Documentos de Académico
Documentos de Profesional
Documentos de Cultura
por
en Filosofía
en el tema de
Física
Universidad de Harvard,
Cambridge, Massachusetts
mayo 2002
©do2002 - Scot Elmer James Shaw
Abstracto
El estudio teórico de los sistemas de la mecánica cuántica a escala micrométrica generalmente ser-
ginebras con dos hipótesis sobre el potencial: que no hay potencial de fondo,
y que cualquier potencial con fi nir es difícil amurallado. En esta tesis, vamos a ver un meno
Comenzamos mediante el establecimiento de dos marcos matemáticos di ff Erent para el estudio sis-
tems con potenciales lisas. Las golosinas método de representación variable discreta
sistemas cerrados, en los que uno está resolviendo para estados propios y valores propios. la inversa
método de la función de Green trata de sistemas abiertos, en los que uno está resolviendo para la dispersión
Nuestro estudio está motivado por los recientes experimentos que probaron el patrón espacial
de electrones de reflujo. De acuerdo con estos experimentos, se encuentra que los electrones siguen
entonces tenemos en cuenta las franjas de interferencia observados experimentalmente, que persisten a
Abstracto iv
a continuación, nos volvemos a los métodos de la mecánica clásica para estudiar el patrón de ramificación.
Utilizando el análisis de la estabilidad de la trayectoria clásica, se muestra que las ubicaciones de sucursales
También consideramos que las leyes de escala para diversos aspectos estadísticos del flujo clásica
ramificado flujo se adhieran a nuestras predicciones teóricas. Por último, consideramos lo que uno
Los mapas tridimensionales pueden decirnos acerca de la dinámica de estos sistemas. El mapa da
nosotros una comprensión de la correlación observada entre las propiedades de estabilidad rama
Abstracto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Contenidos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Lista de Figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii
Agradecimientos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . X
v
Contenido vi
5 franjas 83
5.1 La longitud térmica. . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.2 Dentro de la duración de la fase-Coherencia. . . . . . . . . . . . . . . . . . 87
5.2.1 Promediar térmica. . . . . . . . . . . . . . . . . . . . . . . . 87
5.2.2 La dispersión simple-Modelo. . . . . . . . . . . . . . . . . . . 90
5.2.3 Límite Continuum solo Dispersión. . . . . . . . . . . . . . . 93
5.3 Dispersión múltiple y la duración de la fase-Coherencia. . . . . . . . . 95
Bibliografía 178
Lista de Figuras
viii
Lista de Figuras ix
9.1 Mapeo del sistema con un potencial de dos dimensiones en rodajas . . . . . . . . 171
9.2 Mapeo del sistema con un potencial aleatorio no en rodajas. . . . . . . . . . . 172
9.3 exponentes de rarefacción en un sistema de mapeo sencilla. . . . . . . . . . 176
9.4 exponentes de Lyapunov en un sistema de mapeo sencillo. . . . . . . . . . . 177
Expresiones de gratitud
Debido a que este puede ser mi única oportunidad de agradecer a estas personas por escrito, que puede ser un poco más
detallada en mis gracias más de lo necesario.
Como mi asesor, Rick Heller merece gracias por muchas cosas. En particular, para crear el entorno de la
investigación en la que he realizado mis estudios de grado. Llegué a Harvard con la intención de unirse a su grupo, por
dos razones principales: las áreas de investigación en el que se vio involucrado, y lo que había oído acerca de su
personalidad. No se me ha decepcionado en cualquier sentido. Él ha proporcionado orientación en los momentos clave
en mi trabajo al mismo tiempo que me permite trabajar de forma independiente la mayoría de las veces.
Debido al entorno de investigación sostenida por Rick, he cruzado con muchos estudiantes graduados y
posdoctorados que tienen influido y mejorado mi investigación. La dirección de mi trabajo de graduación ha sido
fuertemente influenciada por los miembros del grupo Westervelt, en particular Marcos Topinka y Brian LeRoy.
Dentro del grupo de Heller, hablando con Ragnar Fleischmann me ayudó ya que me dieron mis pies debajo de
mí para el cálculo de la conductancia 2 grados. El ejemplo de Michael Haggerty me ha llevado a la situación
actual de toda mi filosofía de programación. Alex Barnett me ha proporcionado los beneficios de su propia
experiencia numérica. Lev Kaplan y Steve Tomsovic tienen, a través de sus escritos y la comunicación directa,
me proporcionaron una visión de los aspectos más analíticos para entender estos sistemas.
La influencia de aquellos con los que trabajé antes de venir a la Universidad de Harvard también sigue siendo
importante. Profesores David Cook y John Brandenberger en la Universidad de Lawrence me proporcionaron las
bases que me permitieron golpear el funcionamiento de tierra en Harvard y completar mi tesis en cuatro años.
David ayudó a mis habilidades numéricas a florecer, y John me sometió a un examen difícil de mi intuición física.
Doy gracias a Keith Burnett en Oxford para correr el riesgo de un estudiante de los EE.UU. y darme mi experiencia
de investigación en el mundo real primero.
Mis padres, Michael y Susan Shaw, necesitan fi gura aquí en alguna parte: ellos me dan más que mi
material genético, después de todo. Mi interés por la ciencia y las matemáticas comenzó temprano en mi vida,
y se animó y me educó en formas tanto sencillas y tortuosos. Visitas a museos, libros sobre ciencia,
experimentos químicos con Stu ss encuentran en la cocina -la mayoría de nosotros que terminan yendo en la
ciencia probablemente tenía estas experiencias. Pero, ¿cuántos de nosotros, como los niños pequeños, se
engañe pensando que un poco de profesor 1 fue, de hecho, el juego electrónico de mano para el que había
estado pidiendo?
