基于对称性感知归一化流( Symmetry-Aware Normalizing Flows )的适应性振动坐标构建方法

《Journal of Chemical Theory and Computation》：Adaptive Vibrational Coordinates via Symmetry-Aware Normalizing Flows

　　

摘要：研究人员此前提出利用归一化流(Normalizing Flows)学习针对特定分子的优化振动坐标，证实此类习得坐标可显著提升振动光谱计算精度并捕捉分子基本振动行为。本文将该框架扩展至纳入分子对称性，引入新型G-等变(G-equivariant)可逆残差网络(invertible residual network, iResNet)架构。通过对选定的离散分子对称群G施加精确的等变性约束（Equivariance），确保习得的坐标变换在所有网络参数取值下均尊重所强加的对称性。当结合对称性适配基(Symmetry-adapted basis)时，该等变性在优化全程保持哈密顿(Hamiltonian)矩阵因对称性诱导的块对角(Block-diagonal)结构。研究人员发现，针对跨越多个不可约表示(Irreducible Representations, Γ)的状态集合优化坐标，与针对按单一不可约表示变换的子集优化坐标，所得结果相当。这表明优化坐标在不同不可约表示间共享，并为理解优化坐标加速基组收敛的机制提供了见解。研究人员以甲醛(H2CO)和氨(NH3)为例演示了对称性感知归一化流的实用性。

论文解读：《Adaptive Vibrational Coordinates via Symmetry-Aware Normalizing Flows》——发表于Journal of Chemical Theory and Computation

一、研究背景与动机

精确求解分子振转薛定谔方程(Rovibrational Schr?dinger Equation)高度依赖于振动坐标的选择。传统几何坐标（如简正坐标Normal Mode、价键Valence-bond坐标、Jacobi坐标）在同时满足快速基组收敛、物理边界条件及分子对称性方面灵活性有限，且常需经验性调整。先前研究人员提出基于归一化流（一种可逆非线性映射）的学习型振动坐标，可通过优化目标函数自适应匹配分子势能面(Potential Energy Surface, PES)，但未考虑分子核置换-反演(Permutation-Inversion, PI)对称性。未引入对称性会导致：(1)无法利用哈密顿矩阵块对角化降低计算量；(2)优化空间过大影响稳定性。因此，本研究旨在构建严格满足分子点群对称性（G-等变）的归一化流坐标变换体系，在保留流模型表达能力的同时引入物理归纳偏置(Inductive Bias)。

二、主要关键技术方法

研究人员选用甲醛(H₂CO, C_2v(M)同构G₄群)与氨(NH₃, D_3h(M)同构G₁₂群)为对象，采用已发表的高精度PES。基底选用直积一元厄米(Hermite)函数，经多频截断(Polyad Truncation)控制维数。归一化流由五层可逆残差网络(invertible Residual Network, iResNet)构成，残差函数与线性层通过雷诺平均(Reynolds Averaging, 即群作用平均)实现G-等变(G-equivariant)，保证全局可逆性（谱范数约束Lipschitz常数<1）。坐标变换后乘雅可比行列式保证基底正交完备。损失函数为变分法求得的低能态近似能量之和，用Optax Adam优化。对称适配基(Symmetry-adapted basis)通过Wigner小d矩阵与投影算子构造，哈密顿矩阵块对角化。采用基于导数的全局敏感度度量(Derivative-Based Global Sensitivity Measure, DBGSM)与矩积分分析坐标耦合与波函数渐进行为。

三、研究结果

3.1 H₂CO

研究人员对比有无对称性约束的流坐标优化过程。施加G-等变约束（橙色曲线）较无约束（蓝色曲线）总体收敛更优，且不损坐标质量。仅用A₁不可约表示的38个最低能态作损失函数优化，其前100态总收敛速度快于全100态求和优化（绿色曲线）。这说明最优坐标在不同不可约表示间共享。对称约化求积网格使每轮训练时间从约8.2 s降至约2.4 s。波函数各不可约表示平均衰减速率（log₁₀(I^Γ(S))斜率）均为≈0.175，佐证渐近行为一致。相较于线性优化的价键坐标，归一化流坐标在1176基函数下达5544基函数价键坐标精度，大幅加速收敛。可视化位移显示习得坐标近平衡位形可诠释为CO伸缩、对称/反对称CH伸缩、COH弯曲及二面角。DBGSM矩阵呈对称分块结构，印证G-等变设计。

3.2 NH₃

NH₃具大振幅伞形运动与非阿贝尔CNPI群G₁₂。初期约5700轮内对称与非对称约束收敛相近，后期对称感知iResNet（橙色）明显快于非对称（蓝色）。仅用A₁'不可约表示17个最低能态优化，收敛仍优于非对称全态优化。基组收敛曲线各不可约表示趋势相似，归一化流坐标显著优于线性对称化输入坐标。可视化位移中q_1-3对应NH伸缩，q_4-5对应HNH弯曲对称组合，q₆对应伞形反转坐标，符合对称性预期。DBGSM矩阵显示强对角占优与NH₃高阶对称重复模式。

四、结论与讨论（翻译浓缩自Conclusions）

归一化流为通过广义坐标优化推进振转光谱方法提供新途径。本研究发展了归一化流坐标的对称性感知表述：要求坐标变换对输入坐标所属分子对称群G中操作具精确等变性（G-等变），通过iResNet残差函数与线性层的雷诺平均实现，既保可逆又保表达能力。对H₂CO与NH₃计算验证了其精确等变性与表达能力。不同不可约表示能级收敛行为相似表明优化坐标映射在不同不可约表示间共享；仅用单不可约表示态优化可得相当效果，暗示可借更小哈密顿块更高效优化，利于推广至高维体系。虽为非几何构造，优化坐标近平衡位形可映射至常规分子振动图像；且其使哈密顿更具模式可分离性(Mode Separability)，较传统坐标提供更本征的振动运动表征。对称性约束作为物理归纳偏置提升了稳定性与优化效率，并保持哈密顿块对角结构独立于流参数。