python中自适应步长模拟电子运动微分方程

我试图模拟强激光的振荡电场如何推动一个靠近a+1离子库仑势的电子。激光场是

E=y方向上的Eo sin（wt）

库仑势是

F=ke q1*q2/r^2，在r方向

强电场导致电子移动，因此电子的初始条件是在y方向上从原子移动。然后，电子被激光场来回推动，有机会与库仑势相互作用。我想模拟库仑势如何影响电子的飞行。模拟需要是三维的，因为我最终想要包括更复杂的激光场，它们推动电子在x和y方向，而电子可以从z方向的动量开始

起初，我认为这很容易。下面是我用来以非常小的步骤（1e-18秒）逐步完成时间的代码。当电子不在离子附近时，这种方法很有效。然而，对于靠近离子的电子，结果强烈依赖于模拟中使用的时间步长。如果我把时间步长变小，计算会花很长时间

---

所以，我认为在这种情况下，我应该使用一个自适应的时间步长。此外，从我所读到的，龙格-库塔方法应该比我使用的简单方法优越。但是，我不认为scipy.odeint适用于三维。关于如何提高这些模拟的准确性和速度，有什么想法吗

下图显示了时间步长对结果的巨大影响（一件坏事）：

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt

q = 1.602e-19       #Coulombs   Charge of electron
h_bar = 1.054e-34   #J*s        Plank's Constant div by 2Pi
c = 3.0e8           #m/s        Speed of light
eo = 8.8541e-12     #C^2/(Nm^2) Permittivity of vacuum
me = 9.109e-31      #kg         Mass of electron
ke = 8.985551e9     #N m^2 C-2  Coulomb's constant

def fly_trajectory(wavelength,intensity,tb=0,pulseFWHM=40.e-15,
                   final_time=100e-15,time_step=.001e-15,Ip=15.13,v0=(2e4,0,0)):
    #Intensity is in w/cm2. Ip is in eV. Otherwise it's SI units throughout.
    #The electric field of the later is in the y-direction

    Ip = 15.13 * q  #Calculate the ionization potential of the atom in Joules
    Eo = np.sqrt(2*intensity*10**4/(c*8.85e-12)) # Electric field in V/m
    w = c/wavelength * 2. * np.pi #Angular frequency of the laser

    times = np.arange(tb,final_time,time_step)
    Ey = Eo*np.sin(w*times) * np.exp(-times**2/(2*(pulseFWHM / 2.35482)**2)) 
    Eb = Ey[0] #E-field at time of birth (time of tunneling)

    if Eb == 0: return 0,0 #No field --> no electrons
    tunnel_position = -Ip / (Eb*q)    
    x,y,z = 0,tunnel_position,0
    vx,vy,vz = v0

    y_list = np.zeros(len(times)) #store the y-values for later

    for index in range(0,len(times)):
        r = np.sqrt(x**2+y**2+z**2)
        rx = x/r; ry = y/r; rz=z/r

        Fcy = -q**2 * ke/(r**2) * ry
        ay = Ey[index]*(-q)/me + Fcy/me #only y includes the laser
        vy = vy + ay*time_step 
        y = y + vy * time_step

        Fcx = -q**2 * ke/(r**2) * rx
        ax = (-q)/me + Fcx/me
        vx = vx + ax*time_step  
        x = x + vx * time_step

        Fcz = -q**2 * ke/(r**2) * rz
        az = (-q)/me + Fcz/me
        vz = vz + az*time_step 
        z = z + vz * time_step

        y_list[index] = y

    return times,y_list

for tb in np.linspace(0.25*2.66e-15,0.5*2.66e-15,5):
    print tb
    times,ys = fly_trajectory(800e-9,2e14,tb=tb,time_step=.01e-15)
    plt.plot(times,ys,color='r')

    times,ys = fly_trajectory(800e-9,2e14,tb=tb,time_step=.001e-15)
    plt.plot(times,ys,color='b')


#plot legend and labels:
plt.plot(0,0,color='r',label='10e-18 sec step')
plt.plot(0,0,color='b',label='1e-18 sec step')
plt.xlim(0,10e-15); plt.ylim(-1e-8,1e-8)
leg = plt.legend(); leg.draw_frame(False)
plt.xlabel('Time (sec)')
plt.ylabel('Y-distance (meters)')
plt.show()