Mientras estoy escribiendo nombres abajo, no puedo descuidar la de Arik Martin, lo mejor posible, el amigo
más constante desde la secundaria. Me ha proporcionado una gran cantidad de apoyo y aliento en los últimos
años; él es un gran tipo y no quiero perder la oportunidad de conseguir que en el registro permanente.
Por último, Moria Tumbleson, mi novia desde que eran estudiantes de primer año en la Universidad de
Lawrence. Ella me acompañó a Massachusetts cuando llegué a la universidad, lejos de su familia, amigos y
trabajo. Su apoyo puede resumirse en la siguiente
1 Un dispositivo difundida por Texas Instruments que se parece a una calculadora, pero que presenta al usuario con problemas de matemáticas
hecho: en este mismo momento, ella es mi tesis corrección de pruebas para mí. A pesar de que no es un científico, que
será, tal vez, sea la única persona que no sea yo quien va a leer toda la cosa.
Capítulo 1
En este capítulo se destaca de gran parte del resto de esta tesis en que se trata de
comunidad química.
DVR es un método para resolver ecuaciones diferenciales di ff. Parece a horcajadas sobre el
conocido por la comunidad física. Vamos a tratarlo en gran medida con el lenguaje de una base-
extensión de la función, a pesar de que lleva más equipaje que que puedan implicar. Tenga en cuenta que
Los métodos de DVR son útiles en la mecánica cuántica para resolver schr odinger de
ecuación cuando tenemos alguna información útil sobre el potencial. DVR fi NDS una
casa en esta tesis, ya que es implícitamente una técnica suave de potencial. Ver también [ 1 ]
1
Capítulo 1: Representaciones variable discreta 2
Para cualquier expansión base-función, necesitamos primero identificar las funciones de base que
vamos a utilizar. Hay muchas bases di ff Erent DVR, y el que usted elija
dependerá del problema que se desea resolver. Aquí es donde un poco de información
sobre los potenciales lisas para ser encontradas es útil. Esto se hará más clara
mas tarde; por ahora, podemos afirmar algunas propiedades generales de las funciones de base y DVR
Somos, después de una serie de norte funciones de base { F yo( X)} con las propiedades
∫ segundo
dx f yo( x) f j ( x) = δ ij (1,2)
un
para un intervalo [ a, b] que contiene todas las X j. A continuación, utilizar estas funciones de base a
Σ
ψ (x) ≈ norte - 1 ψ (x yo) F yo( x) λ yo1/2 (1,3)
i=0
el cual, dada nuestra requisitos para las funciones de base, es exacta en los puntos de la rejilla.
Para dos funciones de onda φ (x) y ψ (x) aproximado que el anterior, podemos expresar la
Capítulo 1: Representaciones variable discreta 3
integral de solapamiento de
(Σ ) • •
∫ segundo
=Σ λ 1/2
yo λ 1/2 j ψ (x yo) φ * ( X j)
dx f yo( x) f j ( X) (1,5)
un
i, j
∫ segundo
Σ
dx F (x) ≈ norte - 1 λ yo F (x yo) (1,7)
un
i=0
como una regla de cuadratura aproximada. Vamos a utilizar esta regla de cuadratura con frecuencia en
la determinación de las funciones de DVR y pesos. En este punto, hemos hecho declaraciones
función F (x). Como es razonable, sin embargo, la calidad de las soluciones que obtenemos
funciones
Es, en general, posible construir un conjunto base { F yo( X)} para un DVR comenzando con una
∫ segundo
de la aproximación resultante será generalmente pobres. Nos fijamos en dos casos, uno en donde
tenemos puntos arbitrarios { X yo}, y uno donde estos puntos son escogidos de tal manera que la
Capítulo 1: Representaciones variable discreta 4
regla de cuadratura es digno de confianza (aunque sin receta se dará hasta la próxima
la sección de la forma de lograr eso). En cualquiera de los casos, podemos ampliar cualquier función en el
imaginar casos, sin embargo, cuando uno quiere seguir este camino, así que la incluimos
por completitud. Dado que la regla de cuadratura es inexacta, que no va a usar para determinar
mina de los coeficientes de FFI expansión del Consejo de Europa relativas a la base DVR las funciones ortonormales.
propiedad
F yo( X j) = λ - 1/2 yo
δ ij (1,10)
Σ
un ik pag k ( X j) = λ - 1/2 yo
δ ij (1,11)
k
Σ
λ 1/2
yo un ik pag k ( X j) = δ ij
(1,12)
k
λ 1/2
yo un ik = [ pag k ( X j)] - 1 (1,13)
coe fi cientes. Mirando a la ortogonalidad de la { F yo( X)}, podemos hacerlo. Tenemos que
∫ segundo
dx f yo( x) f j ( x) = δ ij (1,14)
un
Capítulo 1: Representaciones variable discreta 5
∫ segundo
[Σ ] [Σ ]
Vamos a suponer que, de alguna manera puntos, hemos seleccionado { X yo} de tal manera que la resultante
regla de cuadratura es buena. En este caso, tenemos un medio mucho más directa de encontrar la
norte - 1
Σ
= λ k F yo( X k) pag j ( X k) (1,21)
k=0
donde hemos aplicado la regla de cuadratura de la ecuación. ( 1.7 ) Para aproximar la integral.
Σ
F yo( x) = λ 1/2yo pag j ( X yo) pag j ( X). (1,23)
j
A partir de la ecuación. ( 1.23 ) Ahora podemos determinar los valores de los coe fi cientes λ yo por
Σ
F yo( X k) = λ 1/2 yo
pag j ( X yo) pag j ( X k) (1,24)
j
Capítulo 1: Representaciones variable discreta 6
Σ
δ ik λ -yo1/2 = λ 1/2 yo
pag j ( X yo) pag j ( X k) (1,25)
j
Vamos a reducimos nuestro enfoque mediante la aplicación de los resultados de la sección anterior, en el caso
donde nuestras funciones ortonormales están relacionados con una familia de polinomios ortogonales.
