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与Excel的完美邂逅:深入浅出,手把手教你轻松玩转Excel数据操作
    查看>>
    python与flask_Python编程中flask的简介与简单使用
    查看>>
    python与图灵机器人交互(WXPY版本)
    查看>>
    python与运算符_python运算符
    查看>>
    python两个列表获取交集,并集,差集
    查看>>
    python两个字典合并,两个list合并
    查看>>
    Python两个版本共存时,命令行升级pip
    查看>>
    Python两个版本共存时,怎么验证是否安装成功 scrapy
    查看>>
    Python两个版本共存时,通过pip安装Scrapy
    查看>>
    python两组变量的相关关系散点图_变量是什么?变量间的两种关系——函数关系和相关关系(小学版)...
    查看>>
    Python中 pass语句的作用
    查看>>
    python中 urllib, urllib2, httplib, httplib2 几个库的区别
    查看>>
    python中 yaml库 & json库 & xmltodict库使用
    查看>>
    python中 将你的名字转化成为二进制并输出
    查看>>
    Python中*args 和**kwargs的用法
    查看>>
    Python中*args 和**kwargs的用法
    查看>>
    Python中*args和**kwargs的使用
    查看>>
    python中0、1、True、False、if条件
    查看>>
    python中argparse模块关于 parse_args() 函数详解(全)
    查看>>
    python中base64编码与解码
    查看>>