玻尔百科从量子力学到结构工程，科学的基本定律通常表示为方程形式，而对于任何真实世界的系统，这些方程都无法精确求解。这迫使我们进入近似的世界，在这里，如何表示问题的选择至关重要。现代计算科学的核心是基组的概念——一套用于构建复杂解的更简单的函数工具箱。最关键的决定通常是这个工具箱的性质。我们是使用全局性的、无限延伸于空间中的函数，还是使用局域性的、局限于小邻域内的函数？
本文深入探讨了后一种方法的力量与优雅：局域基函数。它解决了计算标度性的根本问题，解释了局域性这个简单的思想如何驯服那些看似不可能解决的复杂问题。读者将了解到为什么用局域“碎片”来描述系统不仅直观，而且是实现计算效率的关键。我们将首先探讨其核心原理和机制，揭示局域基如何产生稀疏性，以及深刻的物理学“近视原理”如何为其提供依据。随后，我们将跨越不同学科，见证这一概念的多功能应用，从分析信号、训练机器学习模型到模拟分子的量子行为。
体现在薛定谔方程中的量子力学定律，支配着每个原子、分子和材料中每个电子的行为。然而，如同一个宏大的宇宙笑话，这个优美的方程却出了名地难以求解。对于任何比氢原子更复杂的系统，我们都无法找到精确解。我们被迫进行近似。但在这种必要性中，我们发现了非凡的自由和创造力。整个计算科学领域，在某种意义上，就是巧妙近似的艺术。而这门艺术的核心，便是基组的概念。
想象一下，你试图画一幅杰作，一幅细节丰富的人物肖像。但你没有无限的调色板，只得到了一套特定的原色——比如红、黄、蓝。你无法用一笔就画出确切的肤色。相反，你必须巧妙地混合和层叠你的原色，以构建出你想要的复杂色调。
这正是我们用来“描绘”量子力学波函数 的策略，该函数包含了关于系统电子的所有信息。我们将真实的、无限复杂的波函数表示为一系列更简单的、预定义的数学函数之和，这些函数就是我们的“原色”。这些函数被称为基函数，通常表示为 。近似于是就采取了以下形式：
我们的任务从寻找不可知的函数 转变为寻找能提供最佳混合效果的系数集 。在我们的工具箱中放入哪些“原色”，即基函数，是计算科学中最基本的决定之一。这一选择催生了两种主要的哲学方法。
一种方法是使用“全局”函数，即它们存在于空间的任何地方。最著名的例子是平面波基组，它由诸如 之类的函数组成。这些函数本质上是正弦和余弦波的量子力学版本，在整个空间中无休止地振荡。
这种全局方法非常适合描述像完美晶体这样的周期性系统。在晶体中，由于其无尽重复的晶格结构，电子不与任何单个原子绑定，而是离域的，以波的形式遍布整个材料。布洛赫定理是固态物理学的基石，它告诉我们晶体中的电子波函数基本上是由平面波构成的。因此，对于块状金属，使用平面波基组就像在说系统的母语。
第二种哲学是使用“局域”函数。我们不再使用遍布各处的函数，而是使用以特定点——通常是原子核——为中心，并随距离衰减的函数。其中最流行的是高斯型轨道 (GTOs)，其数学形式为钟形曲线 乘以一些多项式项。
这种局域方法有力地捕捉了我们的化学直觉。在分子中，我们认为电子是局域的：要么紧密束缚在内层壳层中，要么在共价键中由两个原子共享，要么作为孤对电子位于一个原子上。以原子为中心的函数基组为描述这种局域图像提供了一种自然而高效的方式。对于一个漂浮在太空中的大型复杂有机分子，用以原子为中心的函数来描述它，远比试图用无限重复的正弦波来构建它要直观得多。
乍一看，全局基和局域基之间的选择似乎只是品味问题。实际上，它对计算可行性有着深远的影响。局域基的魔力在于一个单一而优美的概念：稀疏性。
当我们用基组求解薛定谔方程时，我们必须计算每对基函数 和 之间的相互作用。这些相互作用构成了一个巨大的数字表——一个矩阵。对于像动能这样的局域算符，相互作用矩阵元 取决于两个基函数的空间重叠。
现在，考虑一个局域基组。如果函数 位于一个大分子的这端，而 位于另一端的原子上，它们相距很远。由于它们随距离迅速衰减，它们的重叠几乎为零。乘积 在任何地方都为零。因此，它们的相互作用矩阵元 也为零。
这意味着我们的相互作用矩阵中绝大多数的元素都是零！这个矩阵是稀疏的。与此形成鲜明对比的是，全局基中的任意两个平面波在任何地方都有重叠，所以它们的相互作用矩阵是稠密的——几乎每个元素都非零。