Esto nos dará una manera de determinar los puntos { X yo} necesario para una buena cuadratura
regla.
Dejar que las funciones { q yo( X)} ser una familia de polinomios ortogonales en el intervalo
∫ segundo
dónde h yo es la norma de q yo( X). Comenzamos funciones ortonormales de fi nir pag yo( x) =
w (x) 1/2 h - 1/2yo q yo( X). Estos continuación, se parecen a las funciones de la sección anterior, y nos
existe un conjunto de norte puntos { X yo} y los pesos { λ yo} de tal manera que cualquier polinomio P (x) de
∫ segundo
Se encuentra que los puntos son { X yo} ≡ { x: q NORTE( x) = 0} [ 2 ], Y se dan los pesos
Capítulo 1: Representaciones variable discreta 7
Esta expresión de los pesos es considerablemente más fácil de aplicar que la encontrada en
Utilizando la definición de la ecuación. ( 1.23 ), el F yo( X) tienen la forma de polinomios PAG yo( X) de
∫ segundo ∫ segundo
=Σ λ k F yo( X k) F j ( X k) (1,34)
k
2 norte - 2, y de este modo exacto en la cuadratura. Vemos que los puntos y los pesos que nos
necesitar en la definición del DVR son sólo los de la cuadratura de Gauss asociado
Dado que la cuadratura es exacta para las funciones pag yo( X), las aproximaciones en hallazgo
F yo( X) en términos de ellos son ahora exacta. Por lo tanto tenemos que
Σ
F yo( x) = λ 1/2yo pag j ( X yo) pag j ( X), (1,35)
j
Σ
F yo( x) = w (x) 1/2 w (x yo) 1/2 λ 1/2 yo
h -j q1 j ( X yo) q j ( X). (1,36)
j
Como una interesante (y en última instancia útil) a un lado, ya w (x) será, en general, tienen
sin ceros, tenemos norte las condiciones en el polinomio PAG yo( x) = f yo( x) w (x) - 1/2: que
Capítulo 1: Representaciones variable discreta 8
debe tener ceros en absoluto X j: j 6 = yo y eso PAG yo( X i) = w (x yo) - 1/2 λ - 1/2 yo
. Por lo tanto PAG yo( X) es
X - Xj
PAG yo( X) α Π . (1,37)
j 6 = yo
X yo - X j
mación en pag yo( X) encontraron anterior muestra que lo hace ceder esta forma. Esta forma de producto
hace que sea un poco más fácil de visualizar las funciones de base de DVR que lo hace la suma.
Ahora usamos estas funciones de base y la cuadratura que viene con ellos a
resolver la ecuación de Schrödinger para una sola partícula. Usamos la cuadratura asociado
dónde
∫ segundo
do i = dx Ψ ( x) f yo( X) (1,39)
un
≈Σ λ j Ψ ( X j) F yo( X j) (1,40)
j
Para los elementos de matriz del operador potencial energético V, tenemos que
∫ segundo
≈Σ λ k F yo( X k) F j ( X k) V (x k) (1,43)
k
= δ ij V (x yo) (1,45)
de manera que, en la medida en que confiamos en la cuadratura, tenemos una energía potencial en diagonal. Algunos
los autores se refieren a este proceso como la elección de una base de que “coordinan diagonaliza
espacio."
La energía cinética no es diagonal, pero en dimensiones más altas de una se encuentra que
involucrar a los derivados no sólo de la pag yo( X) sino también de w (x) 1/2. En términos de la DVR
∫ segundo
K ij = dx f yo( X) ˆ KF j ( X) (1,46)
un
vectores nos dan la do yo coe cientes FFI de la expansión. A continuación, encontramos los valores de la
funciones propias en los puntos de rejilla de do i = λ 1/2 yo Ψ ( X yo). Debido a la mayor precisión
Cuadratura de Gauss que nos da para un fijada número de evaluaciones de la función, el uso
este conjunto base DVR nos permite resolver la ecuación de Schrödinger con matrices más pequeños
1.5 Escala
cuando se trata de re-escalar los puntos para el DVR. Podemos mover la ubicación de nuestra
puntos de la rejilla de escalar las funciones de base. Supongamos que queremos mover los puntos X yo a
HX yo. Entonces conseguimos los elementos de matriz del hamiltoniano como H ij = h - 2 K ij + δ ij V (hx yo).
Los vectores propios siguen siendo la do yo, pero los que ahora están relacionados con los valores de la ola
Un ejemplo en tres dimensiones debe ser su ciente FFI para demostrar los principios.
K̂ = -∇ 2 = - ∂ 2
K Kx+ ˆ Ky+ ˆ Kz (1,52)
∂x 2 - ∂ 2 ∂y 2 - ∂ 2 ∂z 2 = ˆ
≈Σ λ un F yo( X un) F l ( X un) Σ λ doΣF k ( X do) F norte( X do) V (x un, X segundo, X do)
λ segundo F j ( X segundo) F metro( X segundo)
un segundo do
(1,55)
Capítulo 1: Representaciones variable discreta 11
Σ Σ
=Σ λ un λyo- 1/2 δ I a λ l- 1/2 δ la λ segundoj λ - 1/2 δ jb λ -metro
1/2
δ megabyte λ do λk- 1/2 δ kc λ -norte
1/2
δ Carolina del Norte
un segundo do
(1,59)
∫ segundo ∫ segundo ∫ segundo
Este escalado con dimensionalidad de los problemas expresados en la base es un DVR
aspecto importante del método. Supongamos que tenemos norte funciones de base a lo largo de cada uno
de re ejes de coordenadas. En ese caso, el hamiltoniano completo es una norte re × norte re array, así tiene
un total de norte 2 re elementos de matriz. Hay un total de norte re elementos distintos de cero de V a
elementos distintos de cero de H. DVR, a continuación, nos da una ecuación de matriz dispersa de resolver, y
que podríamos desear para explotar en una técnica de solución. Podemos hacer eso en DVR
construir versiones simétricas de forma explícita del conjunto de funciones base. Asumiremos
que la base DVR tiene puntos de rejilla que son simétricas respecto al origen. 1
Comencemos con un conjunto base DVR { F yo( X)}. Tengamos definen las funciones de base
F yo
-
( x) = 2 - 1/2 [ F yo( X) - F norte - 1 - yo( X)]
(1,63)
donde ahora sólo vamos yo ∈ [ 0, NORTE/ 2 - 1] y es necesario que norte se justo. Así tenemos
un total de norte funciones de base, si se toman todos f + yo y F- yo para reemplazar el F yo, pero estos
nuevos conjuntos están en clases de simetría explícitos. Se ve fácilmente que las bases son dos
equivalente.
