玻尔百科理解将原子和分子维系在一起的力，是预测它们行为的基础。了解这些力使我们能够模拟从分子振动到蛋白质折叠的一切过程，本质上是提供了一个计算显微镜来观察运动中的原子世界。虽然力在概念上可以定义为系统能量的梯度，但对于复杂系统而言，通过蛮力数值微分来计算力在计算上是不可行的。这在概念和实际应用之间造成了巨大的鸿沟。
本文探讨了解决这一问题的优雅理论方案：赫尔曼-费曼定理。该定理提供了一种直接的、解析性的方法，通过单次量子力学计算来求得原子间力。我们将解析这一定理的理论之美，以及因必须使用近似而产生的实际挑战。在接下来的章节中，您将了解到“完美”的理论如何适应现实世界，并引出像普莱力这样的关键概念。本文将首先深入探讨“原理与机制”，探索该定理本身、使用近似波函数的后果，以及不同类型基组之间的关键区别。随后，“应用与跨学科联系”一章将展示这些力的计算如何成为现代计算方法背后的强大引擎，从发现分子结构、模拟化学反应，到支持为材料发现创建下一代人工智能模型。
在我们探索原子和分子世界的过程中，可以提出的一个最基本的问题是：将它们维系在一起的力是什么，我们又该如何计算这些力？如果我们知道了力，我们就能预测分子如何振动，蛋白质如何折叠，或者晶体在受压时如何响应。从本质上说，我们可以在计算机上观察运动中的原子世界。计算这些力的过程是一个精彩的故事，它融合了物理直觉、数学优雅以及为使理论与现实共舞而做出的巧妙妥协。
想象一个原子坐落在丘陵地貌上。拉动原子的力就是其当前位置山坡的陡峭程度。如果我们知道系统在每一种可能的原子排列（由其坐标 描述）下的能量 ，我们就可以将作用在任意原子上的力定义为该能量景观的负梯度：。这正是保守系统中力的定义。
这看起来足够直接。为了找到力，我们可以先计算分子的总能量，然后将一个原子移动一个微小的量，重新计算能量，看看能量变化了多少。这种“有限差分”法是可行的，但极其笨拙。对于一个复杂系统，单次能量计算在超级计算机上可能需要数小时甚至数天。为了计算所有原子上的力，我们需要对每个原子的每个方向都执行两次这种昂贵的计算。一定有更优雅的方法！
这就是赫尔曼-费曼定理登场的地方，它是理论物理学中如此美妙的一部分，感觉就像一个魔术。它告诉我们，如果我们已经求解了分子在单一构型 下的薛定谔方程，我们就不需要任何其他计算了。作用在原子核上的力就是该构型下“力算符”的期望值。用通俗的话说，这个力就是所有其他原子核和分子的电子云对该原子核施加的经典静电推力和拉力，就好像那个电子云被“冻结”在原位一样。
从数学上讲，如果 是精确的电子波函数， 是哈密顿量（总能量的算符），那么作用在原子核 上的力是：
导数 是一个非常简单的东西：它只挑选出能量中明确依赖于原子核 位置的部分。这些部分是它与其他原子核的库仑排斥力以及它与电子的库仑吸引力。所有复杂的量子力学部分——电子的动能、它们之间的相互排斥——都从这个导数中消失了。该定理为我们提供了一个直接的物理图像：一旦计算出量子力学的电子云，它就像一个经典物体一样，对原子核施加经典力 [@215414]。
当然，这里有一个陷阱。赫尔曼-费曼定理的简单形式要求使用精确的波函数 。在任何对多于一个电子的系统的实际计算中，我们永远无法找到精确的波函数。我们被迫使用近似。
我们使用变分原理找到我们的近似波函数，我们称之为 。这个原理是量子化学的基石：它指出，真实的基态能量是系统可能具有的最低能量。因此，我们为波函数设计一个灵活的数学形式，并“调整”其参数，直到找到能给出最低可能能量的组合。得到的 是在我们选择的数学框架（或称基组）内最好的近似。
现在，你可能会认为使用近似波函数会破坏赫尔曼-费曼定理的美妙简洁性。你是对的，但其原因本身也是一件美妙的事情。因为我们的近似波函数是变分最小化的结果，所以能量对于波函数中的微小误差是驻定的。这意味着，在能量最小点，由波函数不完美性引起的力计算误差在一阶上会相互抵消。这是优化的一个深刻结果：当你处于山谷的最低点时，向任何方向迈出一小步都不会改变你的海拔高度。
因此，即使使用一个近似但经过变分优化的波函数，只要满足另一个关键条件，力仍然由赫尔曼-费曼表达式给出 [@2901317] [@3456488]。
