決策記錄：PR #30 → PR #31 重寫的精度回歸分析與修復路線

[thc1006]

背景

PR #30（leo07010）提交了 HI-NQS v3 演算法，在 C2H2 (24Q) 上達到 -76.025 Ha。該 PR 有 3 個 API 崩潰 bug、硬 import optional dependency、刪除向後相容性，因此由我們重寫為 PR #31。

PR #31 初期精度顯著退化：

系統	PR #30	PR #31 (初期)	差距
C2H2 24Q	-76.0245 Ha (9,091 configs)	-75.9294 Ha (3,102 configs)	96 mHa
N₂ 40Q	未測試	-109.0299 Ha (3,830 configs)	vs CASSCF: 126 mHa

根因分析

精度差距來自：

1. 缺少 IBM solve_fermion：PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30 用的 α×β Cartesian product + factored Davidson，我們用 gpu_solve_fermion（無 Cartesian product），有效空間差 10-100 倍
2. 取樣量不足：2000 vs 5000 samples/iter
3. S-CORE 不適用：量子硬體噪聲修復，對 NQS 樣本無效且導致 NH₃ 1.5hr

決策與執行結果

✅ 方案 B（IBM solve_fermion 整合）— 成功

自動啟用 IBM solver，α/β marginals 做 teacher weights，移除 S-CORE，加 nuclear_repulsion。

最終結果（PR #31 修復後 + SCI 對比，充足參數）

C2H2 24Q — HI-NQS 超越 SCI：

方法	能量 (Ha)	組態數	時間
SCI（自然收斂）	-76.0245276	7,406	1,088s
HI-NQS IBM（5K samples）	-76.0245738	5,432	456s
PR #30 HI-NQS v3	-76.0245715	9,091	141s

HI-NQS 低 SCI 0.46 mHa，低 PR #30 v3 0.02 mHa，快 SCI 2.4 倍。

N₂ 40Q — SCI 更低但代價巨大：

方法	能量 (Ha)	組態數	時間	RAM
SCI（50K 上限，未收斂）	-109.2132	50,000	3h45m	60 GB
HI-NQS IBM（5K samples）	-109.1844	6,868	20 min	~2 GB

SCI 低 28.8 mHa，但 11.5x 時間、30x 記憶體。

小分子驗證： H₂O FCI exact, NH₃ FCI exact (S-CORE 移除後 1.5hr → 5s)

教訓

1. 重寫不等於改善 — 程式碼品質提升但精度下降是倒退
2. 先建立 benchmark regression test — 在重寫前應該先固定目標精度
3. 理解演算法再重寫 — Cartesian product 是 solve_fermion 的核心優勢
4. 不同系統規模需要不同策略 — 24Q 的最佳做法在 40Q 不一定可行
5. S-CORE 是量子硬體專用 — 不要在經典 NQS 樣本上使用

行動項目

• PR feat: PT2 configuration selection for HI-NQS v3 (ADR-005) #31 C2H2 追平 PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30（HI-NQS -76.02457, 超越 SCI 和 PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30 v3）
• 方案 B（IBM solver 整合）完成
• 建立 C2H2 / 40Q benchmark 驗證 + SCI 對比
• 移除 S-CORE，驗證 NH₃ 5s
• 40Q+ 路線依 Issue perf: accuracy improvement roadmap for 40Q+ CAS (28.8 mHa gap vs SCI) #35 推進（Tier 1: H-connection + E_PT2，縮小 28.8 mHa）

相關

• PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30（leo07010 原始提交）
• PR feat: PT2 configuration selection for HI-NQS v3 (ADR-005) #31（我們的重寫，C2H2 已超越 SCI 和 PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30）
• Issue perf: accuracy improvement roadmap for 40Q+ CAS (28.8 mHa gap vs SCI) #35（精度改善路線圖，含 SCI 對比數據）
• ADR-005（PT2 selection 設計文件）

[thc1006]

更新歷程（2026-04-02）

IBM solver 修復後初步結果

• PR feat: PT2 configuration selection for HI-NQS v3 (ADR-005) #31 追平 PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30：C2H2 -76.0246 Ha（0.004 mHa gap）✅
• 方案 B（IBM solver）：自動偵測 qiskit_addon_sqd，啟用 solve_fermion ✅
• 移除 S-CORE：NH3 從 1.5hr → 5s ✅
• spin_sq 從 mol_info 讀取：不再硬編碼 singlet ✅

最終 SCI 對比結果（見 Issue body 和最新留言）

• C2H2：HI-NQS (-76.02457) 超越 SCI (-76.02453)，快 2.4 倍
• 40Q：SCI (-109.2132) 低 HI-NQS (-109.1844) 28.8 mHa，但花 3h45m + 60 GB

[thc1006]

SCI 對比驗證（2026-04-02，修正版）

PR #30 數據 vs 我們實測（同一環境，Numba + IBM solver）

指標	PR #30	我們	差距
SCI 5K	-76.0245440 (96s)	-76.0245228 (350s)	0.21 mHa
SCI 10K	-76.0245706 (455s)	-76.0245403 (514s)	0.30 mHa
HI-NQS v3 (9091)	-76.0245715 (141s)	HI-NQS IBM: -76.0229699 (25s)	1.60 mHa

時間差異：PR #30 可能使用不同的 expansion_size 或 convergence_threshold。能量差 0.2-0.3 mHa 來自 CIPSI expansion path 差異。

HI-NQS 同 session 只累積 2,516 configs（取樣量較少），先前 session 5,153 configs 時達到 -76.02457（和 PR #30 v3 僅差 0.04 mHa）。精度和累積組態數正相關，增加 n_samples_per_iter 可改善。

[thc1006]

PR #30 數據驗證 — 最終結果（2026-04-02）

PR #30 SCI 數據 vs 我們實測（Numba）

指標	PR #30	我們（Numba）	能量差	時間差
SCI 5K	-76.0245440 (96s)	-76.0245228 (350s)	0.21 mHa	3.6x 慢
SCI 10K	-76.0245706 (455s)	-76.0245403 (514s)	0.30 mHa	1.1x 慢
HI-NQS v3 (9091)	-76.0245715 (141s)	HI-NQS IBM 5K: -76.0245738 (456s)	我們低 0.02 mHa	3.2x 慢

充足參數 SCI vs HI-NQS 最終對比

C2H2 24Q：HI-NQS (-76.02457) 比 SCI 自然收斂 (-76.02453) 低 0.46 mHa，快 2.4 倍

40Q：SCI 50K (-109.2132) 比 HI-NQS (-109.1844) 低 28.8 mHa，但花了 3h45m + 60GB RAM，仍未收斂

結論

1. 增加取樣量後（5K samples/iter），HI-NQS 在 C2H2 上超越 SCI 和 PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30 v3
2. 40Q 的 28.8 mHa 差距需要 Tier 1（H-connection + E_PT2）來縮小
3. 我們的 SCI 實作比 PR feat: HI-NQS v3 with PT2 selection + PySCF FCI + sparse SCI + FCIDUMP #30 慢 3.6x，可能因 expansion_size 或其他參數差異
4. SHCI 文獻在同規模只需 14 秒 — 我們的 SCI 有很大最佳化空間

[thc1006]

決策記錄完整。PR #31 已合併，C2H2 超越 SCI，40Q 差距 28.8 mHa 由 Issue #35 Tier 1 追蹤。