大 NISQ 设备的测量采样开销（Sampling Overhead）和累计门误差。因此，该方案在真实物理量子器件上的可行性仍需打上一个巨大的问号。

3. 单粒子近似代理局限（Limitation of the KS-Gap Proxy）

将静态的基态 Kohn-Sham 能隙（$E_{\text{HL}}$）直接作为实验 $E_{0-0}$ 光学跃迁能的代理指标，在物理上是一种极其强烈的粗糙近似。真实的实验光学带隙是由动态多构型激子相互作用（单态-三重态混合、电子-空穴屏蔽、激发态几何弛豫以及振动偶合）共同决定的。虽然通过校准 CAM-B3LYP* 交换项参数在统计上成功补偿了这一缺口（表 II 中能隙误差降至 0.504 eV），但这种参数锚定高度依赖于“蒽”这一特定参考体系的实验输入。一旦面对杂原子掺杂、带电激子或极端非对称形变等超出参考库的材料，这种经验性的参数校准极易失效。它本质上是用基态泛函的参数化过拟合，去强行掩盖激发态物理描述的缺失。

5. 其他必要的补充

为了给面临相同困境的计算材料学研究人员提供更深邃的理论启发，以下针对本工作涉及的核心物理化学机制进行深度拓展补充：

5.1 逆误差关系（Inverse Error Relationship）背后的深层物理本质

为什么 local 泛函（LDA-RS）能完美逼近基态能量，而 hybrid 泛函（B3LYP）却能提供极佳的光谱能隙？这并非巧合，而是由泛函底层的物理构造决定的：

• 基态能量控制的“定域性”：基态总能量是一个一阶密度矩阵的单体算符泛函，它极度依赖于分子短程的局部电子密度堆积情况。LDA-RS 在嵌入边界上没有非定域交换项的跨界干涉，其产生的电子重组能量完全局限在活性空间内，完美切合了投影嵌入算法在短程切分上的数学假设（即假设活性区与环境区是弱偶合的空间切分）。这种局域的一致性造就了完美的“系统性误差抵消”，使其基态能量偏差只有 0.092 mHa。
• 光谱能隙控制的“非定域性”：能隙（HOMO-LUMO Gap）对应于将一个电子从占据态完全剥离至未占态的能量损耗。在高度共轭的 $\pi$ 电荷离域大体系中，由于局域泛函缺乏自相互作用修正（SIE），HOMO 轨道的能级会被过度推高，而未占 LUMO 轨道则因无法感受到正确的 $-1/r$ 长程渐近库仑吸引而被严重扭曲，导致能隙坍塌。只有引入部分 Hartree-Fock 精确交换（B3LYP 的 20% 或 CAM-B3LYP 的长程分离），才能恢复正确的长程自相互作用渐近行为，抑制电荷盲目离域，从而将预测能隙拉回到与实验高度温和的化学区间。

5.2 走向未来的“轨道自洽-变分量子嵌入”（OO-VQE-in-DFT）展望

针对本工作存在的活性空间限制，未来的研究分支应当引入**活性轨道自洽优化（Orbital-Optimized VQE, OO-VQE）**机制。当前的 QmDFT 框架在自洽循环中，其活性空间的轨道基底是保持从经典全分子自洽场（SCF）中抽取出的“静态”定域轨道不变的。这导致活性波函数无法感知环境区电子排布带来的轨道重杂化响应。通过在 VQE 迭代内部引入一个经典的轨道旋转算符 $U = e^{\kappa}$：

使活性区内的轨道与环境区的电子密度进行联合变分最小化优化。这将允许活性空间的物理边界实现“动态自适应呼吸”，从而在外推描述更大型的石墨烯纳米带器件时，彻底挣脱固定活性空间导致强关联流失的泥潭，为新一代分子尺度光电器件的设计奠定最坚实的量子物理计算基石。