现在是最后也是最关键的转折。如果我们用来描述波函数的工具——我们的基组——本身就与移动的原子绑定在一起，会发生什么？
想象一下，你正在测量一块土地，但你的量尺是由一种奇特的材料制成的，它会随着你在地形上的移动而伸缩。除非你考虑到尺子的变化，否则你的地图将会失真。量子化学中使用的大多数基组，例如以原子为中心的高斯函数，正是如此。它们是“附着”在每个原子核上的数学函数。当一个原子核移动时，其关联的基函数也随之移动。
这意味着，当我们试图通过想象原子核的微小位移来计算力时，我们的“量尺”正在改变。变分原理只保证能量在由一个固定基组所张成的空间内是最小化的。它没有考虑到基组本身的变化。这种变化会给力带来一个虚假的、非物理的贡献。这个幽灵般的力被命名为普莱力（Pulay force），以首次描述它的匈牙利化学家 Péter Pulay 的名字命名。
总的、物理上正确的力是赫尔曼-费曼项和这个普莱修正之和：
普莱力是一个数学赝象，是源于我们基组不完备性的机器中的幽灵。这是我们为使用方便的、附着于原子的电子描述所付出的代价 [@2480435]。但这个幽灵也是一个有用的向导。普莱力的大小直接衡量了我们的基组有多么不充分。如果普莱力很大，这是一个危险信号，警告我们基组很差，结果可能不可靠。在完美、完备基组的极限下，普莱力完全消失 [@2930779]。这为实际计算提供了一个强大的诊断工具 [@2894216]。
忽略普莱力不仅仅是一个小错误；它可能导致定性上错误的物理结果。在一个经典例子中，用一个中等大小的基组计算氟化氢（HF）分子中的力，如果忽略普莱项，会预测出一个异常短的键长。这是因为当 H 和 F 原子靠得更近时，它们的基函数重叠更多，巧合地创造了一个“更好”的基组，从而人为地降低了能量。这产生了一个虚假的吸引力。在这种情况下，普莱力是排斥性的，并正确地抵消了这个赝象，从而给出了一个真实的键长 [@2932250]。
如果普莱力是由原子中心基组引起的麻烦，有没有办法避免它们呢？有的，方法是选择一个完全不依赖于原子位置的基组。
在材料科学和固态物理领域，最流行的选择是平面波基组。平面波不像束缚在原子上的函数，它们更像是充满整个模拟体积的周期性波纹或正弦波。它们的特性由模拟盒子（simulation box）的尺寸定义，而不是由其中原子的位置定义。
当一个原子在固定的模拟盒子内移动时，平面波基函数完全保持不变。“量尺”是固定的。因此，对于原子位移，普莱力恒等于零 [@3478124] [@2814534]。这是一个巨大的优势，它将力的计算简化回原始的赫尔曼-费曼形式。
当然，在计算科学中没有终极的免费午餐。但仍有两个注意事项。首先，为了使误差抵消起作用，计算必须完全自洽——这意味着寻找最低能量电子态的迭代过程已经完全收敛。一个未收敛的计算会有力的误差，这并非因为普莱力，而是因为波函数并未真正处于变分最小值 [@3456488]。其次，虽然在固定盒子中移动原子不会产生普莱力，但如果我们改变盒子本身的大小或形状会怎样呢？这确实会改变平面波基组，从而产生普莱应力（Pulay stress）——即普莱力的应力张量类似物，在计算模拟晶体上的压力时必须包含它 [@2814534]。
这个故事还有最后一层精妙之处。在大多数平面波计算中，我们通过不模拟原子中那些紧密束缚、化学惰性的芯电子来简化问题。取而代之的是，我们用一个称为赝势的有效对象来替换原子核及其芯电子。这个赝势代表了原子核和芯电子对外部价电子的净效应，它成为我们哈密顿量 的一部分。
现代赝势是复杂的对象。它们通常包含一个非局域部分，该部分由以每个原子为中心的投影函数构建。由于这些投影算符附着在原子上，它们会随原子的移动而移动。这会带回可怕的普莱力吗？
值得注意的是，并不会。这是一个至关重要的区别。赝势投影算符对原子位置的依赖性是哈密顿量本身的显式依赖。因此，它对力的贡献来自 项，是赫尔曼-费曼力的真实组成部分，而不是普莱修正 [@3456488]。力的计算涉及到对这些投影函数求导，这是一个定义明确的数学任务，也是赫尔曼-费曼原理的直接应用 [@3456467]。
更先进的方法，如投影缀加波（PAW）方法，引入了更多复杂性，其中波函数之间距离和重叠的数学定义本身就依赖于原子位置。在这些情况下，类普莱修正确实会重新出现，并且必须非常小心地处理 [@2814534]。
