此为历史版本和 IPFS 入口查阅区,回到作品页
chloeee129
IPFS 指纹 这是什么

作品指纹

无限深势井的电子波包模拟

chloeee129
·
没错,这么无脑的代码就是我写的!(躺)

假设我们有一个电子,处于 (0, L) 的一维无限深势井中,初始状态为中心位于 x0 = L2 处的波包:

其中 L = 10^(−8)m, σ = 10^(−10)m, k = 5×10^10m^(−1)。

另外物理常数 ̄h = 1.0546 × 10^(−34)J · s,Me = 9.109 × 10^(−31)kg。 设定时间步长 ht = 10^(−18)s,坐标分割数 N = 1000,坐标步长 hx = L/N。

以下模拟是在时间 t = 0, 300ht, 500ht, 800ht, 2000ht 时刻,波函数以及概率密度的分布和变化


代码:

import numpy as np

import matplotlib.pyplot as plt


#设定参数

L = 10.0**(-8)

sgm = 10.0**(-10)

k = 5.0*10**10

hbar = 1.0546*10**(-34)

Me = 9.109*10**(-31)

x0 = L/2

N = 1000

ht = 10.0**(-18)

hx = L/N

a1 = 1 + (1j*hbar*ht)/(2*Me*hx**2)

a2 = -(1j*hbar*ht)/(4*Me*hx**2)

b1 = 1 - (1j*hbar*ht)/(2*Me*hx**2)

b2 = (1j*hbar*ht)/(4*Me*hx**2)


#定义初始波函数

x = np.arange(0,L+hx,hx)

t = np.arange(0,2000*ht+ht,ht)

psi0 = np.exp(-(x-x0)**2/(2*sgm**2))*np.exp(1j*k*x)


#定义中间格点波函数所构成的矩阵

phi = np.zeros((len(psi0), len(t)),dtype=complex)

phi[:,0]=psi0


#定义传递矩阵

A = np.zeros((len(psi0), len(psi0)),dtype=complex)

B = np.zeros((len(psi0), len(psi0)),dtype=complex)

for n in range(len(psi0)):

if n==0:

A[n,0]=a1

A[n,1]=a2

B[n,0]=b1

B[n,1]=b2

elif n==len(psi0)-1:

A[n,n]=a1

A[n,n-1]=a2

B[n,n]=b1

B[n,n-1]=b2

else:

A[n,n-1]=a2

A[n,n]=a1

A[n,n+1]=a2

B[n,n-1]=b2

B[n,n]=b1

B[n,n+1]=b2


#计算中间格点波函数

for n in range(1,len(t)):

phi[:,n]=np.linalg.inv(A) @ B @ phi[:,n-1]


#画图

for m in [0, 300, 500, 800, 2000]:

prob = phi[:,m]*np.conjugate(phi[:,m]) #计算概率分布

lbl='t='+str(m)

plt.figure(1,figsize=(15,3),dpi=300)

plt.plot(x,np.real(phi[:,m]),label=lbl)

plt.xlabel('x')

plt.ylabel('real')

plt.legend()

plt.grid()

plt.figure(2,figsize=(15,3),dpi=300)

plt.plot(x,np.imag(phi[:,m]),label=lbl)

plt.xlabel('x')

plt.ylabel('image')

plt.legend()

plt.grid()

plt.figure(3,figsize=(15,3),dpi=300)

plt.plot(x,np.sqrt(prob),label=lbl)

plt.xlabel('x')

plt.ylabel('probability')

plt.legend()

plt.grid()


输出:


最后需要坦白,跑代码的时间需要大概10分钟,但我还没研究更优化的算法和代码,嗯,因为懒。所以大家谨慎参考。

CC BY-NC-ND 2.0 授权