无限深势阱中的高斯波包模拟（Matlab）

贡献者： addis

预备知识　无限深势阱，高斯波包，薛定谔方程

　　本文中我们来计算无限深势阱中一个高斯波包的运动。定性来说，波包会一边移动一边扩散（变宽变矮），且在两个势阱壁之间来回反弹。反弹的过程中会发生干涉。

　　结果如图 1 和图 2 ，动画见百科互动演示。

图 1：束缚态概率分布，$x$ 轴为束缚态的 $n$，$y$ 轴为概率，求和约等于 1

图 2：波包遇到势阱壁后发生反弹，过程中发生干涉

1. 计算

　　本文使用原子单位制，并假设粒子质量为 1。假设无限深势阱的区间为 $[0, L]$，能量的本征波函数（本征态）为（式 4 ）

\begin{equation} \psi _n(x) = \sqrt{\frac{2}{L}} \sin\left(k_n x\right) ~, \end{equation}

\begin{equation} k_n = \frac{n\pi }{L}~. \end{equation}

能量的本征值为

\begin{equation} E_n = \frac{k_n^2}{2}~. \end{equation}

要计算波函数接下来的变化，用能量本征态展开波函数即可（式 12 ）。初始时波函数为高斯波包（式 1 ）

\begin{equation} \psi (x,0) = \frac{1}{(2\pi \sigma _x ^2)^{1/4}} \mathrm{e} ^{-(x - x_0)^2/(2\sigma _x)^2} \mathrm{e} ^{ \mathrm{i} k_0x}~. \end{equation}

　　第一步是把初始波函数投影到能量本征态上

\begin{equation} C_n = \int_0^L \psi _n^*(x) \psi (x,0) \,\mathrm{d}{x} = \int_0^L \sqrt{\frac{2}{L}} \sin\left(k_n x\right) \psi (x,0) \,\mathrm{d}{x} ~. \end{equation}

那么接下来，波函数的演化可以表示为

\begin{equation} \psi (x,t) = \sum _{i=0}^N C_i \mathrm{e} ^{- \mathrm{i} E_n t} \psi _n(x)~. \end{equation}

注意在数值计算中 $N$ 不能取 $+\infty$，而是一个有限值，这将会带来截断误差。为了保证结果正确，需要使被截去的部分在总波函数中的概率忽略不计，即 $\sum_{i=N+1}^\infty \left\lvert C_i \right\rvert ^2 \ll 1$。在图 1 中可以看到 $N$ 至少要大于 80 左右才能不产生过大的的截断误差。由于高斯波包的频谱是指数衰减的，所以随着 $N$ 继续增大，截断误差也会指数减小。我们把计算结果随 $N$ 变大而趋于固定的过程叫做计算的收敛。

　　若我们假设初始波包宽度足够小，使得波函数在势阱外的函数值可以忽略不计，则式 5 的定积分可以拓展到无穷区间，即傅里叶变换。我们已经知道初始高斯波包（指数）傅里叶变换的结果为式 2

\begin{equation} g(k) = \frac{1}{(2\pi \sigma _p^2)^{1/4}} \mathrm{e} ^{-(k - k_0)^2/(2\sigma _k)^2} \mathrm{e} ^{- \mathrm{i} x_0(k - k_0)}~. \end{equation}

将正弦函数记为指数的形式为

\begin{equation} \sqrt{\frac{2}{L}} \sin\left(k_n x\right) = \mathrm{i} \sqrt{\frac{\pi }{L}} \left(\frac{ \mathrm{e} ^{- \mathrm{i} k_n x}}{\sqrt{2\pi }} - \frac{ \mathrm{e} ^{ \mathrm{i} k_n x}}{\sqrt{2\pi }} \right) ~, \end{equation}

所以式 5 变为

\begin{equation} C_n = \mathrm{i} \sqrt{\frac{\pi }{L}} [g(k_n) - g(-k_n)]~. \end{equation}

代入式 6 即可。

致读者：小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。因此，我们请求广大读者热心打赏 ，使网站得以健康发展。如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损，并在接下来的一年里向所有读者继续免费提供优质内容。但遗憾的是只有不到 1% 的读者愿意捐款，他们的付出帮助了 99% 的读者免费获取知识，我们在此表示感谢。