8. GGA 泛函核坐标梯度

我们已经将 RHF 与 MP2 的核坐标梯度表达式求得了;但我们仍然没有达到求解 XYG3 型泛函的目标。从 RHF 方法到 MP2 方法是一个突跃,我们需要掌握 U 矩阵、A 张量的计算方式 (CP-HF 方程),以及对 MP2 方法公式相当繁杂的推导。XYG3 型泛函的绝大多数公式推导,都能从 MP2 公式中获得。另一个突跃会是这篇文档所述的从 RHF 到 GGA 方法;在这个过程中,我们需要对交换相关能的梯度作推演与计算。

这一节,我们首先以 B3LYP 为例 (GGA 在通篇文档中代表的是使用了 GGA 泛函的计算方法,也包括杂化泛函),计算 GGA 自洽场的核坐标梯度。

8.1. 准备工作

[1]:
%matplotlib notebook

from pyscf import gto, scf, dft, dft, lib
import numpy as np
from functools import partial
import warnings
from matplotlib import pyplot as plt
from pyxdh.Utilities import NucCoordDerivGenerator, DipoleDerivGenerator, NumericDiff, GridHelper, KernelHelper
from pyxdh.DerivOnce import GradSCF

np.einsum = partial(np.einsum, optimize=["greedy", 1024 ** 3 * 2 / 8])
np.allclose = partial(np.allclose, atol=1e-6, rtol=1e-4)
np.set_printoptions(5, linewidth=150, suppress=True)
warnings.filterwarnings("ignore")
[2]:
mol = gto.Mole()
mol.atom = """
O  0.0  0.0  0.0
O  0.0  0.0  1.5
H  1.0  0.0  0.0
H  0.0  0.7  1.0
"""
mol.basis = "6-31G"
mol.verbose = 0
mol.build()
[2]:
<pyscf.gto.mole.Mole at 0x7f6dc5311b50>

需要注意到,我们在这里需要用 DFT 模块,它的定义还包含格点积分。由于格点与分子直接挂钩,因此我们使用下述 mol_to_grids 定义从分子到 (75, 302) 格点的函数:

[3]:
def mol_to_grids(mol, atom_grid=(75, 302)):
    grids = dft.Grids(mol)
    grids.atom_grid = atom_grid
    grids.becke_scheme = dft.gen_grid.stratmann
    grids.prune = None
    grids.build()
    return grids
grids = mol_to_grids(mol)

我们也需要从分子到计算实例的程序 mol_to_scf,它主要用来生成 pyxdh 的 GGA 梯度计算实例,以及数值梯度的实例:

[4]:
def mol_to_scf(mol):
    scf_eng = dft.RKS(mol)
    scf_eng.grids = mol_to_grids(mol)
    scf_eng.xc = "B3LYPg"
    scf_eng.conv_tol = 1e-10
    return scf_eng.run()

GGA 与 RHF 一样,都使用 GradSCF 来实例化。

[5]:
gradh = GradSCF({"scf_eng": mol_to_scf(mol)})
[6]:
nmo, nao, natm, nocc, nvir = gradh.nao, gradh.nao, gradh.natm, gradh.nocc, gradh.nvir
mol_slice = gradh.mol_slice
so, sv, sa = gradh.so, gradh.sv, gradh.sa
C, Co, Cv, e, eo, ev, D = gradh.C, gradh.Co, gradh.Cv, gradh.e, gradh.eo, gradh.ev, gradh.D
H_0_ao, S_0_ao, eri0_ao, F_0_ao = gradh.H_0_ao, gradh.S_0_ao, gradh.eri0_ao, gradh.F_0_ao
H_0_mo, S_0_mo, eri0_mo, F_0_mo = gradh.H_0_mo, gradh.S_0_mo, gradh.eri0_mo, gradh.F_0_mo
[7]:
def to_natm_3(mat: np.ndarray):
    shape = list(mat.shape)
    shape = [int(shape[0] / 3), 3] + shape[1:]
    return mat.reshape(shape)
[8]:
H_1_ao, S_1_ao, eri1_ao = to_natm_3(gradh.H_1_ao), to_natm_3(gradh.S_1_ao), to_natm_3(gradh.eri1_ao)
H_1_mo, S_1_mo, eri1_mo = to_natm_3(gradh.H_1_mo), to_natm_3(gradh.S_1_mo), to_natm_3(gradh.eri1_mo)
U_1 = to_natm_3(gradh.U_1)

