基于双连通矩展开的关联能预测的随机身份解析方法

《Journal of Chemical Theory and Computation》：Stochastic Resolution of Identity for Correlation Energy Prediction via Doubles Connected Moments Expansion

　　

摘要

最近开发的双连通矩（DCM）扩展方法为计算相关能量提供了一种可行的途径，该方法具有与系统大小N成非迭代式的O(N⁶)阶增长特性。通过对一系列分子的基准测试表明，DCM在精度方面优于CCSD方法。为了进一步提升其效率，我们引入了一种随机身份分解技术，对关键的四指标中间体进行分解，从而提出了DCM的随机变体——sRI-DCM方案。该方案仅需要一个O(N⁶)阶的计算步骤，而其他所有步骤在每次递归时的复杂度都不超过O(N⁴)，并且能够准确再现传统DCM的计算结果。对于由多个氢原子构成的链状结构，我们的sRI-DCM方案的实验复杂度为O(N^4.1)，这表明它非常适合用于包含数百个电子的大型系统。