激发态势能面不再逐点算：可迁移深度量子蒙特卡洛把成本压到约百分之一
核心概要
分子光化学需要整条基态与激发态势能面，但逐点求解电子薛定谔方程代价高昂，廉价单参考方法又在锥形交叉处失效。可迁移深度量子蒙特卡洛让一个神经网络波函数在多个分子构型与多个电子态上联合优化，并共享参数、按每个构型的能量动态排序电子态。在乙烯、碳二聚体、亚甲亚胺阳离子和含96个电子的红氧还蛋白活性位点模型上，它给出与专门量子化学参考一致的势能面，相对单点计算最高约两个数量级的成本下降。
深度剖析
激发态势能面现在可以由一个在多个分子构型和多个电子态上联合训练的神经网络波函数一次性给出，而不必对每个构型单独求解。 此前要得到整条势能面，通常只能退用更便宜的单参考方法，例如含时密度泛函理论，而这类方法在锥形交叉和强多参考体系中会失效；多参考方法如CASSCF又需要专家挑选活性空间，且随体系增大代价陡升。 在乙烯的一维扭转与锥化坐标上，可迁移模拟复现了98.5°的锥形交叉位置，相对单点NES-VMC参考的相对能平均绝对误差为29.4(1) meV和4.7(7) meV，同时计算量约为单点罚函数式深度量子蒙特卡洛的五分之一，且不需要监督预训练。
方法把波函数参数在电子态之间共享，并按每个构型的能量动态调整正交化方向，使态在能级交叉处保持连续。 罚函数式激发态优化原本按固定顺序把激发态与更低态正交化，单点计算中顺序无关紧要，但扩展到可迁移训练后，能级在锥形交叉处换序会让波函数在交叉点跳变。 在乙烯的锥化角扫描中，动态排序使激发态波函数与自身在90°处的重叠始终接近1、与基态重叠接近0；固定顺序时激发态重叠在100°处降到0、与基态重叠升到1，非绝热耦合随之出现虚假尖峰。
成本随构型数呈亚线性增长，使更密的二维势能面几乎不额外加价。 单点计算对每个构型独立优化，成本随构型数线性累加，因此加密网格直接推高总代价。 亚甲亚胺阳离子的10×10扭转角与C–N键长网格上，可迁移训练相对单点计算把成本降低约一个数量级（对应τ=0°的10个构型子集），对完整100点网格再降一个数量级，同时τ=0°构型上的相对能平均绝对误差从单点的134(2) meV降到96(2) meV和97(5) meV。
启示与展望
演示范围限于四个体系：乙烯的一维扭转与锥化坐标（9和14个构型）、碳二聚体1.0 Å到1.9 Å的10个间距上的八个最低态、亚甲亚胺阳离子的10×10二维网格，以及含96个电子的红氧还蛋白活性位点简化模型Fe(SH)42−的一维平面到四面体路径。方法针对固定的分子构型数据集，当前可扩展到数百或数千个构型。
动态态排序只处理最低n个态之间的重排，从该子空间外进入的态仍可能引入不连续，增加模拟态数可缓解但通用解法尚未给出。方法目前依赖指数滑动平均估计各构型能量，扩展到高维势能面需要结合电子与原子核移动的蒙特卡洛采样方案，并替换这一估计方式。参数共享并非达到高精度的必要条件，也不保证改善收敛，最优共享策略可能依赖体系电子结构。红氧还蛋白活性位点采用Fe(SH)42−简化模型，其交叉几何对泛函敏感，PBE会系统性过度稳定低自旋态。