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:爬取数据出现response.status_code为418解决方法
    查看>>
    Python:生成“元组集“;来自“元组列表“;不考虑顺序
    查看>>
    Python:生成具有趋势的随机时间序列数据(例如周期性、指数衰减等)
    查看>>
    Python:用渐进式数字重命名列表中的重复项而不对列表进行排序
    查看>>
    Python:矩形参数无效
    查看>>
    Python:语法进阶
    查看>>
    Python:调用复制函数时调用 Python 对象时超出了最大递归深度
    查看>>
    Python:这两个 import 语句有什么区别?
    查看>>
    Python:通过串口从 Velleman k8090 读取数据
    查看>>
    python:遍历具有列表值的字典
    查看>>
    Python:降低精度 pandas 时间戳数据帧
    查看>>
    python:非阻塞子进程,检查标准输出
    查看>>
    PythonABC多重继承
    查看>>
    Pythonargparse中的多个参数
    查看>>
    Python关于 *args 和 **kwargs 参数的详解(全)
    查看>>
    Pythonfrozenset散列算法/实现
    查看>>
    PythonGTK+3:通过单击列对树视图进行排序
    查看>>
    pythonnumpy生成二进制流_python/numpy生成的二进制文件,由C读取
    查看>>
    pythonsign函数_对python函数签名的方法详解 用python怎么写一个自签名证书
    查看>>
    PythonStudy
    查看>>