Con nuestro nuevo conjunto de bases, se obtiene casi la totalidad de los beneficios de la base original DVR
∫ segundo ∫ segundo
∫ segundo
]
(1,65)
=1 (1,66)
2 ( δ ij ± δ en - 1 - j ± δ norte - 1 - i, j + δ norte - 1 - en - 1 - j)
= δ ij ± δ en - 1 - j. (1,67)
1 Todavía tengo que encontrar una base DVR útil con puntos de cuadrícula que no son simétricas respecto al origen, por lo que esto parece
Ahora tenemos en cuenta que, dado que estamos restringiendo el rango de yo, nunca podremos tener i =
∫ segundo
dx f ± yo ( x) f ± j ( x) = δ ij. (1,68)
un
Tenga en cuenta que esta notación está destinado a indicar que hacemos la misma elección de más o
∫ segundo
∫ segundo
]
=1
2 [ δ ij V (x yo) ± δ en - 1 - j V (x yo)
Suponemos que estamos trabajando con un potencial aún. Desde los puntos de la
cuadratura son simétricas, de manera que X i = - X norte - 1 - yo, tenemos V (x i) = V (x norte - 1 - yo).
∫ segundo
[∫ segundo
∫ segundo
]
=1 (1.77)
2 ( K ij ± K en - 1 - j ± K norte - 1 - i, j + K norte - 1 - en - 1 - j) .
Esta expresión también puede ser simplificarse, en el caso de que cada uno de los ortonormal
funciones { pag yo( X)} es ya sea simétrica o antisimétrica (que no tienen por qué ser del todo
mismo). En este caso, se tiene que pag yo( x) = ± pag yo( - X) y pag '' yo ( x) = ± pag '' yo ( - X) para todos yo, como
Σ
= - λ 1/2 yo λ 1/2 j
pag k ( X j) pagk ''( X yo) (1,84)
k
Σ
= - λ 1/2 yo λ 1/2 j
[ ± pag k ( - X j)] [ ± pagk''( - X yo)] (1.85)
k
Σ
= - λ 1/2 norte - 1 - yo λ
norte
1/2 - 1 - j
pag k ( X norte - 1 - j) pagk'' ( X norte - 1 - yo) (1,86)
k
= K norte - 1 - en - 1 - j. (1,88)
Capítulo 1: Representaciones variable discreta 15
Del mismo modo, se puede demostrar que K en - 1 - j = K norte - 1 - i, j. Esto nos da la ed simplifica
expresión
Aunque la discusión anterior es su ciente FFI para elaborar la base de cualquiera de DVR
para algunas de las posibles opciones. Es decir, que es posible crear las matrices para la
función w (x) = e - X 2. Los puntos de la cuadratura se encuentran, como de costumbre, como ceros de
un polinomio de Hermite, y los pesos provienen de una suma sobre polinomios de Hermite
en los puntos de cuadratura. No voy a ir a través de los pasos de la derivación aquí, pero
se puede demostrar (véase [ 1 ]) Que los elementos de la matriz de energía cinética son dadas por
•
••
•• (1/6) (4 norte - 1 - 2 X 2 yo ) i=j
K̂ = - ∂ 2
K . (1,90)
∂x 2 ⇒ K ij = ••
••
( - 1) yo - j [ 2 ( X yo - X j) - 2 -. 5] yo 6 = j
funciones seno normalizados 2 1/2 pecado( iπx) para el rango (0, 1). El DVR resultante tiene
X i = ( i + 1) / ( N + 1) (1,91)
Capítulo 1: Representaciones variable discreta dieciséis
λ i = ( N + 1) - 1 (1,92)
w (x) = 1 (1,93)
•
[2
•• π2
•
2 3( N + 1) 2 + 1 3 - pecado - 2 ( pi x yo)]
i=j
K ij = { pecado - 2 [( X yo - X j) π / 2] - pecado - 2 [( X yo - X j) π / 2]} yo 6 = j . (1,95)
••
• ( - 1) yo - j π 2 2
Es interesante observar que algunas bases de DVR trigonométricas en realidad están disfrazados
[ 6 ].
Capitulo 2
Los sistemas con los que tratamos en la mecánica cuántica son a menudo cerrados. De tal
casos, que realizan cálculos para hallar los estados propios del potencial dado. Aunque el
esto es sólo un tipo de sistema que puede ser tratada con la mecánica cuántica. En esto
capítulo, nos ocupamos de desarrollar una técnica para el tratamiento de sistemas abiertos por
Por otra parte, estamos buscando una técnica que hace el menor número de simplificaciones a o
conductancia a través de los potenciales de lisas, desordenados, por lo que, en particular, vamos a evitar
supuestos de FL en potenciales o en paredes duras cantidad infinita. También vamos a evitar limitar
nosotros mismos para el “régimen de túnel”, donde se conecta un sistema casi aislada
débilmente a clientes potenciales. Por supuesto, al evitar estas simplificaciones, estamos cortando a nosotros mismos
será limitada en el tamaño de los sistemas que podemos estudiar y las escalas de energía
17
Capítulo 2: El cálculo de propagación de las ondas 18
flujo incidente
plomo 1 Sistema 2 conducir Transmisión
Reflexión
Figura 2.1: Aquí vemos el marco conceptual inicial para nuestra técnica numérica para el cálculo de la propagación de
ondas. Tenemos la visión del sistema contenida en una cubeta; a la izquierda ya la derecha son los cables de
conexión del sistema de depósitos térmicos, que no incluye explícitamente. Todos los de la dispersión tiene lugar en
una fi con región Ned refiere como el “sistema”. No se produce la dispersión en las derivaciones, que sirven para
definir los modos o canales de la dispersión. Discretizamos espacio sobre una rejilla di ff rencia finita. Puntos en la
cuadrícula se acoplan solamente a los vecinos más cercanos, y por lo tanto la comunicación entre el sistema de
dispersión y los conductores se lleva a cabo en las dos bandas indicadas. con el tiempo vamos a ampliar esta
configuración para incluir a más clientes potenciales.
