[论文解读] Co-iterative augmented Hessian method for orbital optimization

Qiming Sun|arXiv (Cornell University)|Oct 26, 2016

Matrix Theory and Algorithms被引用 17

一句话总结

本文提出共迭代增广海森矩阵（CIAH）方法，一种二阶轨道优化算法，通过将轨道优化嵌入增广海森矩阵的对角化过程中，实现了SCF和轨道定域化问题的稳定、高效且可靠的收敛。CIAH在SCF收敛性和计算成本方面优于DIIS，同时通过海森矩阵近似和小步长更新提供了更优的优化动力学控制。

ABSTRACT

Orbital optimization procedure is widely called in electronic structure simulation. To efficiently find the orbital optimization solution, we developed a new second order orbital optimization algorithm, co-iteration augmented Hessian (CIAH) method. In this method, the orbital optimization is embedded in the diagonalization procedure for augmented Hessian (AH) eigenvalue equation. Approximations for Hessian matrix can be easily employed in this method to improve the computational costs. We numerically performed the CIAH algorithm with SCF convergence of 20 challenging systems and Boys localization of C60 molecule. We found that CIAH algorithm has better SCF convergence and less computational costs than direct inversion iterative subspace (DIIS) algorithm. The numerical tests suggest that CIAH is a stable, reliable and efficient algorithm for orbital optimization problem.

研究动机与目标

• 解决DIIS在SCF收敛中的局限性，如收敛至鞍点以及对优化轨迹控制不足的问题。
• 开发一种基于海森矩阵的二阶优化方法，以提升收敛稳定性和控制能力。
• 通过灵活的海森矩阵近似（如密度拟合、稀疏网格）降低计算成本，同时不牺牲精度。
• 将二阶方法的适用性扩展至多种轨道优化问题，包括SCF、定域化和周期性体系。
• 提供一种通用、稳定且高效的轨道优化算法，避免梯度方法（如DIIS）的缺陷。

提出的方法

• CIAH方法将轨道优化嵌入增广海森矩阵（AH）的对角化过程中，显式处理优化循环中的轨道旋转参数。
• 采用指数参数化 $ U = e^{\hat{R}} $，其中 $ \hat{R} $ 为反对厄米矩阵，以确保幺正变换并保持轨道归一化。
• 利用物理洞察（如密度拟合和稀疏网格）对海森矩阵进行近似，而非依赖梯度更新，从而提升计算效率。
• 算法在海森矩阵对角化与轨道更新之间进行共迭代，采用小步长以提高梯度和海森矩阵估计的精度。
• 增广海森矩阵动态调整能级位移，以处理负特征值和奇异性，确保在鞍点附近及非二次区域的稳定性。
• 该方法将梯度和海森矩阵评估与优化步骤解耦，支持灵活使用多种海森矩阵近似方式。

实验结果

研究问题

• RQ1 基于增广海森矩阵的二阶优化方法是否能在具有开壳层特征或小HOMO-LUMO能隙的体系中，优于DIIS实现SCF收敛？
• RQ2 CIAH方法在轨道优化中使用近似海森矩阵时，如何保持稳定性和高效性？
• RQ3 CIAH中的小步长更新在多大程度上可提升收敛可靠性，相比大步长方法？
• RQ4 CIAH能否推广至涉及弥散轨道和多个局部极小值的轨道定域化问题？
• RQ5 海森矩阵近似的选择（如密度拟合、稀疏网格）对CIAH的精度和性能有何影响？

主要发现

• CIAH在SCF收敛方面优于DIIS，尤其在开壳层体系和小HOMO-LUMO能隙体系等挑战性情况下表现更优。
• 该算法在保持或提升收敛鲁棒性的同时，相比DIIS显著降低了计算成本。
• 在C60的Boys定域化中，CIAH能从随机初始猜测和原子初始猜测均成功收敛，其中原子初始猜测在早期表现略优。
• 在C60中定域化弥散虚拟轨道时，不同初始猜测和步长（0.03、0.05、0.1）得到的解在目标函数上差异仅约0.05 au，表明对初始化具有强鲁棒性。
• 步长为0.1时偶发振荡，归因于过度推进，支持小步长在提升海森矩阵和梯度估计精度方面的优势。
• 密度拟合与稀疏网格的结合可提供高质量的海森矩阵近似，在保持精度的同时显著降低计算成本。