但与 RHF 不同的是,我们需要进行格点积分。我们定义 grdh 为格点的辅助助手,kerh 为泛函核的格点。

[9]:
grdh = GridHelper(mol, grids, D)
kerh = KernelHelper(grdh, "B3LYPg")

同时,我们也需要杂化系数 cx \(c_\mathrm{x}\)

[10]:
cx = gradh.cx
cx
[10]:
0.2
[11]:
def grad_generator(mol):
    scf_eng = mol_to_scf(mol)
    config = {"scf_eng": scf_eng}
    return GradSCF(config)
gradn = NucCoordDerivGenerator(mol, grad_generator)

8.2. GGA 能量梯度

首先我们回顾 GGA (B3LYP) 的能量计算公式:

\[E_\mathrm{elec} = h_{\mu \nu} D_{\mu \nu} + \frac{1}{2} D_{\mu \nu} (\mu \nu | \kappa \lambda) D_{\kappa \lambda} - \frac{c_\mathrm{x}}{4} D_{\mu \nu} (\mu \kappa | \nu \lambda) D_{\kappa \lambda} + f \rho\]

其中,前三项分别是 Hamiltonian Core、Coulomb、Exchange 积分对总能量的贡献,使用了 Einstein Summation 进行了符号的简化;而第四项是交换相关能,所用的是本文档特化的简化,即

\[\sum_{w} w_g f_g \rho_g \Leftarrow f \rho \Rightarrow \int f[\rho] \rho(\boldsymbol{r}) \, \mathrm{d} \boldsymbol{r}\]

两种一般来说更容易接受的写法中,右边一种是积分方式,即泛函核 \(f[\rho]\) 与电子态密度 \(\rho(\boldsymbol{r})\) 乘积的积分;而左边则是将积分元 \(\mathrm{d} \boldsymbol{r}\) 离散化为带权重格点,随后对这些格点求和。我们简化的主要目的是让公式能与程序能作对应。我们不妨用下述两行代码,验证一下 B3LYP 下的分子的电子态能量 \(E_\mathrm{elec}\)

[12]:
gradh.scf_eng.energy_elec()[0]
[12]:
-189.26221747920502
[13]:
(
    + np.einsum("uv, uv -> ", H_0_ao, D)
    + 0.5 * np.einsum("uv, uvkl, kl -> ", D, eri0_ao, D)
    - 0.25 * cx * np.einsum("uv, ukvl, kl -> ", D, eri0_ao, D)
    + np.einsum("g, g -> ", kerh.exc, grdh.rho_0)
)
[13]:
-189.2622174792067

8.2.1. 符号定义与交换相关能全导数

我们 曾经 对轨道、密度和泛函格点的符号作过补充定义,这里列举如下:

记号说明:轨道函数或格点

  • \(\phi\) 统一代表原子轨道函数,以电子坐标为自变量
  • \(\phi_\mu\) 代表原子轨道 \(\mu\) 所对应的原子轨道函数
  • \(\phi_{r \mu} = \partial_r \phi_\mu\) 代表原子轨道在电子坐标分量 \(r\) 下的偏导数
  • \(\phi_{r w \mu} = \partial_r \partial_w \phi_\mu\) 代表原子轨道在电子坐标分量 \(r\)\(w\) 下的二阶偏导数

记号说明:密度函数或格点

  • \(\rho\) 代表电子态密度密度
  • \(\rho_r = \partial_r \rho\)
  • \(\rho_{rw} = \partial_r \partial_w \rho\)
  • \(\gamma = \rho_r \rho_r\) 表示密度梯度量

记号说明:泛函格点

  • \(f\) 代表泛函核;泛函核满足关系:在函数图景下 \(E_\mathrm{xc} = \int f[\rho] \rho(\boldsymbol{r}) \, \mathrm{d} \boldsymbol{r}\),或格点积分下,\(E_\mathrm{xc} = f \rho\)
  • \(f_\rho = \partial_\rho (f \rho)\)注意不是 \(\partial_\rho f\)这种记号可能引起歧义但足够简洁
  • \(f_\gamma = \partial_\gamma (f \rho)\)
  • \(f_{\rho \gamma} = \partial_\rho \partial_\gamma (f \rho)\),其它高阶导数同理