que podemos alcanzar. Hay comercio-o ff s que se hará en la elección de cualquier información numérica
técnica.
Técnicas para resolver problemas bajo estas limitaciones existen, aunque son
no tan ampliamente aplicado como las técnicas más e fi ciente que implican más simplificaciones.
y semi-infinito “pistas”. Estos cables deben soportar modos transversales cuantificados. los
el acoplamiento de los modos de incidentes a los modos dispersos. La matriz S nos lleva a un cálculo
Debe tenerse en cuenta que no vamos a resolver por el solo hecho de la matriz S, aunque en algunos
casos que se desea toda la información. Nuestros cálculos también deben hacer accesible
Capítulo 2: El cálculo de propagación de las ondas 19
Para las matemáticas necesarias para llevar a cabo este método, comenzamos por hallazgo de una ma-
tener en cuenta el acoplamiento del sistema de dispersión a los clientes potenciales. En lugar de realizar
una inversión de la matriz computacionalmente costosa, que resolver una serie de Ax = b multi- matriz
tiplication problemas para determinar la respuesta del sistema a los diversos posible
Nuestra inversa función de Green trata a todo el dominio del potencial a la vez.
Existen otros métodos en la literatura que implicaría la construcción de hasta fun- de Green
ción a través del un sistema “rebanada” a la vez, llama recursiva Green's función (RGF)
problemas. Hay dos debilidades a estas técnicas. En primer lugar, descartando informa-
ción sobre los puntos interiores del sistema, que hacen inaccesible la propagación
los propios Estados. En segundo lugar, no parece que pueden tratar con sistemas más
de dos cables. Sólo hay un gran beneficio a estos métodos, sin embargo. Aunque el
trozos pequeños, uno reduce los requisitos de memoria del ordenador. Este cambio
respuesta de un sistema a una fuente de función delta [ 14 , Cap. 8]. Para una ff diferencial general de di
función de fuente g (x), podemos determinar la solución f (x) con esa fuente por
∫
f (x) = dx ' G (x, x ') g (x ') (2,2)
Como se puede fácilmente veri fi. Nuestro objetivo es determinar la función de Green para el
sistema de dispersión; entonces podemos utilizar una ola incidente dada como la fuente, y determinar
Hˆ (~ x) ψ (~ x) = Eψ (~ x), (2,3)
[ mi - ˆ H (~ x)] ψ (~ x) = 0. (2,4)
y las funciones de Green “retardado”. Podemos seleccionar uno u otro por la inclusión de
este punto en adelante, cada vez que nos referimos a la función de Green GRAMO vamos a significar la
Mirando hacia delante un poco, queremos una técnica susceptible de solución en un ordenador.
Esto significa que vamos a trabajar con representaciones matriciales de nuestros operadores. Tomando
el hamiltoniano para ser una matriz cuadrada y yo para ser la matriz identidad correspondiente,
la Fórmula Landauer
tancia, sobre todo porque se trata de la cantidad experimental de más fácil acceso. Nosotros
Después de la investigación de microondas que se hizo alrededor de la Segunda Guerra Mundial, gran parte de la
Modos de incidentes, o canales, y cómo un evento de dispersión parejas los incidentes Chan
fórmula es útil, ya que se conecta los coe transmisión FFI de estos canales a la
Capítulo 2: El cálculo de propagación de las ondas 22
Σ
G = 2 mi 2 T yo, (2,8)
h yo
coe coe fi cientes para los canales de incidentes, y la suma es sobre todos los canales. mi 2 / h es el
Usando la ecuación. ( 2.8 ), Obtenemos la conductancia mediante el cálculo de coeficientes de FFI coe transmisión.
Podemos, a su vez, determinar coe fi cientes de transmisión mediante la búsqueda de la S-matriz. los
S-matriz nos dice cómo un potencial de dispersión se conecta a canales de incidentes dispersos
canales, incluyendo ambos turnos de amplitud y fase. Si un sistema tiene norte incidente
canales, que pueden especificar una onda incidente dada por norte amplitudes en un vector ~ a. Similar,
con metro canales de salida, que pueden especificar la onda dispersada con metro amplitudes en una
vector ~ segundo. La matriz S sería entonces metro × norte y conectaría a la onda incidente
la onda dispersada por ~ b = s · ~ a. Las propiedades de los S-matriz reflejar las simetrías
del sistema físico [ 9 ]. Indexar todos los canales de incidentes y todos los canales dispersos,
el elemento de la matriz S s ij nos dice la dispersión en el canal j del canal incidente yo.
