格林函数计算的总态密度在能量积分上的确定性
创作时间:
作者:
@小白创作中心
格林函数计算的总态密度在能量积分上的确定性
引用
1
来源
1.
https://www.guanjihuan.com/archives/45681
在凝聚态物理和材料科学中,态密度(DOS)是一个重要的物理量,它描述了在给定能量范围内可占据的量子态数量。然而,在实际计算中,由于数值稳定性和物理效应的考虑,往往需要在能量上引入虚部。本文通过具体的代码示例和运行结果,验证了格林函数计算的总态密度在能量积分上的确定性,并讨论了虚部大小对计算结果的影响。
在真实体系中,态密度(DOS)的严格数学定义是一个无展宽的分布(如 δ 函数求和),但在实际计算或实验中,由于物理效应和测量限制,总会存在一定的能量展宽。数值计算中引入的虚部 η 正是为了模拟这些展宽效应,同时也可以确保数值计算的稳定性。
在引入能量虚部后,态密度在能量上存在一定的展宽。展宽越宽,态密度的峰值越低;展宽越窄,态密度的峰值越高。这导致了计算的结果除了归一化后的分布具有一定的意义,而具体数值并不代表任何含义。本篇主要做数值验证,并指出:虽然在某个能量或者某个空间位置的具体态密度数值没有意义,但是其在能量维度上的积分是具有确定性的,即为体系的总状态数。
同样以方格子为例,代码为:
"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/45681
"""
import numpy as np
def hamiltonian(width=2, length=2): # 方格子哈密顿量
h = np.zeros((width*length, width*length))
# y方向的跃迁
for x in range(length):
for y in range(width-1):
h[x*width+y, x*width+y+1] = 1
h[x*width+y+1, x*width+y] = 1
# x方向的跃迁
for x in range(length-1):
for y in range(width):
h[x*width+y, (x+1)*width+y] = 1
h[(x+1)*width+y, x*width+y] = 1
return h
def total_DOS_for_Fermi_energy_array(Fermi_energy_array, h, broadening):
dim_energy = Fermi_energy_array.shape[0]
dim = h.shape[0]
total_DOS_array = np.zeros((dim_energy))
i0 = 0
for Fermi_energy in Fermi_energy_array:
green = np.linalg.inv((Fermi_energy+broadening*1j)*np.eye(dim)-h)
total_DOS = -np.trace(np.imag(green))/np.pi # 通过格林函数求得总态密度
total_DOS_array[i0] = total_DOS
i0 += 1
return total_DOS_array
def main():
plot_precision = 0.0001 # 画图的精度/积分的精度
Fermi_energy_array = np.arange(-5, 5, plot_precision)
h = hamiltonian()
for broadening in [0.5, 0.1, 0.01, 0.001, 0.0001]:
total_DOS_array = total_DOS_for_Fermi_energy_array(Fermi_energy_array, h, broadening)
sum_up = np.sum(total_DOS_array)*plot_precision
print(f'Broadening为{broadening}时的积分结果:{sum_up}')
if __name__ == '__main__':
main()
运行结果(plot_precision = 0.0001 # 画图的精度/积分的精度):
Broadening为0.5时的积分结果:3.722565274835012
Broadening为0.1时的积分结果:3.944231849213829
Broadening为0.01时的积分结果:3.9944220100670997
Broadening为0.001时的积分结果:3.9994421998396357
Broadening为0.0001时的积分结果:4.014911712780062
运行结果(plot_precision = 0.001 # 画图的精度/积分的精度):
Broadening为0.5时的积分结果:3.72256527200912
Broadening为0.1时的积分结果:3.9442318486167713
Broadening为0.01时的积分结果:3.994422009997701
Broadening为0.001时的积分结果:4.014409692612366
Broadening为0.0001时的积分结果:13.148488227594502
运行结果(plot_precision = 0.01 # 画图的精度/积分的精度):
Broadening为0.5时的积分结果:3.7225649903254823
Broadening为0.1时的积分结果:3.944231789945488
Broadening为0.01时的积分结果:4.009389496911136
Broadening为0.001时的积分结果:13.147986206850222
Broadening为0.0001时的积分结果:127.36578383963219
结论:
- 格林函数计算的总态密度在能量积分上具有确定性,为体系的总状态数,这里状态数为 4。
- 当 broadening 太小时,这时候需要比较高的积分精度才可以算到准确的数值。
- 当 broadening 太大时,即使有比较高的积分精度也算不到准确的数值,这是因为不同能级的展宽之间出现交叠,具体参考:用格林函数计算态密度时费米能中虚部的取值。
- 在实际计算中,可以把这个总态密度在能量上积分结果作为判断能量虚部 η 大小选取的合理性。
热门推荐
神经网络发展历程:DNN、CNN、RNN
从华语乐坛R&B教父到抽象之神,需要几步?
写作技巧:如何提升文章逻辑性与条理性
胎儿心跳过快是否需要医院治疗
这个“以”字竟然有这么多含义?
“美食荒漠”争议背后:如何找回城市餐饮的个性化
明朝第一谜案被揭开:建文帝朱允炆下落找到,原来他在此地终老?
兰香子的副作用,了解其潜在风险,安全食用
兰香子泡茶喝的功效与正确方法:全方位解答兰香子食用疑问
维修车辆坠落致人伤亡,谁来承担责任?
4岁女童竟查出糖尿病并发症?“特别喜欢吃甜食 近日多饮多尿”
为什么喝多了奶茶总是想上厕所?
易学与道教思想关系
降压中药茶配方
剧烈运动后头疼怎么回事
小儿吐舌头怎么回事
宝宝吐舌头真可爱!不过宝妈别大意,频繁吐舌头也可能是生病信号
如何理性看待黄金的价格水平?黄金价格的波动受哪些因素制约?
猫咪健康饮水指南:让爱宠享受健康生活
人工智能基础概念2:机器学习中的监督学习和非监督学习
厦门房价最新数据:新房、二手房价格双双下跌
“害怕不?”“烈士陵园见!”90后“战神”机长让全网沸腾
激光脱毛和冰点脱毛哪个好?分享两者特点和收费不要错过!
激光脱毛是什么原理进行的
王冕《梅谱》——绘尽天下梅魂,绽放艺术芳华
如何区分诈骗与投资失误?拖欠工资投资新店违法吗?
朋友骗我钱诈骗证据的收集与法律处理方式
如何增强强力磁铁磁力?
西游记:太上老君有多少法宝?
关于“全年一次性奖金”!怎么计税更划算?