我们以后仍然使用这些定义。但我们还会补充定义下述符号:

记号补充:导数相关与原子核相关格点

  • \(\phi_\mu^\mathbb{A} = \partial_\mathbb{A} \phi_\mu\) 表示轨道在 \(\mathbb{A}\) 下的导数
  • \(\phi_{t \mu_A}\) 表示在 \(\phi_\mu\) 关于电子坐标分量 \(t\) 下的导数,但若 \(\mu\) 作为 Gaussian 函数的中心并非 \(A\) 原子核,则值为零
  • \(\rho^\mathbb{A}_r\)\(\partial_r \rho\) 的 Skeleton 导数,而 并非 \(\partial_\mathbb{A} \partial_r \rho\)

现在我们对 \(f \rho\) 进行导数计算。依据链式法则,并且留意到 \(\gamma = \rho_r \rho_r\) (对 \(r\) 坐标分量求和),我们可以导出,

\[\begin{split}\begin{align} \frac{\partial (f \rho)}{\partial \mathbb{A}} &= \frac{\partial (f \rho)}{\partial \rho} \frac{\partial \rho}{\partial \mathbb{A}} + \frac{\partial (f \rho)}{\partial \gamma} \frac{\partial \gamma}{\partial \mathbb{A}} \\ &= \frac{\partial (f \rho)}{\partial \rho} \frac{\partial \rho}{\partial \mathbb{A}} + 2 \rho_r \frac{\partial (f \rho)}{\partial \gamma} \frac{\partial \rho_r}{\partial \mathbb{A}} \\ &= f_\rho \partial_\mathbb{A} \rho + 2 f_\gamma \rho_r \partial_\mathbb{A} \rho_r \end{align}\end{split}\]

但我们不能再推演下去了,因为我们尚不知道如何计算 \(\partial_\mathbb{A} \rho\)\(\partial_\mathbb{A} \rho_r\)

8.2.2. 密度格点的导数

我们曾经提及过,对于密度矩阵 \(D_{\mu \nu}\),其关于 \(\partial_\mathbb{A}\) 的导数为

\[\frac{\partial D_{\mu \nu}}{\partial \mathbb{A}} = 2 U_{mi}^\mathbb{A} (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu m})\]

上面的所有的导数结果都是非 Skeleton 的。

而在密度泛函中,密度并非是由密度矩阵 \(D_{\mu \nu}\) 所表示,而是密度格点 \(\rho\) 表示。密度格点是通过下式给出的,这我们以前也有所提及:

\[\rho = \phi_\mu \phi_\nu D_{\mu \nu}\]

由于显式地引入了轨道,因此密度的格点 存在 Skeleton 导数。我们下面就具体地讨论 \(\mathbb{A} = A_t\) 即被求导量为核坐标分量的情况。为此,我们先列举下述结论:

\[\phi_\mu^{A_t} = \partial_{A_t} \phi_\mu = - \partial_t \phi_{\mu_A} = - \phi_{t \mu_A}\]

上述结论已经在 RHF Skeleton 导数 文档中有较为详细的论述了,这里就不展开了。因此,

\[\frac{\partial \rho}{\partial A_t} = - \phi_{t \mu_A} \phi_\nu D_{\mu \nu} - \phi_\mu \phi_{t \nu_A} D_{\mu \nu} + 4 \phi_\mu \phi_\nu U_{mi}^{A_t} C_{\mu m} C_{\nu i}\]

其中,最后与 U 矩阵有关的部分我们单独考虑,并定义密度格点的 Skeleton 导数 A_rho_1 \(\rho^{A_t}\) 为上式的前两项 (维度为 \((A, t, r, g)\),其中最后一维度为格点维度)

\[\begin{split}\begin{align} \rho^{A_t} &= - \phi_{t \mu_A} \phi_\nu D_{\mu \nu} - \phi_\mu \phi_{t \nu_A} D_{\mu \nu} \\ &= - 2 \phi_{t \mu_A} \phi_\nu D_{\mu \nu} \end{align}\end{split}\]

对程序要作补充的是,尽管 \(D_{\mu \nu}\) 处并没有写成 \(D_{\mu_A \nu}\),但由于前面 \(\phi_{t \mu_A}\) 中要求 \(\mu\) 必须要在 \(A\) 原子核上,因此在实际写程序的时候确实要用 \(D_{\mu_A \nu}\)