这种差异不仅仅是学术上的；它关乎可能与不可能。求解一个大小为 的稠密矩阵所涉及的方程，通常需要 标度的计算量。而对于稀疏矩阵，成本可以慢至 标度。如果我们把系统的大小加倍，局域基的计算可能需要两倍的时间，而全局基的计算可能需要八倍的时间。对于一个大型系统，这可能是一个小时内完成计算与在宇宙热寂前都无法完成计算的区别。这种源于局域性简单思想的效率，是现代“线性标度”方法背后的驱动力，这些方法使我们能够模拟拥有数千个原子的系统。
稀疏性的计算能力根植于一个深刻的物理原理。在20世纪60年代，物理学家 Walter Kohn 阐述了他所谓的“电子物质的近视原理”。该原理指出，对于许多材料，局域电子性质，如某一点 处的电子密度，在很大程度上不受远处微扰的影响。在一个大型绝缘晶体的一端，势能的变化对另一端的电子几乎没有影响。
这种物理上的近视性有其精确的数学对应物。它被编码在单粒子密度矩阵 中，这个函数告诉我们位置 处电子的存在与位置 处电子的存在是如何相关的。对于具有电子带隙的材料——绝缘体和半导体——一个被证明的定理是，密度矩阵随距离 指数衰减。电子的影响在长程范围内不仅微弱，而且衰减速度惊人。
这正是为什么我们可以为绝缘体构建一个由指数局域化的瓦尼尔函数组成的完备基组的原因。这些函数是已占据电子态的“天然”局域构建模块，它们的指数局域化是分离已占据态和未占据态的能隙的直接结果。然而，在金属中，没有带隙。费米能级的电子可以对非常长距离的微扰做出响应。密度矩阵仅以缓慢的幂律形式衰减，强形式的近视原理在此失效。这就是为什么局域图像在有带隙的材料中效果极佳，但在金属中却复杂得多的根本物理原因。
当然，自然界从不那么简单。虽然局域基的概念很强大，但它也带来了一系列有趣的挑战，每一个挑战都激发了巧妙的解决方案。
首先是尖点条件。真实的电子波函数在原子核位置处有一个尖锐的“尖点”，这是由强大的静电引力造成的。一个光滑的高斯函数，顶部是圆的，不可能重现这个尖锐的特征。解决方案是什么？我们不只用一个。通过组合许多高斯函数——一些非常“紧凑”（大的 ）以捕捉原子核附近的区域，一些非常“弥散”（小的 ）以描述尾部——我们可以以任意精度近似尖点形状。这证明了叠加的力量。
其次，虽然高斯函数衰减迅速，但它们从未真正变为零。对于某些方法，我们需要在特定半径之外严格为零的函数——即具有紧支撑的函数。我们可以通过将一个标准轨道乘以一个从1平滑过渡到0的“截断函数”来实现这一点。但必须小心！如果截断过于突然，就像敲鼓一样，会引入虚假的高频分量，对动能造成严重破坏。为避免这些人为效应，截断函数本身必须足够光滑——至少是二次连续可微的。
最后，还有一个关于重叠的微妙危险。虽然我们希望基函数与邻居重叠以描述化学键，但过多的重叠可能会成为问题。如果我们在基组中添加了太多弥散、分布广泛的函数，它们之间可能会变得几乎无法区分。这会导致近似线性相关的状况，即一个基函数几乎可以完美地表示为其他基函数的组合。在数学上，这会导致重叠矩阵 变得近乎奇异（其行列式接近于零），使得数值计算极不稳定。这是一种对基组的“过拟合”，即增加更多函数反而使结果变差或更不稳定。
一个相关的问题是臭名昭著的基组叠加误差 (BSSE)。当两个分子 A 和 B 靠近时，变分原理允许分子 A 的电子“借用”以 B 为中心的基函数来降低其能量。这不是一种真实的物理吸引力；它是由 A 自身的基组不完备所引起的人为效应。就好像 A 通过“窃取” B 的资源来更好地描述自己。这种误差总是导致人为的稳定化，使得分子看起来比实际结合得更牢固。该误差的大小与基函数的重叠直接相关，并且在中间距离处对于弥散函数最为严重。
从以原子为中心的构建模块的简单想法，到近视原理的深层物理学，再到尖点和叠加误差的实际挑战，局域基函数的故事是计算科学的一个完美缩影。这是一段将物理直觉转化为数学工具，发现其深远力量，然后通过更多巧思来应对其微妙缺陷的旅程。这就是近似的艺术，在其所有令人沮丧而又美丽的辉煌之中。