---

正如Warren Weckesser所建议的那样，我可以简单地遵循Scipy关于耦合质量-弹簧系统的食谱。首先，我需要将我的“右侧”方程写成：

x'  = vx
y'  = vy
z'  = vz
vx' = Ac*x/r
vy' = Ac*y/r + q*E/m
vz' = Ac*z/r 

式中，Ac=keq^2/（mr^2）是库仑势引起的加速度大小，E是激光器随时间变化的电场。然后，我可以用它来找到解决方案。这比我以前使用的方法更快、更可靠

这是odeint的电子轨迹。现在他们都没有疯狂地飞走：

代码如下：

import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate

q  = 1.602e-19    #Coulombs   Charge of electron
c  = 3.0e8        #m/s        Speed of light
eo = 8.8541e-12   #C^2/(Nm^2) Permittivity of vacuum
me = 9.109e-31    #kg         Mass of electron
ke = 8.985551e9   #N m^2 C-2  Coulomb's constant

def tunnel_position(tb,intensity,wavelength,pulseFWHM,Ip):
    Ip = 15.13 * q  
    Eb = E_laser(tb,intensity,wavelength,pulseFWHM) 
    return -Ip / (Eb*q) 

def E_laser(t,intensity,wavelength,pulseFWHM):
    w = c/wavelength * 2. * np.pi #Angular frequency of the laser
    Eo = np.sqrt(2*intensity*10**4/(c*8.85e-12)) # Electric field in V/m
    return Eo*np.sin(w*t) * np.exp(-t**2/(2*(pulseFWHM / 2.35482)**2))

def vectorfield(variables,t,params):
    x,y,z,vx,vy,vz = variables
    intensity,wavelength,pulseFWHM,tb = params
    r = np.sqrt(x**2+y**2+z**2)
    Ac = -ke*q**2/(r**2*me)
    return [vx,vy,vz,
         Ac*x/r,
         Ac*y/r + q/me * E_laser((t-tb),intensity,wavelength,pulseFWHM),
         Ac*z/r]

Ip  = 15.13   # Ionization potential of Argon eV
intensity  = 2e14
wavelength = 800e-9
pulseFWHM  = 40e-15

period  = wavelength/c
t = np.linspace(0,20*period,10000)

birth_times = np.linspace(0.01*period,0.999*period,50)
max_field   = np.max(np.abs(E_laser(birth_times,intensity,wavelength,pulseFWHM)))

for tb in birth_times:
    x0  = 0 
    y0  = tunnel_position(tb,intensity,wavelength,pulseFWHM,Ip)
    z0  = 0
    vx0 = 2e4
    vy0 = 0
    vz0 = 0

    p = [intensity,wavelength,pulseFWHM,tb]
    w0 = [x0,y0,z0,vx0,vy0,vz0]

    solution,info = scipy.integrate.odeint(vectorfield,w0,t, args=(p,),full_output=True)
    print 'Tb: %.2f fs - smallest step : %.05f attosec'%((tb*1e15),np.min(info['hu'])*1e18)

    y = solution[:,1]

    importance = (np.abs(E_laser(tb,intensity,wavelength,pulseFWHM))/max_field)
    plt.plot(t,y,alpha=importance*0.8,lw=1)

plt.xlabel('Time (sec)')
plt.ylabel('Y-distance (meters)')

plt.show()

---

有趣的问题；但这几乎不是一个编程问题……问题基本上是我如何在python中实现adaptive timestep runge kutta。可能已经有一个python包可以为我完成这项工作，所以这是一个编程问题。我只是提供了太多的背景信息。“然而，我不认为scipy.odeint适用于三维。”这不是真的

scipy.odeint

设计用于求解n维系统。例如，请参见或使用

scipy.odeint

，您的第一个任务是将微分方程作为一阶系统编写（就像我之前的评论中链接的scipy Cookbook中的耦合弹簧质量示例一样）。在这种情况下，您的系统有六个维度；变量为x、y、z、vx、vy和vz。一旦将系统的“右侧”作为函数实现，就可以使用

scipy.odeint

。