[14]:
A_rho_1 = np.zeros((natm, 3, grdh.ngrid))
for A in range(natm):
    sA = mol_slice(A)
    A_rho_1[A] = - 2 * np.einsum("tgu, gv, uv -> tg", grdh.ao_1[:, :, sA], grdh.ao_0, D[sA])

任务 (1)

请证明上述等式的第二个等号。

pyxdh 中,A_rho_1 是用来计算 \(\rho^{A_t}\)

[15]:
np.allclose(A_rho_1, grdh.A_rho_1)
[15]:
True

8.2.3. 密度梯度格点的导数

处理 \(\partial_{A_t} \rho_r\) 的方式也是一样的。我们先需要回顾一下 \(\rho_r\) 的定义:

\[\begin{split}\begin{align} \rho_r = \frac{\partial \rho}{\partial r} &= \phi_{r \mu} \phi_\nu D_{\mu \nu} + \phi_\mu \phi_{r \nu} D_{\mu \nu} \\ &= 2 \phi_{r \mu} \phi_\nu D_{\mu \nu} \end{align}\end{split}\]

那么,

\[\frac{\partial \rho_r}{\partial A_t} = - 2 \phi_{tr \mu_A} \phi_\nu D_{\mu \nu} - 2 \phi_{r \mu} \phi_{t \nu_A} D_{\mu \nu} + 4 \phi_{r \mu} \phi_\nu U_{mi}^{A_t} (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu m})\]

我们定义 A_rho_2 \(\partial_r^{A_t}\) (维度为 \((A, t, r, g)\)) 为

\[\rho_r^{A_t} = - 2 \phi_{tr \mu_A} \phi_\nu D_{\mu \nu} - 2 \phi_{r \mu} \phi_{t \nu_A} D_{\mu \nu}\]
[16]:
A_rho_2 = np.zeros((natm, 3, 3, grdh.ngrid))
for A in range(natm):
    sA = mol_slice(A)
    A_rho_2[A]  = - 2 * np.einsum("trgu, gv, uv -> trg", grdh.ao_2[:, :, :, sA], grdh.ao_0, D[sA])
    A_rho_2[A] += - 2 * np.einsum("rgu, tgv, uv -> trg", grdh.ao_1, grdh.ao_1[:, :, sA], D[:, sA])

在 pyxdh 中,有 A_rho_2 与之对应:

[17]:
np.allclose(A_rho_2, grdh.A_rho_2)
[17]:
True

任务 (2)

我们曾经不加证明地在 \(\partial_{A_t} \rho\) 表达式中,利用到

\[\begin{split}\begin{align} \partial_{A_t} \rho &\leftarrow 2 \phi_\mu \phi_\nu U_{mi}^{A_t} (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu m}) \\ &= 4 \phi_\mu \phi_\nu U_{mi}^{A_t} C_{\mu m} C_{\nu i} \end{align}\end{split}\]

但对于 \(\partial_{A_t} \rho_r\),我们并没有作简化:

\[\partial_{A_t} \rho_r \leftarrow 4 \phi_{r \mu} \phi_\nu U_{mi}^{A_t} (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu m})\]

请简述原因并用程序验证。

后文可能会经常作一些与对称性有关的变换,譬如 \(\partial_{A_t} \rho_r\) 的 U 导数还可以表示为

\[\partial_{A_t} \rho_r \leftarrow 4 (\phi_{r \mu} \phi_\nu + \phi_\mu \phi_{r \nu}) U_{mi}^{A_t} C_{\mu m} C_{\nu i}\]

读者可能需要熟悉和适应这种变化。

8.2.4. U 导数与 Fock 矩阵的关系

我们再回到

\[\begin{split}\begin{align} \partial_{A_t} E_\mathrm{elec} \xleftarrow{\text{GGA part}} \frac{\partial (f \rho)}{\partial A_t} &= f_\rho \partial_{A_t} \rho + 2 f_\gamma \rho_r \partial_{A_t} \rho_r \\ &= f_\rho \rho^{A_t} + 2 f_\gamma \rho_r \rho_r^{A_t} + (f_\rho \phi_\mu \phi_\nu + 2 f_\gamma \rho_r \phi_{r \mu} \phi_\nu + 2 f_\gamma \rho_r \phi_\mu \phi_{r \nu}) \cdot 2 (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu p}) U_{mi}^{A_t} \end{align}\end{split}\]