Ti=Σ | s ij | 2. (2,9)
j ∈ transmisión
plomos
Restringimos la suma de mirar sólo a los canales en los “cables de transmisión” para que podamos
Matriz
Para escribir una ecuación matricial de la función de Green, que primero necesitamos una matriz repre-
resentación para el hamiltoniano H. Nos encontramos uno por el que se establecen una finito espacial
di ff rejilla rencia. Se trata de una malla espacial rectangular regular con separaciones un X y un y. UN
de H es diagonal, requiriendo sólo los valores del potencial en los puntos de rejilla. Nosotros
y lo mismo para ∂ 2 y. La aproximación utilizada para la segunda derivadas de la ecuación. 2.10 resultados
Tenemos, utilizando la Ec. 2.7 y la matriz para H generada por infinito erencing di ff, una
rejilla que cubre los cables y el sistema tiene un número infinito de puntos de la rejilla). Sin embargo,
• • • •
• GRAMO l GRAMO
• ls • ( E + iη) I - H l τ •
• • = • • , (2,11)
• • • •
GRAMO sl GRAMO s τT ( E + iη) I - H s
para los puntos en las derivaciones con un subíndice l. Hemos organizado las filas y columnas
de la matriz de tal manera que podemos dividir en sub-matrices que tratan por separado con
Capítulo 2: El cálculo de propagación de las ondas 24
los cables, el sistema, y el acoplamiento entre los dos. El sub-matriz infinita GRAMO s,
Ahora se deriva una matriz de identidad que vamos a necesitar. Vamos a trabajar en términos de una
matriz general, a continuación, aplicar el resultado a nuestro caso específico. Supongamos que tenemos una
• UN 0 UN 1 •
A= • • , (2,12)
• •
UN 2 UN 3
dónde UN 0 y UN 3 son ellos mismos cuadrado. Dejar que la matriz B = A - 1 ser igualmente
Un poco de álgebra con este resultado nos permite expresar los elementos de segundo puramente en términos de
segundo 1 = - UN0- UN
1
1 segundo 3.
(2,15)
- UN 2 UN0 UN
-1
1 segundo 3 + UN 3 segundo 3 = yo
(2,17)
segundo
3 = UN 3 -
-1
UN 2 UN - 1 0 UN 1. (2,18)
Similar,
segundo
0 = UN 0 -
-1
UN 1 UN - 1 3 UN 2. (2,19)
Capítulo 2: El cálculo de propagación de las ondas 25
Aunque este resultado no es profundo, no nos permite tratar con partes de una matriz
en aislados unos de otros, y en particular para realizar las inversiones por separado.
Para nuestro sistema, la sub-matriz de la ecuación. ( 2.11 ) Tratar con los clientes potenciales, ( E + iη) I - H l,
( E + iη) I - H s, tiene sólo un número finito de elementos. Debido a que hemos de fi nida la
división entre los conductores y el sistema de tal manera que todo se produce la dispersión en el sistema, la
soluciones en las derivaciones están viajando olas en modos transversales constantes; con este
analíticamente; gramo l es la función de Green combinada para los conductores semi-infinito. Nosotros entonces
de fi ne la matriz
σ ≡ τ T gramo l τ, (2,21)
GRAMO
s = EI -
-1
H s - σ. (2,22)
Tenga en cuenta que hemos dejado caer el término iη en esta expresión; que ya no es relevante, ya que es
la matriz σ es en sí mismo complejo y pantanos la infinitesimal iη. Tenga en cuenta que σ es solo
distinto de cero para los puntos del sistema adyacente a los conductores, como la base erencing di ff infinito
La matriz σ se puede dividir en matrices individuales para cada plomo, σ = Σ pag σ pag.
Dejar que los modos transversales de plomo pag ser χ pm( y). Tenemos que
h2 Σ
σ pag( y yo, y j) = - ¯ χ pm( y yo) mi ik pagmetro un X χ pm( y j), (2,23)
2 mamá 2 X metro
Capítulo 2: El cálculo de propagación de las ondas 26
número para una onda que se propaga en el modo de metro de plomo pag [ 15 , § 3,5]. Eq. 2.23 es derivado
por primera usando la expansión de función de base de la función de Green para un semi-infinito
plomo, a continuación, la discretización de la ecuación resultante. Hemos escrito la ecuación. 2.23 para y como el
dirección transversal. Puede ser fácilmente alterado para tener X como la dirección transversal por
Para hallar los vectores de onda k pag metro, observamos que la relación de dispersión en la aproximación
h2
E = ? pm + ¯ [1 - cos ( un X k pag metro)],
(2,24)
mamá 2 X
con pm la energía del modo transversal χ pm. En el límite un X → 0, la ecuación. 2.24 se convierte
velocidad de propagación de una onda en uno de estos modos, ¯ hv = ∂ k MI, lo que nos da
• ) 2 •• 1/2
h h
v pM = ¯ pecado( un Xm)
k pag • 1-( 1 - mi - pm . (2,25)
= ¯
mamá X mamá X h̄ 2 / mamá 2 X
h
Considere una onda incidente en el canal yo que incide sobre el sistema de dispersión. Esta
onda nos da un término fuente a lo largo del borde del sistema, lo que nos permite aplicamos el
función de Green para determinar la respuesta del sistema. Podemos entonces proyecto que
Capítulo 2: El cálculo de propagación de las ondas 27
∫ ∫
s ij = ¯ h ( - v yo v j) 1/2 dy dy ' ψ fuera
j ( y) G s ( X r, y; X l, y ') ψ en yo ( y '), (2,26)
coordenada del borde de la ventaja incidente. Los términos que aparecen fuera de la
integrales en esta ecuación son necesarios porque las ofertas S-matriz en reflujo, mientras
φ yo ≡ GRAMO s · ψ en
yo ⇒ s ij = ¯ h ( - v yo v j) 1/2 φ yo · ψ fuera
j.
