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
职场新人如何打破沉默?5大场景实用话术详解
西部数据铠侠获日本118亿补贴,联手打造NAND存储巨头
雷诺病患者如何应对右手发凉?这些方法或许能帮到你
秋冬右手发凉怎么办?
郭襄:从风陵渡到峨眉山,一段传奇的诞生
峨眉山:千年武学传奇的传承与创新
藏历新年,听藏族拉伊感受独特风情
川西藏族山歌:从8世纪传唱至今的高原天籁
专家建议:老年人如何科学改善睡眠?
2024宠用益生菌科普&对比:菌种与活菌数是对抗软便的关键
家中毛小孩肠胃道常出问题?兽医师曝这些好菌有助改善!
中医调理助眠:穴位按摩和艾灸让父母睡得更香
台湾睡眠医学学会:65岁以上老人这样睡更健康
如何科学养宠物:从环境到心理关怀的全方位指南
小米的功效 多吃这一物健脾又养胃
小米的好处有哪些?小米怎样吃最有营养?
养老金制度的历史发展:从起源到未来
个人养老金补交对退休金有什么影响?
个人养老金政策全面扩容,摩根资产管理积极推进养老第三支柱建设
马斯克与清华团队相继突破,脑机接口技术迎来发展新阶段
成都限行下,公共交通成出行首选
一文详解19种抗抑郁药物:特点、禁忌与注意事项
防晒霜:预防血痣的小秘密
孕期激素波动,小心血痣找上门
血痣竟是肝病预警?专家教你辨真假
遗传性出血性疾病为何让你长血痣?
大理必打卡特色景点交通路线大揭秘
上游调查 | AI“复活”生意经背后的法律伦理边界在哪里
英国警方引入AI工具Söze助力破解悬案,开启智能侦查新纪元
刷脸登录还安全吗?警方侦破全国首起“AI技术”侵犯隐私案