我们会发现,上式中出现了

\[v_{\mu \nu}^\mathrm{xc} [\rho] = f_\rho \phi_\mu \phi_\nu + 2 f_\gamma \rho_r (\phi_{r \mu} \phi_{\nu} + \phi_{\mu} \phi_{r \nu})\]

因此,U 矩阵导数部分有

\[\partial_{A_t} E_\mathrm{elec} \xleftarrow{\text{GGA part}} \partial_{A_t} (f \rho) \xleftarrow{\text{U derivative}} v_{\mu \nu}^\mathrm{xc} \cdot 2 (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu p}) U_{mi}^{A_t} = v_{\mu \nu}^\mathrm{xc} \partial_{A_t} D_{\mu \nu}\]

当我们联系到类似于 HF 部分的贡献为

\[E_\mathrm{elec} \xleftarrow{\text{HF part}} h_{\mu \nu} D_{\mu \nu} + \frac{1}{2} D_{\mu \nu} (\mu \nu | \kappa \lambda) D_{\kappa \lambda} - \frac{c_\mathrm{x}}{4} D_{\mu \nu} (\mu \kappa | \nu \lambda) D_{\kappa \lambda}\]

及其 U 导数

\[\partial_{A_t} E_\mathrm{elec} \xleftarrow{\text{HF part}} \big( h_{\mu \nu} + (\mu \nu | \kappa \lambda) D_{\kappa \lambda} - \frac{c_\mathrm{x}}{2} (\mu \kappa | \nu \lambda) D_{\kappa \lambda} \big) \partial_{A_t} D_{\mu \nu}\]

因此,电子态总能量全部的 U 导数可以写为

\[\partial_{A_t} E_\mathrm{elec} \xleftarrow{\text{U derivative}} \big( h_{\mu \nu} + (\mu \nu | \kappa \lambda) D_{\kappa \lambda} - \frac{c_\mathrm{x}}{2} (\mu \kappa | \nu \lambda) D_{\kappa \lambda} + v_{\mu \nu}^\mathrm{xc} \big) \partial_{A_t} D_{\mu \nu} = F_{\mu \nu} \partial_{A_t} D_{\mu \nu} = - 2 F_{ij} S_{ij}^{A_t}\]

我们再将 \(\partial_{A_t} E_\mathrm{elec}\) 的 Skeleton 导数部分列举如下:

\[\partial_{A_t} E_\mathrm{elec} \xleftarrow{\text{Skeleton derivative}} h_{\mu \nu}^{A_t} D_{\mu \nu} + \frac{1}{2} D_{\mu \nu} (\mu \nu | \kappa \lambda)^{A_t} D_{\kappa \lambda} - \frac{c_\mathrm{x}}{4} D_{\mu \nu} (\mu \kappa | \nu \lambda)^{A_t} D_{\kappa \lambda} + f_\rho \rho^{A_t} + 2 f_\gamma \rho_r \rho_r^{A_t}\]

8.2.5. 电子态能量总导数

有了上面的推导之后,我们就可以一口气地将所有电子态贡献项列出:

\[\partial_{A_t} E_\mathrm{elec} = h_{\mu \nu}^{A_t} D_{\mu \nu} + \frac{1}{2} D_{\mu \nu} (\mu \nu | \kappa \lambda)^{A_t} D_{\kappa \lambda} - \frac{c_\mathrm{x}}{4} D_{\mu \nu} (\mu \kappa | \nu \lambda)^{A_t} D_{\kappa \lambda} + f_\rho \rho^{A_t} + 2 f_\gamma \rho_r \rho_r^{A_t} - 2 F_{ij} S_{ij}^{A_t}\]
[18]:
E_1 = (
    + np.einsum("Atuv, uv -> At", H_1_ao, D)
    + 0.5 * np.einsum("uv, Atuvkl, kl -> At", D, eri1_ao, D)
    - 0.25 * cx * np.einsum("uv, Atukvl, kl -> At", D, eri1_ao, D)
    + np.einsum("g, Atg -> At", kerh.fr, A_rho_1)
    + 2 * np.einsum("g, rg, Atrg -> At", kerh.fg, grdh.rho_1, A_rho_2)
    - 2 * np.einsum("ij, Atij -> At", F_0_mo[so, so], S_1_mo[:, :, so, so])
)
E_1
[18]:
array([[-2.27471, -0.79557, -9.07091],
       [-0.37246, -2.30276, 10.1379 ],
       [ 2.70067, -0.03745, -0.61219],
       [-0.05351,  3.13578, -0.4548 ]])