因此，Richard Feynman 和 Hans Hellmann 的简单而优雅的思想，发展成为一个内容丰富且实用的框架。它使我们能够计算支配原子之舞的力，并且在实际应用中，它甚至为我们提供了内置的检查机制来评估近似的质量，引导我们走向一个更完美的量子世界模拟。
在掌握了赫尔曼-费曼定理背后的原理之后，我们现在来到了旅程中最激动人心的部分：看它如何付诸实践。如果说原理是一门新语言的语法，那么应用就是诗歌。我们将看到，这个关于力的优雅陈述不仅仅是一个理论上的奇观，更是驱动现代计算科学大部分领域的引擎，它使我们能够塑造分子、模拟原子的舞蹈，甚至教会机器预测新材料的性质。
水分子的形状是什么？苯为什么形成一个扁平的六边形？在最基本的层面上，任何分子或材料的结构都由一个简单的原则决定：自然是“懒惰的”。一个系统会排列其原子，以找到可能达到的最低能量构型。在这个能量最低点，所有原子上的力都必须恰好为零；它们没有理由移动。
寻找这种最低能量结构的任务被称为*几何优化。想象一个徒步者在浓雾中，试图在一片广阔的山脉中找到最低点。他们唯一的信息就是脚下地面的陡峭程度——即梯度，或者在我们的例子中，是力。最直接的策略是始终朝着最陡峭的下坡方向迈出一步。这基本上就是最简单的优化算法所做的事情。更复杂的方法，类似于牛顿法，不仅使用力（能量的一阶导数），还使用能量景观的曲率*，即所谓的黑塞矩阵（Hessian matrix，能量的二阶导数）。这使得算法能够采取更智能的步骤，预测最小值所在的位置，并更快地收敛到该点。
在这里，赫尔曼-费曼力是主角。它提供了引导这些结构搜索所必需的梯度信息。然而，正如我们所见，我们的理论工具往往不完美。当我们使用实际的、以原子为中心的基组来描述电子时，基函数本身会随着原子的移动而移动。如果我们天真地只使用简单的赫尔曼-费曼项，我们就会忽略所谓的普莱力。这就像我们的徒步者从他们的坡度测量设备中得到了不正确的读数。一个被输入了这种不一致的力的优化算法将会步履蹒跚，无法找到真正的最小值。为了实现稳健而高效的几何优化，计算出的力必须是计算出的能量的真实解析梯度，这绝对至关重要，也意味着必须一丝不苟地包括所有普莱修正。相比之下，对于使用与原子位置无关的基组的方法，例如固态物理中使用的平面波，普莱力会消失，仅赫尔曼-费曼力就能提供精确的梯度，这也是这类方法优雅而强大的一个主要原因。
找到最低能量结构给我们提供了一个静态快照。但世界并非静止；原子在不断运动。它们振动、旋转，化学键断裂和形成。我们如何模拟这场错综复杂的原子之舞？答案是*分子动力学*（MD）。如果我们知道每个原子上的力 ，我们就可以简单地求解牛顿第二定律 ，来预测原子在一个微小的时间步长内将如何移动。通过重复这个过程数百万次，我们可以生成一个原子运动的影片，揭示化学反应的机理、蛋白质的折叠过程或固体的熔化过程。
当然，挑战在于，这些力并非简单的经典弹簧力；它们源于量子力学，由不断变化的电子云所支配。
在*玻恩-奥本海默分子动力学*（BO-MD）中，人们采用最直接、最“暴力”的方法。在每一个时间步，模拟都会暂停，从头开始求解电子的完整量子力学问题以找到基态，计算原子核上的力，然后移动原子核。
一个计算上更优雅的方案，由 Car 和 Parrinello 开创，被称为*卡尔-帕里内洛分子动力学*（CPMD）。它不是在每一步都重新求解电子问题，而是赋予电子波函数本身一个虚构的质量，让它们与原子核一起在时间中演化，所有这些都由一个统一的拉格朗日量控制。CPMD的魔力在于，如果电子的虚构质量选择得足够小，电子系统的演化速度将远快于原子核。这样，电子几乎可以完美地跟随原子核的运动，非常接近真实的玻恩-奥本海默势能面，而无需在每一步都进行昂贵的优化。在这个优美的方案中，用瞬时波函数评估的赫尔曼-费曼力驱动着整个模拟向前发展，为模拟原子的量子之舞提供了一种无缝且高效的方式。当然，底层量子理论的复杂性很重要；使用更复杂的能量泛函，例如包含精确交换的泛函，会引入非局域算符，这会显著增加在每一步评估这些力的计算成本。
原子的舞蹈并非随机；它是有编排的。分子和晶体有其偏好的振动模式，这是一组谐波运动，就像吉他弦产生的音符一样。这些振动频率是物质的独特指纹，可以通过红外（IR）光谱和拉曼光谱等实验技术来测量。我们的理论能预测这种原子音乐吗？
