博客
关于我
投影对角化自旋激发
阅读量:231 次
发布时间:2019-03-01

本文共 668 字,大约阅读时间需要 2 分钟。

基于紧密包层模型构建哈密顿量并计算谱函数


本文基于紧密包层模型构建哈密顿量并计算谱函数,具体步骤如下:

  • 构建哈密顿量

    使用参数 t 表示最近邻 hopping 系数,k 表示 Bloch 波矢量,N 表示系统宽度,构建哈密顿量矩阵 H。通过 tridiag(A,B,B.H,N) 函数构造对角化矩阵,确保矩阵具有对称性。调整 H[0,0] 为 1000 以避免零点问题。

  • 对角化哈密顿量

    对每个给定的 k 值,计算对应的哈密顿量矩阵 Hk0,并对其进行对角化。使用 LA.eigh 函数求得本征值 E 和对应的本征向量 A,提取 A[:,N-1] 作为特征向量。

  • 绘制能带图

    将对角化结果绘制为能带图,使用 plt.plot(k,band[i,:]) 绘制每个能带的分布,设置 plt.ylim((-1,1)) 以限制纵轴范围。

  • 验证本征态

    通过绘制特定能量态的实部图形 plt.plot(Ak[:,1].real),验证本征态的正确性。

  • 构造有效投影自旋激发哈密顿量

    在基态 U 上构造有效投影自旋激发哈密顿量 H_eff。通过循环移位技巧处理 Ak 矩阵,计算非对角项并调整矩阵大小,确保最终结果通过归一化处理。

  • 计算谱函数

    使用循环移位技巧处理矩阵 Ak,计算谱函数。通过傅里叶变换和矩阵移位,构建频域谱函数矩阵 Spectral_A,并使用 plt.pcolormesh 绘制谱函数图形。


  • 所有代码和算法均基于紧密包层模型,确保计算过程的高效性和准确性。通过对多个参数的遍历和多维度数组的处理,实现了对哈密顿量谱函数的精确计算。

    转载地址:http://wlqv.baihongyu.com/

    你可能感兴趣的文章
    Python 依赖管理的革新——Poetry 深度解析
    查看>>
    python 保留精度及增加去除数字的千位分隔符(金额化数字)
    查看>>
    python 倒计时 9,8,7,。。。。。。0
    查看>>
    Python 入门开发学习笔记之数据的增删改查
    查看>>
    Python 入门教程(2)搭建环境 2.4、VSCode配置Node.js运行环境
    查看>>
    Python 八大排序算法合集
    查看>>
    python 关于epoll的学习
    查看>>
    Python 内存管理
    查看>>
    Python 内嵌函数:它们有什么用处?
    查看>>
    Python 内置 sum 函数 vs. for 循环性能
    查看>>
    Python 内置时间模块
    查看>>
    python 内部如何实现命名元组?
    查看>>
    python 写入json数据到数据库
    查看>>
    Python 列表删除相同的元素
    查看>>
    Python 初学者需要知道的四条建议
    查看>>
    Python 判断字符串是否包含子字符串
    查看>>
    python 判断当前时间是否为零点
    查看>>
    python 利用pandas读取本地中CSV文件的指定列 列名重命名 并保存回本地
    查看>>
    python 利用pyspark读取HDFS中CSV文件的指定列 列名重命名 并保存回HDFS
    查看>>
    python 利用pyttsx3文字转语音
    查看>>