变分法求薛定谔方程基态能量上界的试探函数选择

变分法是一种强大的工具，用于估算无法精确求解的量子体系的基态能量。其核心思想是：构建一个包含可调参数的猜测波函数（称为试探函数），计算其能量期望值，然后通过调整参数使这个能量最小化。 最终得到的最小能量值，将严格大于或等于真实的基态能量。选择一个好的试探函数，是决定估算结果好坏的关键。

1. 理解变分原理与核心公式

明确目标：我们的目标是求解薛定谔方程 $\hat{H}|\psi\rangle = E|\psi\rangle$ 的基态能量 $E_0$。变分法的数学依据是：对于任意一个归一化的试探波函数 $|\psi_{trial}\rangle$，其能量期望值 $E_{trial}$ 一定满足 $E_{trial} \ge E_0$。

计算能量期望值：这是整个流程的计算核心。给定一个试探波函数 $\psi(\mathbf{r}; \boldsymbol{\alpha})$，其中 $\boldsymbol{\alpha}$ 是一组可调参数（例如指数系数），能量期望值由下式计算：

$$E(\boldsymbol{\alpha}) = \langle \psi_{trial} | \hat{H} | \psi_{trial} \rangle = \frac{\int \psi^*(\mathbf{r}; \boldsymbol{\alpha}) \hat{H} \psi(\mathbf{r}; \boldsymbol{\alpha}) d\mathbf{r}}{\int \psi^*(\mathbf{r}; \boldsymbol{\alpha}) \psi(\mathbf{r}; \boldsymbol{\alpha}) d\mathbf{r}}$$

对于归一化的波函数，分母为1。优化求解：接下来，需要寻找一组参数 $\boldsymbol{\alpha}_{min}$，使得 $E(\boldsymbol{\alpha})$ 达到极小值。这通常通过数值优化算法（如梯度下降、共轭梯度法）完成。最终结果 $E(\boldsymbol{\alpha}_{min})$ 就是对基态能量 $E_0$ 的一个上界估计。

2. 选择试探函数的核心策略：从物理直觉出发

试探函数不是随意编造的，它应该反映你对体系基态波函数可能形状的物理猜测。

1. 分析哈密顿量的对称性：检查待求解体系哈密顿量 $\hat{H}$ 的空间对称性。例如，对于球对称的势场（如氢原子、谐振子），试探函数应选择具有球对称性的形式，即与角度无关的径向函数。

2. 借鉴已知精确解的结构：对于与某个精确可解模型类似的体系，使用该精确解的函数形式作为基础。这是最有效的方法之一。例如，求解一个在修正势场 $V(r) = -\frac{A}{r} + Br$ 中的粒子能量，可以借鉴氢原子波函数 $\psi \propto e^{-\zeta r}$ 的形式，其中 $\zeta$ 作为可调参数，用来“适应”新势场中不同的势阱深度和范围。

3. 确保边界条件正确：波函数必须在物理边界上行为正确。确认试探函数在无穷远处趋于零（束缚态），在原点处有界（或具有特定奇点）。例如，对于角动量 $l=0$ 的态，波函数在原点通常非零且有限。

3. 阶梯式逼近：从简单模型到复杂模型

如果直接猜测最终的函数形式有困难，可以采用阶梯式方法逐步构建更复杂的试探函数。

1. 从最简单的模型开始：对于原子或分子体系，构建零级近似。最简单的选择是单个类氢原子轨道波函数。例如，对于氦原子，可以先假设两个电子都处于一个有效核电荷数为 $\zeta$ 的 $1s$ 轨道：$\psi(1,2) = \phi_{1s}(r_1; \zeta) \phi_{1s}(r_2; \zeta)$，其中 $\phi_{1s}(r; \zeta) \propto e^{-\zeta r}$。参数 $\zeta$ 表示电子感受到的平均屏蔽效应。

2. 引入电子关联（重要改进）：上面的简单乘积形式忽略了电子间的瞬时排斥作用。为了改进，在试探函数中显式包含电子间距 $r_{12} = |\mathbf{r}_1 - \mathbf{r}_2|$ 的项。一个经典且有效的改进形式是：$\psi(1,2) = e^{-\zeta (r_1 + r_2)} (1 + c r_{12})$。其中 $\zeta$ 控制轨道尺寸，$c$ 控制电子相互回避的程度。参数 $c$ 的引入直接描述了电子关联。

3. 使用线性变分法（基组展开）：这是现代计算化学和物理中通用且强大的方法。定义一个较大的、固定的基函数集合 $\{\chi_i(\mathbf{r})\}$（例如一组高斯函数）。将试探波函数表示为这些基函数的线性组合：$\psi_{trial}(\mathbf{r}) = \sum_{i=1}^N c_i \chi_i(\mathbf{r})$。系数 $\{c_i\}$ 就是待优化的参数。这种方法将寻找函数形式的问题，转化为在一个给定函数空间中寻找最佳系数的问题。基组越大，最终的结果越接近真实解。

4. 实用函数形式参考库

以下是一些常用于构建试探函数的数学形式：

• 指数函数：$e^{-\alpha r^n}$。这是最常用的径向部分形式。$n=1$ 对应氢原子轨道，$n=2$ 对应高斯函数。
• 高斯函数：$e^{-\alpha r^2}$。高斯函数在代数运算上更方便，常用于分子计算中的基组（如 STO-3G 基组就是用高斯函数去拟合斯莱特型轨道）。
• 斯莱特型轨道：$r^{n-1} e^{-\zeta r}$。它比高斯函数在原子核附近有更好的行为（满足尖点条件）。
• 多项式部分：$(1 + c_1 r + c_2 r^2 + ...)$。用于调制指数函数，增加灵活性以描述更复杂的电子分布。
• 关联因子：$(1 + \lambda r_{12})$。用于直接描述电子对之间的关联运动。

组合使用：一个强大的试探函数往往是以上形式的组合。例如：$\psi = \sum_i c_i r^{l_i} e^{-\zeta_i r} Y_{l_i m_i}(\theta, \phi) (1 + \lambda_i r_{12} + ...)$。

5. 实操流程：从定义到优化

1. 定义哈密顿量：写下目标体系的完整哈密顿量 $\hat{H}$，明确动能算符和势能项。
2. 选择函数形式：基于上述策略（对称性、类比、基组展开），写下试探波函数 $\psi(\mathbf{r}; \boldsymbol{\alpha})$ 的具体数学表达式，其中 $\boldsymbol{\alpha}$ 表示所有可调参数（如 $\zeta, c, \lambda, c_i$ 等）。
3. 推导能量表达式：计算 $\langle \psi | \hat{H} | \psi \rangle$ 和 $\langle \psi | \psi \rangle$ 的解析表达式（如果可能）。对于复杂体系，可能需要借助计算机代数系统（如 Mathematica、SymPy）或直接进行数值积分。
4. 设置优化问题：定义目标函数 $f(\boldsymbol{\alpha}) = E(\boldsymbol{\alpha})$。选择一个优化算法（如 scipy.optimize.minimize 中的 BFGS 或 Nelder-Mead 方法）。
5. 执行优化并分析结果：运行优化算法，找到使 $E(\boldsymbol{\alpha})$ 最小的参数 $\boldsymbol{\alpha}_{min}$。记录最优能量值 $E_{min}$ 和对应的波函数。通过逐渐增大基组或增加试探函数的复杂度，观察能量 $E_{min}$ 是否收敛，以评估结果的可靠性。