(2,27)
Computacionalmente, invertir una matriz grande es costoso. Elegimos, por lo tanto, para resolver
el problema de una manera ligeramente di ff Erent de que implicaba anteriormente. Podemos determinar
GRAMO
s utilizando los métodos descritos anteriormente; en lugar de invertirla, resolvemos la matriz
-1
GRAMO
s. 1
-1
Conceptualmente, la forma que hemos descrito anteriormente este método es el más fácil
manera de entenderlo: un solo incidente de plomo y un solo plomo transmisión, todo ello en una
sistema lineal. Sin embargo, este método permite una mayor expansión para incluir cables
1 En este trabajo, he usado el paquete “SuperLU.” Se realiza una descomposición LU de la matriz, mediante intercambios de
renglones para preservar escasez en la descomposición. Esto me permite resolver de múltiples lados derecho sin signi fi cativo
adicional e ff ORT, y así extraer la matriz S completa en un solo paso.
Capítulo 2: El cálculo de propagación de las ondas 28
en los lados del sistema. La extensión matemática es fácil; los cables adicionales
Aunque uno puede conectar cables adicionales, no hay que confundir esto con la idea
“Dos terminal” y “cuatro terminal.” En un experimento de dos terminales, uno aplica una polarización
se pasa una corriente entre dos conductores y mide un voltaje rencia di ff a través de dos
di ff Erent conduce. Estamos llevando a cabo un experimento con claridad numérica de dos terminales con
nuestro formalismo.
Uno tiene mucha más libertad con los conductores de lo que hemos dicho hasta ahora de manera explícita.
Por ejemplo, ninguno de los cables tiene que cubrir todo un lado del sistema. Más
aquí, semi-en dispositivos rectangulares finitos con modos transversales constantes. Mientras
se puede determinar la función de Green para los conductores y los términos de acoplamiento entre
los cables y el sistema, se puede hallar la matriz σ en la ecuación. 2.21 y por lo tanto GRAMO - 1 s.
2.6 Un Ejemplo
Las fórmulas dadas anteriormente están completos, pero sin ver a su aplicación se
son algo abstracto. De hecho, la aplicación de las fórmulas puede ser algo
di fi culto a llevar a cabo, ya que hay muchos índices para mantener recta. Presentamos aquí
un ejemplo con cables laterales, y para ser en general que dejar que esos cables laterales tienen una anchura
di ff Erent que la del sistema. Para mantener las fórmulas un poco tratable, vamos
tomar el sistema a ser discretizado en un tres por tres cuadrícula. Esta configuración se muestra en
Capítulo 2: El cálculo de propagación de las ondas 29
2 conducir
0 1 2
plomo 1
3 4 5 Lead 3
6 7 8
El plomo 4
Figura 2.2: Disposición para el ejemplo de la § 2.6 . El sistema está discretizada en una rejilla de tres bythree, con los
nueve puntos de la cuadrícula según la etiqueta. Hay cuatro cables en el sistema, con 1 y 3 de tres puntos de ancho
y 2 y 4 sólo dos puntos a través. Las líneas discontinuas indican las fronteras entre el sistema y los cables.
Figura 2.2 .
La cosa más fácil que mirar es el potencial. Que no haya un potencial en general V
en el sistema. Como se mencionó anteriormente, la única información que necesitamos sobre este
potencial es su valor en los puntos de rejilla. Nosotros representamos el potencial que el nueve por nueve
Capítulo 2: El cálculo de propagación de las ondas 30
matriz diagonal
• •
• V [ 0] 0 0 ··· 0 •
• •
• •
• •
• 0 V [ 1] 0 ··· 0 •
• •
• •
• •
Vs= • 0 0 V [ 2] ··· 0 • , (2,28)
• •
• •
• .. .. .. .. .. •
• . •
• . . . . •
• •
• •
0 0 0 ··· V [ 8]
Los valores
h2
t x, y ≡ ¯ . (2,29)
2 mamá 2 x, y
K = pag 2 (2,30)
2 metro
h2 ( ∂2 )
=-¯ x+ ∂2 y
(2,31)
2 metro
= - t X [ ψ (x - un X, y) - 2 ψ (x, y) + Ψ (x + a X, y)]
• 0 tX0 ty0 0 0 0 0 •
• •
• •
• •
•
•
tX0 tX0 ty0 0 0 0 •
•
• •
• •
• •
• 0 tX0 0 0 ty0 0 0 •
• •
• •
• •
• ty0 0 0 tX0 ty0 0 •
• •
• •
• •
K s = ( 2 t x + 2 t y) yo - • 0 ty0 tX0 tX0 ty0 • . (2,33)
• •
• •
• •
• •
• 0 0 ty0 tX0 0 0 ty •
• •
• •
• •
• 0 0 0 ty0 0 0 tX0 •
• •
• •
• •
• 0 0 0 0 ty0 tX0 tX •
• •
• •
• •
0 0 0 0 0 ty0 tX0
Ahora dirigimos nuestra atención a los clientes potenciales. Tenemos que determinar la transversal
modos en los clientes potenciales, utilizando el mismo discretización utilizada en el sistema. Aquí, sin embargo,
sólo hay que preocuparse de una dimensión. En cuanto a plomo 1, que será más adelante
utilizado como el plomo para nuestras ondas incidentes, volvemos a escribir la matriz de Hamilton como el
• • • •
• V [ 0] 0 0 • • 2 ty- ty 0 •
• • • •
• • • •
• • • •
H1= • 0 V [ 3] 0 • + • - ty2 ty- ty • . (2,34)
• • • •
• • • •
• • • •
0 0 V [ 6] 0 - ty2 ty
Tenga en cuenta la elección que hemos hecho para el potencial en el liderazgo: hemos emparejado
de ninguna manera se requieren para tomar esta decisión, si no entonces no será (arti fi cial)
Esta matriz de tres por tres representa entonces el hamiltoniano unidimensional para
la transversal conduce en el sistema. Resolviendo para los vectores propios y valores propios de
la energía de nuestra onda incidente, la Ec. ( 2.25 ) Nos da, además, un conjunto de velocidades
{ v 1yo : yo ∈ [ 0, 2]}.