我们可以用数值导数来验证上述结果:

[19]:
nd_E_0 = NumericDiff(gradn, lambda gradh: gradh.scf_eng.energy_elec()[0]).derivative
nd_E_0.reshape(natm, 3)
[19]:
array([[-2.2747 , -0.79556, -9.07092],
       [-0.37246, -2.30276, 10.1379 ],
       [ 2.70066, -0.03746, -0.61219],
       [-0.0535 ,  3.13578, -0.4548 ]])
[20]:
np.allclose(E_1, nd_E_0.reshape(natm, 3))
[20]:
True

8.3. 参考任务解答

8.3.1. 任务 (1)

由于待证等式对 \(\mu, \nu\) 求和,那么我们将 \(\phi_\mu \phi_{t \nu_A} D_{\mu \nu}\) 中的 \(\mu, \nu\) 角标对换一下,并且利用 \(D_{\mu \nu}\) 的对称性,就能立即得到 \(\phi_{t \mu_A} \phi_\nu D_{\mu \nu}\)

8.3.2. 任务 (2)

首先,我们需要说明

\[\begin{split}\begin{align} \partial_{A_t} \rho &\leftarrow 2 \phi_\mu \phi_\nu U_{mi}^{A_t} (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu m}) \\ &= 4 \phi_\mu \phi_\nu U_{mi}^{A_t} C_{\mu m} C_{\nu i} \end{align}\end{split}\]

程序如下:

[21]:
np.allclose(
    + 2 * np.einsum("gu, gv, Atmi, um, vi -> Atg", grdh.ao_0, grdh.ao_0, U_1[:, :, :, so], C, Co)
    + 2 * np.einsum("gu, gv, Atmi, ui, vm -> Atg", grdh.ao_0, grdh.ao_0, U_1[:, :, :, so], Co, C),
    + 4 * np.einsum("gu, gv, Atmi, um, vi -> Atg", grdh.ao_0, grdh.ao_0, U_1[:, :, :, so], C, Co)
)
[21]:
True

证明应当是很简单的:我们只要根据求和角标可交换,交换一下 \(\mu, \nu\) 即可。

但我们注意到

\[\begin{split}\begin{align} \partial_{A_t} \rho_r &\leftarrow 4 \phi_{r \mu} \phi_\nu U_{mi}^{A_t} (C_{\mu m} C_{\nu i} + C_{\mu i} C_{\nu m}) \\ &\not\equiv 8 \phi_{r \mu} \phi_\nu U_{mi}^{A_t} C_{\mu m} C_{\nu i} \end{align}\end{split}\]
[22]:
np.allclose(
    + 4 * np.einsum("rgu, gv, Atmi, um, vi -> Atgr", grdh.ao_1, grdh.ao_0, U_1[:, :, :, so], C, Co)
    + 4 * np.einsum("rgu, gv, Atmi, ui, vm -> Atgr", grdh.ao_1, grdh.ao_0, U_1[:, :, :, so], Co, C),
    + 8 * np.einsum("rgu, gv, Atmi, um, vi -> Atgr", grdh.ao_1, grdh.ao_0, U_1[:, :, :, so], C, Co)
)
[22]:
False

之所以上述不恒等号成立,我们仍然是先看看,交换 \(\phi_{r \mu} \phi_\nu U_{mi}^{A_t} C_{\mu i} C_{\nu m}\) 一项中的 \(\mu, \nu\) 角标后,得到 \(\phi_\mu \phi_{r \nu} U_{mi}^{A_t} C_{\mu m} C_{\nu i}\);它并不等价于 \(\phi_{r \mu} \phi_\nu U_{mi}^{A_t} C_{\mu m} C_{\nu i}\).

我们一般来说,总是希望将表达式化简来推导公式或编写程序;但这类看起来相当微妙的相等或不等关系,在处理的时候需要当心。