以最小辅助预条件在5次迭代内收敛 TDDFT 计算

在量子化学中，涉及大型对称矩阵的特征值问题和线性方程组通常使用 Krylov 子空间方法（如 Davidson 算法）求解。预条件器是 Krylov 子空间方法的关键组件，通过提高每次迭代中新猜测的质量来加速收敛。我们基于最近引入的 TDDFT-ris 半经验模型，通过重新调整经验标度因子和最小辅助基的角动量，为 TDDFT 计算系统设计了一种新的预条件器。生成的最终预条件器在辅助基中包含高达 $d$ 函数，并被命名为“rid”。rid 预条件器平均在5-6次迭代内收敛激发能和极化率，比传统对角预条件器快2-3倍，且不改变收敛结果。因此，rid 预条件器是用于 TDDFT 计算的广泛适用且高效的预条件器。