我们花了一些时间来理解局域基函数的机制，即我们可以通过一系列谦逊的、局域的“碎片”来构建复杂事物的描述，而不是通过宏大、横跨整个空间的函数。每个碎片都在自己的小邻域里各司其职。这可能看起来只是一个数学技巧，但它却被证明是整个计算科学中最深刻、最强大的思想之一。它是解锁那些否则将永远无法解决的问题的关键，是一个统一的原则，从机器学习的抽象世界回响到设计桥梁或药物的现实世界。
让我们从一个人类的困境而不是一个方程开始我们的发现之旅。想象一篇多位作者合著的科学论文。该如何分配功劳？简单地将功劳按作者人数平分感觉不对。有些人写了关键段落，有些人创建了至关重要的图表，或许还有人编写了用于分析的代码。一种更忠实的方法是将论文看作是这些细粒度贡献的集合——段落、图表、代码模块。每个贡献都是一个“基函数”，主要“局域”于特定作者。但如果两位作者写了非常相似的段落，或者一位作者的图表只是将另一位作者的文本可视化了呢？这就是“重叠”。知识内容是共享的、非正交的。为了公平地分配功劳，我们需要一个能够优雅处理这种冗余的系统，以一种合理的方式归属思想的共享部分。这个简单的类比包含了局域基如此至关重要的全部概念核心。它们使我们能够将一个复杂的整体分解为其组成部分，并提供一种数学语言来讨论这些部分如何相互作用和重叠。
我们的现代世界运行在信号之上——我们听的音乐、拯救生命的医学图像、预警地震的地震波。我们如何表示这些信号决定了我们能从中看到什么。分析信号的经典方法是傅里叶变换，它将信号分解为纯粹、永恒的正弦波和余弦波之和。这些基函数是“全局”的缩影；每一个都从时间的起点延伸到终点。
如果你的信号本身就是一个纯粹、永恒的音调，这非常完美。傅里叶变换会向你展示一个在该音调频率上尖锐而美丽的峰值。但如果你的信号是一段寂静，接着是一声清脆的“拍手”声，然后是衰减的嗡嗡声呢？拍手声是一个瞬态事件，在时间上是完全局域的。由无限长的波构成的傅里叶变换在表示它时会非常吃力。为了捕捉那个尖锐的瞬间，它必须混合大量的、所有频率的正弦波。结果是拍手声的能量被涂抹在整个频谱上，而关于拍手声何时发生的所有信息都隐藏在复杂的相位关系中。你看到了频率，但失去了时间。
小波应运而生。小波是一种局域基函数，一个生活在一小片时间区域里的“小波浪”。离散小波变换 (DWT) 通过将信号与不同尺寸（尺度）和位置（时间）的小波进行匹配来分析信号。当它分析我们带有拍手声的信号时，大多数小波在大多数时间里什么也看不到。但是当一个合适尺寸的小波滑过拍手声的确切瞬间时，它会产生巨大的响应。其表示是稀疏的——只有少数几个系数很大——并且它准确地告诉我们发生了什么（一个尖锐的高频事件）以及何时发生。这就是像 JPEG2000 这样的现代压缩标准以及从心电图到金融数据的非平稳信号分析背后的魔力。局域基为我们提供了一个时频“变焦镜头”，让我们既能看到森林，也能看到个别树木。
让我们从信号转向函数。假设我们有一组数据点，我们想找到一条能很好拟合它们的曲线。一个经典的方法是多项式回归：尝试用一个单一的、全局的多项式 来拟合数据。如果潜在的真实情况是一条简单、平滑的曲线，这种方法效果很好。
但现实往往有尖锐的拐角。想象一个行为突然改变的过程，比如水结成冰，或者股市趋势遇到了一个阻力点。真实的函数可能有一个“扭结”。全局多项式，就其本质而言，是无限平滑的。当它试图通过一个尖锐的拐角时，它根本做不到。它要么会把拐角磨圆，引入一个很大的误差（偏差），要么会开始疯狂地摆动以拼命弯曲，这是一种被称为龙格现象的病态行为。问题在于，全局函数的行为在任何地方都是相互关联的；一个点的改变会在整个定义域内产生连锁反应。
解决方案，再一次，是局域地思考。我们可以使用*样条函数*，而不是一个全局多项式。样条函数是通过在不同区间上将许多更小的、更简单的函数（如三次多项式）拼接而成的。这些就是我们的局域基函数。在称为“节点”的连接点，我们强制执行一定程度的光滑性，但我们不要求无限光滑。如果我们知道数据在比如 处有一个扭结，我们可以在那里放置一个节点。这使得样条函数有足够的灵活性在扭结处突然改变其行为，而在其他地方保持平滑和良好表现。局域基函数有效地隔离了函数的“困难”部分，防止其影响破坏其他区域的拟合。
