TNASS: Tensor Network Active Space Selection with the Entanglement Feature

技術要約：エンタングルメント特徴量を用いたテンソルネットワーク能動空間選択（TNASS）

問題提起
強相関（遷移金属錯体や結合解離など）を持つ系の正確な分子電子構造計算には、マルチリファレンス法が必要である。これらの手法は、「能動空間（アクティブスペース）」、すなわち電子相関を明示的に扱う特定の分子軌道の部分集合の定義に依存している。伝統的に、能動空間の選択は化学的直感や視覚的検査に大きく依存しており、これが人間によるバイアスを導入し、再現性を妨げている。自動化された手法も存在するが、その多くはユーザーが定義した原子断片やヒューリスティックを必要とする「半自動的」なものである。AutoCASのような単一軌道エントロピーに基づく完全自動化手法は、重要な軌道がHOMO/LUMOギャップの外側に位置する場合など、複雑な多軌道エンタングルメント構造を捉えきれないことが多い。さらに、既存の手法は、高次相関メトリクスの評価に伴う計算コストや、低ボンド次元近似による制限を軽視している。

手法
著者らは、手動の事前選択なしに強相関軌道部分空間を特定するために、**エンタングルメント特徴量（Entanglement Feature: EF）を利用する、完全に自動化されたフレームワークであるテンソルネットワーク能動空間選択（TNASS）**を導入する。

1. エンタングルメント特徴量 (EF): この手法は、あらゆる軌道の分割における純粋度（purity）を仮想的な波動関数の振幅として符号化する。システムを行列積状態（MPS）として表現することで、EFは任意の軌道二分割に対するレニー・エントロピー（Rényi-2 entropy, $S_2$）を効率的に計算することを可能にする。単一軌道エントロピーとは異なり、$S_2$は真の多軌道エンタングルメントを捉える。
2. 構築: 低コストの密度行列繰り込み群（DMRG）計算から近似的な基底状態MPSを得ることから始まり、著者らはEF-MPSを構築する。これには、アイデンティティおよびスワップテンソルネットワークを形成するために、局所的なMPSテンソルを二重化（クロネッカー積）することが含まれ、これらを縮退させることでEF振幅が得られる。
3. 選択アルゴリズム: サイズ $n$ の能動空間を選択するために、TNASSは、能動セットとその補集合に対するレニー・2エントロピーを最大化することに基づいた3つの戦略を採用する。
   • ブルートフォース（総当たり）: 正確な組合せ探索（大規模な $N$ に対しては困難）。
   • 貪欲法（Greedy EF）: エントロピーの増加を最大化する軌道を反復的に追加する。計算効率は高いが、局所最適解に陥りやすい。
   • ブロック貪欲法（Block Greedy EF）: 単一軌道エントロピーが最も高い軌道でブロックを初期化し、その後、ブロック内で貪欲選択を適用するハイブリッドアプローチ。
   • Best-k 貪欲法: すべてのブロックサイズ $k$（1から $n$ まで）に対してブロック貪欲法を評価し、最も低いCASCIエネルギーを与える能動空間を選択する。
4. スケーリング: 本手法は、初期のDMRG計算における低いボンド次元（$\chi$）が、定性的なエンタングルメントの特徴を捉えるのに十分であるという観察を利用している。EF構築の計算コストは $O(\chi^4)$ でスケーリングするが、著者らは正確な選択のために $\chi=4$ がしばしば十分であることを示しており、メモリ要件を管理可能な範囲に抑えている。

主な貢献

• 完全自動化された選択: TNASSは、ターゲットとなる原子の定義や化学的直感に頼ることなく、電子状態のエンタングルメント構造のみに基づいて、ユーザーの介入なしに強相関電子を孤立させる。
• 多軌道エンタングルメント: EFとレニー・2エントロピーを利用することで、軌道間の相関を考慮し、AutoCASのような単一軌道エントロピー指標の限界に対処する。
• アルゴリズムの連続性: 本論文は、単一軌道ランキングから完全な貪欲探索に至るまでの手法の連続性を確立し、計算上のトレードオフを解析的に定量化している。
• 低ボンド次元の実現可能性: 正確な能動空間選択が、近似的な基底状態を用いた低いボンド次元でも達成可能であることを示し、選択ステップ自体における高精度DMRGの過大なコストを回避できることを実証した。

結果
著者らは、6-31G*基底関数系を用いた二原子分子（BeOおよびBN）を用いてTNASSを検証し、デフォルトのHOMO/LUMO選択、単一軌道エントロピーランキング（AutoCAS相当）、および厳密に近いCCSD(T)リファレンスと比較した。

• 基底状態エネルギー: 圧縮、中間、および引き伸ばされた幾何構造において、TNASSの手法（特にBlock GreedyおよびBest-k Greedy）は、デフォルトのHOMO/LUMO選択および単一軌道エントロピーランキングよりも一貫して低い基底状態エネルギーを生成した。改善は、相関が拡散しておりHOMO/LUMOギャップに限定されない圧縮および引き伸ばされた幾何構造において最も顕著であった。
• 双極子モーメント: BN系において、TNASSによって選択された能動空間は、デフォルトの手法（解離過程で失敗したもの）と比較して、解離曲線全体にわたって有意に正確な双極子モーメントを与えた。
• アルゴリズムの性能: Best-k Greedy法が最も堅牢な性能を示し、Block Greedyや単一軌道エントロピーと同等またはそれ以上の性能を示すことが多かったが、計算コストは高かった。単純なGreedy EF法は、頻繁に局所最適解に捕まるため、最も弱い手法であることが判明した。
• 効率性: 本研究は、初期のDMRG計算におけるボンド次元 $\chi=4$ が、選択に必要なエンタングルメント特徴を捉えるのに十分であることを確認し、このアプローチのスケーラビリティを検証した。

意義および主張
本論文は、TNASSが、手動の介入なしに強く相関する電子を孤立させることで、埋め込み法（embedding methods）やマルチスケールモデリングのためのスケーラブルで客観的な基盤を提供すると主張している。著者らは、彼らのアプローチが、単一軌道エントロピーやHOMO/LUMOへの空間的な近接性のみに基づいた既存の完全自動化スキームよりも、より正確な基底状態エネルギーおよび双極子モーメントをもたらすと断言している。

本研究の意義は、従来の自動化手法が苦戦する、強相関が強く複雑な系を扱える能力にある。著者らは、現在の検証が単純な二原子系に限定されていること、およびEFの直接的な構築が現在は小さなボンド次元に制限されていることを控えめに述べている。彼らは、手法のポテンシャルを完全に実現するための次のステップとして、より大きな強相関系（遷移金属錯体など）への拡張、および分子軌道最適化（例：CASSCF）との統合を挙げている。また、テンソルクロスインターポレーション（TCI）を採用することで、より大きな系に対するスケーリングをさらに改善できる可能性についても示唆している。