确实可以。振动频率由两件事决定：原子的质量和连接它们的“弹簧”的刚度。这种刚度正是势能面的曲率——即我们在几何优化中遇到的黑塞矩阵。虽然黑塞矩阵可以解析计算，但一种非常常见且直观的方法是通过力的有限差分来计算它。我们在平衡几何构型下计算所有原子上的力。然后，我们将一个原子移动一个微小的量，并重新计算所有的力。原子 的位移引起的原子 上力的变化，为我们提供了连接它们的黑塞矩阵元素的直接度量。通过系统地在每个方向上位移每个原子，我们可以构建整个黑塞矩阵。从这个“弹簧常数”矩阵出发，一个标准的本征值问题就能得出系统的所有振动频率。这在我们计算的量子力学力与实验可观测的材料振动光谱之间提供了一个强大而直接的联系。
这些概念的力量超越了单个原子的运动；它使我们能够预测材料如何响应外部刺激，将量子世界与我们观察到的宏观性质联系起来。
例如，考虑当我们将一个绝缘晶体置于外部电场中会发生什么。电场会拉动正电的原子核和负电的电子云，从而感生出一个偶极矩，即极化。控制这种响应的一个关键量是*玻恩有效电荷*。这不是离子的静态电荷，而是一个动态量，它衡量当某个特定原子发生位移时会产生多大的极化。事实证明，存在一个优美而深刻的联系，一种麦克斯韦关系，将这个性质与我们的力联系起来。当施加一个小的电场时，玻恩有效电荷张量可以直接通过原子上赫尔曼-费曼力的变化来计算。这是一个绝佳的例子，说明了微观力的计算如何能揭示出决定材料与光相互作用的宏观性质。
在金属的研究中出现了另一个挑战。在金属中，占据和未占据的电子态之间没有能隙。这意味着原子的微小移动可能导致一个电子能级穿过费米能，其占据状态从填充变为未填充。在零温下，这将对应于势能面的不连续性，导致无限大的力——这对任何模拟来说都是一个灾难性的问题！优雅的解决方案是在有限的“电子温度”下进行计算。这引入了一个平滑的费米-狄拉克分布，从而“抹平”了费米能级处的尖锐阶跃。势能面被一个平滑的自由能面所取代，而力，现在作为该自由能的梯度导出，表现良好且连续。这使得即使对于最具挑战性的金属体系，也能进行稳定且具有预测性的分子动力学模拟。
赫尔曼-费曼力的影响范围延伸到了真正的跨学科领域。考虑一下模拟一个酶——一个巨大的蛋白质——在生物细胞中执行其功能的挑战。完整的量子力学处理在计算上是不可能的。解决方案是*多尺度建模*，特别是量子力学/分子力学（QM/MM）方法。在这种方法中，酶的化学活性核心部分用精确的量子力学处理，而广阔的周围环境（蛋白质的其余部分和水）则用便宜得多的经典力场处理。赫尔曼-费曼力在QM区域计算，经典力在MM区域计算。巨大的挑战在于确保两种描述之间的边界处有一个平滑且能量上一致的连接。为了使模拟稳定并能量守恒，总力场必须是单一、连续的势能函数的梯度。这不仅要求在边界处有一个平滑的数学切换函数，还要求在QM区域严格正确地计算力，包括所有的普莱项。
也许最激动人心的新前沿是量子力学与人工智能的交叉领域。虽然量子计算能为我们提供极其精确的力，但它们的计算成本很高。梦想是创建能够以量子精度预测这些能量和力，但成本仅为其一小部分的*机器学习原子间势*（MLIPs）。
关键的洞见是，为了使模型在物理上真实且可用于长时间的模拟，其力必须是保守的——也就是说，它们必须是所学到的势能面的负梯度。这就是我们故事的圆满之处。从DFT计算出的力，只要计算正确（自洽地，包含所有普莱修正），根据定义就是DFT势能面的梯度。它们是训练此类模型的完美“基准真相”数据。
此外，这些机器学习模型的结构本身就提供了一种非凡的方式来为训练数据去噪。即使是最好的DFT计算也存在一些小的数值噪声。当我们训练一个被约束为只能产生势的梯度的力的模型时，它在数学上无法表示训练数据中噪声的任何非保守“旋度”分量。学习过程自然地将带噪声的DFT数据投影到具有物理意义的保守力场空间上，从而滤除不符合物理的赝象。这种协同作用——其中势及其梯度的深刻物理原理（由赫尔曼-费曼定理实现）为机器学习模型提供了完美的结构——正在为材料发现和模拟的新时代铺平道路。
从分子的简单形状到未来技术的人工智能驱动设计，赫尔曼-费曼力的概念提供了一条深刻、统一的线索，揭示了物理世界内在的美和相互联系。