当前位置: 首页 > news >正文

近自由电子近似

 假设 potential 的变化是非常小的

V(x)- \overline v= \Delta V

我们可以找到一条平均线

 代表的就是我们的平均值

这样我们用原来的V(x)- \overline v= \Delta V

 就可以得到一个\Delta V

和平均的这条线相比,上下变化不大,这个对我们薛定谔方程求解能带来很大的便利

我们就可以得到一个平均势场

这样的话,薛定谔方程就变为

-\frac{\hbar^2}{2m}\frac{d^2 \psi^{0} }{d x^2}+\overline V \psi^{0}= E^{0} \psi^{0}

我们就可以解得

\psi_{k}^{0}=\frac{1}{\sqrt{L}}e^{ikx}

E_{k}^{0}= \frac{\hbar^2 k^2}{2m} + \overline V

如果我们再考虑周期性边界条件

我们就可以得到

\psi_{k}^{0}=\frac{1}{\sqrt{L}}e^{ikx}=\frac{1}{\sqrt{L}}e^{ik(x+Na)}

我们就可以得到

kNa=l2 \pi=> k=\frac{l2 \pi}{Na}

我们需要大家比较不同条件下的薛定谔方程求解,平均值的V是一个定值,我们可以先想象成为0,然后再在求解形势下,再把V写上去,如果我们不用V平均,而用V + \Delta V

微扰理论的引入

我们就需要用微扰理论来求解

我们需要\Delta V比较小

 微扰理论给了布洛赫很大的便利,布洛赫把最新的量子理论引入到模型中,我们可以吸收最先进的理论,可以对旧的理论有更好的解释

我们来看一下微扰理论

在微扰理论里面

perturbation:小的扰动,可以对哈密顿量产生影响

分成两个部分H_{0}+H^{\prime}

H_0=-\frac{\hbar^2}{2m}\frac{d^2}{dx^2}+\overline V

H^{\prime}=V(x)-\overline V=\Delta V

强调E和K有关系

没有微扰的地方,对实际的E进行展开,微扰可以引入一阶和二阶能量修正

一阶和二阶修正,要分别看一看微扰对一阶和二阶能量修正的影响

一,二级能量修正下,哈密顿算符,量子力学的operator的符号化 

我们能够得到这样的一个公式,原先的式子之后,还有一个散射项,对于散射来讲,更准确的来说是由于周期性势场决定的,由atom决定的,由于原子在旁边,所以会产生影响

 这个跳变就是我们的bandgap,就是我们的禁带宽度


做二级能量修正的时候,一些k是取不到的,我们能够取到的都是在第一布里渊区逼近德时候

在周围的时候二级能量修正才有作用,如果我们评估微扰德周期性势场对于波函数的扰动,我们看出来k必须满足一定关系,我们才能把扰动说清楚

一级波函数修正就可以,我们也有类似的分母,k的取值也是有特殊关系,我们发现波函数在分母为0的时候,整个波函数是发散性的,波函数在布里渊区附近是发散的,导致我们在做E~K关系图的时候,在布里渊区附近的地方,我们都不能够很轻松的取到

或者可以说色散关系在布里渊区边界的时候,会发生变化,这个变化也是由于周期性势场扰动引起的,我们最后会发现,如果我们用两边逼近的方法去靠近基点,k从小到大,它的逼近方向不一样,取值就不同,E的变化形状就不相同,这样可以导致能量的取值,在布里渊区边界的地方,会发生一个劈裂,具体的计算步骤,我们肯定不做要求,如果以后同学学习的过程中,看固体物理或半导体物理书不清楚的时候,可以参考计算步骤

其实重要的,是知道布里渊区的图,可以发生能量的劈裂,由于扰动

我们在做能量修正的时候,可以发现


 禁带的来源就是周期性势场的扰动

 十三讲和十四讲中受到周期性市场影响就会出现一个禁带

发生在布里渊区禁带的地方

http://www.lryc.cn/news/31521.html

相关文章:

  • 【JavaWeb】从输入URL到展示出页面的过程
  • 华为OD机试真题Java实现【数字涂色】真题+解题思路+代码(20222023)
  • Log Structure Merge Tree
  • Python QT5设计UI界面教程
  • uniapp系列-图文并茂手把手教你hbuilder进行uniapp云端打包 - 安心打包
  • 【精品】SpringBoot中基于拦截器实现登录验证功能
  • 哈工大服务科学与工程第一章作业
  • SpringMVC源码:参数解析、方法调用与返回值处理
  • 【MySQL】表的数据处理
  • 反思当下所处的环境,有没有让你停滞不前、随波逐流
  • 小程序(十四)后端-签到成功
  • X264简介-Android使用(一)
  • DetectGPT:使用概率曲率的零样本机器生成文本检测
  • 【深度学习】BERT变体—BERT-wwm
  • 【华为OD机试真题 java、python、c++】优秀学员统计【2022 Q4 100分】(100%通过)
  • JavaScript里的循环方法:forEach,for-in,for-of
  • 汽车标定知识整理(二):CCP报文基本命令介绍
  • windows系统安装Linux虚拟机教程
  • “基于Spring Cloud Alibaba的微服务架构实战:Nacos配置管理“
  • 【Linux】常见面试题
  • 【数据结构】顺序表:尾部操作我很行,随机访问我超快!!!
  • SQL优化
  • Java ArrayList 和 LinkList 原理对比
  • 【Spring】入门概述(一)
  • 十二、面向切面编程AOP
  • Mybatis 处理 CLOB/BLOB 类型数据
  • 【NLP经典论文阅读】Efficient Estimation of Word Representations in Vector Space(附代码)
  • Spring bean生命周期分为几个阶段?
  • 【基础算法】单链表的OJ练习(4) # 分割链表 # 回文链表 #
  • SpringBoot整合定时任务和邮件发送(邮箱 信息轰炸 整蛊)