同样的原理是现代机器学习的基石。在支持向量回归 (SVR) 中，使用高斯径向基函数 (RBF) 核 ，就像在每个数据点处放置一个小的、局域的“影响凸起”。最终的回归曲线是这些局域凸起的总和。要拟合一个带噪声的正弦波，全局多项式将需要一个高得离谱的阶数，并且很可能会过拟合噪声。然而，带有 RBF 核的 SVR 可以出色地完成任务。通过调整参数 ，我们控制了局域基函数的“宽度”。如果我们选择一个与正弦波波长数量级相当的宽度，模型就会变得足够灵活以捕捉振荡，但又不会灵活到拟合每一个噪声的摆动。这是在偏差和方差之间 masterful 的平衡，而这正是通过基的局域性才得以实现的。
也许局域基函数最重大的影响是在物理世界的模拟中。考虑设计一座桥梁、一个飞机机翼，或模拟热量在计算机芯片中流动的挑战。这些都是连续的物体，由偏微分方程 (PDEs) 控制。为了在计算机上求解这些方程，我们必须使用像有限元方法 (FEM) 这样的方法，它将物体分解成一个由小的、离散的单元（如微小的三角形或四面体）组成的“网格”。
在每一个小单元上，我们定义一个简单的、局域的基函数——通常看起来像一个小帐篷或金字塔。物体的全局解，比如温度或应力，然后作为这些简单碎片的组合来构建。现在，考虑描述这两个基函数，比如 和 之间相互作用的方程。这个相互作用项，在一个巨大的矩阵中成为一个元素 ，涉及这些函数（或它们的导数）乘积的积分。但由于函数是局域的，这个积分只有在它们的支撑域重叠时才非零——也就是说，只有当节点 和 是网格中的直接邻居时！。
其后果是惊人的。代表我们方程组的巨大矩阵不是稠密的，而是“稀疏的”——它几乎完全由零填充。矩阵中的一个典型行可能有几十个非零元素，即使变量总数达到数百万。这种稀疏性不仅仅是一个小小的便利；它是可解性与不可能性之间的区别。存储一个百万乘百万的稠密矩阵将需要PB级的内存，远超任何计算机的容量。求解相应的线性系统将需要地质年代的时间。稀疏性，直接源于我们基的局域性，将内存减少到MB或GB，并将求解时间缩短到秒或小时。正是它使得现代计算机辅助工程成为可能。
这一思想在间断伽辽金 (DG) 方法中被推向了逻辑的极致。在这里，基函数完全定义在单个单元内部，与邻居没有连续性。由此产生的系统矩阵变成块对角形式，每个块对应一个单元，并与其它块完全解耦，这使得它们在计算上更容易处理。
现在我们来到了前沿：分子和材料的量子世界。分子中电子的行为由薛定谔方程控制，这是一个出了名的难题。一个关键的挑战是解释每对电子之间的静电排斥。天真地看，对于一个有 个电子的分子，这似乎意味着计算成本将以 或更快的速度天文数字般增长，因为每个电子都与其它所有电子相互作用。几十年来，这个“标度墙”将量子化学限制在非常小的分子上。
突破来自于一个深刻的物理洞见与局域基函数数学的结合。这个洞见被称为“近视原理”：在许多系统中，特别是像DNA或聚合物这样的大型绝缘体中，一个电子的行为主要由其直接环境决定。量子效应是真实的，但它们的影响通常是局域的。
通过选择一个围绕每个原子局域化并随距离迅速衰减的原子轨道基组，我们将这种物理直觉直接构建到我们的数学框架中。结果是，当原子按空间顺序排列时，代表电子-电子相互作用的矩阵（库仑矩阵和交换矩阵）在数值上变得稀疏或“带状”。在一个长链分子中，原子1上的轨道与原子1000上的轨道之间的相互作用项变得小到可以忽略不计，可以安全地舍弃。
这彻底改变了该领域。它是所谓的“线性标度”或 方法的关键。对于大型系统，计算成本随分子大小线性增长，而不是高阶多项式。我们现在可以研究拥有数千个原子的系统，为药物、催化剂和新材料的计算设计打开了大门。同样的逻辑也延伸到计算晶体和纳米结构的电子性质，例如单分子导线的电导。在这些固态计算中，必须达到一个微妙的平衡：基函数的实空间局域化半径必须足够大以捕捉物理现象，但这个选择又与我们为了达到期望的精度而必须多精细地采样晶体的“动量空间”相互作用。
从分配功劳这个非常人性化的问题，到聆听一首数字歌曲，再到模拟电子的量子之舞，局域性原理是贯穿所有现代科学的一条主线。局域基函数为我们提供了一种表达这一原理的语言。它们告诉我们，有时，理解整体最强大的方法是首先理解其部分，更重要的是，认识到大多数部分只关心它们的直接邻居。这是一个美丽而深刻的教训，将不可能的复杂性转变为计算上的可能性。