Lead 3 se ve muy similar a como 1 tratada más arriba, así que vamos a mirar ahora en una de las
• • • •
• V [ 1] 0 • • 2 tX- tX •
H2= • • + •• • . (2,35)
• • •
0 V [ 2] - tX2 tX
La solución a este problema de valores propios de una dimensión nos da el conjunto { χ 2 yo , 2 yo : yo ∈ [ 0, 1]},
y de éstos obtenemos { v 2 yo : yo ∈ [ 0, 1]}. Tenga en cuenta, sin embargo, que desde este cable tiene X como
No vamos a escribir todos los términos de la matriz de energía propia, ya que ello conseguir
bastante largo. Veamos uno de los conductores, sin embargo, para ver donde va a contribuir.
h2 Σ
σ pag( y yo, y j) = - ¯ χ pm( y yo) mi ik pagmetro un X χ pm( y j). (2,36)
2 mamá 2 X metro
y 6 en el sistema. O, más bien, tomamos χ 1 metro( y i) = χ 1 metro[ yo]. La matriz de energía propia voluntad
acoplar los tres puntos entre sí en todas las combinaciones posibles. Mirando a la
matriz energética auto completo de nueve por nueve, vemos que los conductores contribuyen a los elementos
Capítulo 2: El cálculo de propagación de las ondas 33
indicada a continuación:
• •
• 100100100 •
• •
• •
• •
• 022000000 •
• •
• •
• •
• •
• 0 2 2, 3 0 0 3 0 0 3 •
• •
• •
• •
• 100100100 •
• •
• •
• •
• 000000000 • . (2,37)
• •
• •
• •
• •
• 003003003 •
• •
• •
• •
• 100100100 •
• •
• •
• •
• 000000044 •
• •
• •
• •
0 0 3 0 0 3 0 4 3, 4
Ahora tenemos toda la información necesaria para escribir nuestra función de Green inversa,
GRAMO
s = EI -
-1
H - σ. Para aplicarlo, miramos a la Ax = b problema GRAMO - 1 sφi= ψ en yo . Qué,
Sin embargo, hemos de tomar como las ondas entrantes? Ya que GRAMO - 1 s
es una matriz de nueve por nueve,
necesitamos tanto φ yo y ψ en yo a ser vectores de nueve elementos. Vamos a empezar por pedir todo
de los modos de plomo transversales: { χ 10, χ 11, χ 12, χ 20, χ 21, χ 30, χ 31, χ 32, χ 40, χ 41}. Llegamos a la ψ yo
vectores de “relleno” estos estados propios con ceros. Por ejemplo, para el primer incidente
ψ en
0 = [ χ 10 [ 0], 0, 0, χ 10 [ 1], 0, 0, χ 10 [ 2], 0, 0] .
(2,38)
En los elementos de ψ en 0 que corresponden a puntos adyacentes para dirigir 1, tomamos el valor
de χ 10 en aquellos puntos adyacentes; para todos los demás puntos del sistema, tomamos ceros. Si nosotros
están interesados en una onda de salida en el segundo estado de plomo 2, escribiríamos
ψ fuera
4 = [ 0, χ 21 [ 0], χ 21 [ 1], 0, 0, 0, 0, 0, 0] , (2,39)
Capítulo 2: El cálculo de propagación de las ondas 34
El uso de estos vectores, podemos resolver primera GRAMO - 1 sφ0= ψ en 0. El elemento de la matriz S es entonces
Encontrado por s 04 = ¯ h ( - v 10 v 4)2 media φ 0 · ψ fuera 4. Para obtener la conductancia total del sistema,
tendrá que determinar s ij: yo ∈ [ 0, 2], j ∈ [ 3, 9]. Tenga en cuenta que esto sólo significa la resolución
Tres Ax = b problemas.
Hasta este punto, hemos supuesto que no hay campo magnético presente.
Por supuesto, hay muchos experimentos en los que está presente un campo magnético, tal vez
como el único parámetro independiente disponible (por ejemplo, [ dieciséis ]). Ciertamente uno puede manejar una
una en nuestros cálculos. En primer lugar, uno tiene que hacer frente a la presencia de los cables.
los cables sobre los que hemos dependido. Por ejemplo, si no se tiene cuidado, el plomo
modos ya no pueden ser descritos por ondas planas que se propagan en fi transversal fijo
modos. Incluso si es así, entonces los modos transversales serán, en general, ya no serán
Si queremos tomar el campo magnético a cero en las pistas, tenemos que tener una
potencial vector que apunta a lo largo de cada ventaja en que el plomo. Para un sistema rectangular,
eso significa que ~ UN debe ser perpendicular a cada pared del sistema en esa pared.
entonces podemos reducir ~ UN a cero en las derivaciones sin introducir ningún rizo, y por lo tanto
sin ningún tipo de campos magnéticos espurios [ 17 ]. De hecho, podemos reducir ~ UN a cero con una
Paso Función en los bordes del sistema, y por lo tanto tener una constante campo magnético en
Capítulo 2: El cálculo de propagación de las ondas 35
Tenemos la restricción adicional de que debemos utilizar una forma continua de fi nido Vec-
tor potencial. Si usamos una fi nida por tramos de ~ UN, habrá falsa re fl exiones o FF de
las discontinuidades, incluso si las diversas piezas corresponden al mismo campo magnético.
Siguiendo [ 18 ], Encontramos un potencial vector continua que satisface nuestra ori- límite
Vamos a empezar con un potencial vector ~ UN 0 (~ x) = Por ˆ X. Esto nos da nuestra constante
magnética de campo, y es perpendicular a las paredes en los lados izquierdo y derecho de nuestros
~ A (~ x) = ~ UN 0 (~ X) + ∇ f (~ x; θ). (2,41)
sin embargo, como ya es correcta a lo largo de dos paredes. Por lo tanto, tenemos que crear una máscara
para esta transformación calibre, una que va a uno a lo largo de las paredes superior e inferior
y para poner a cero a lo largo del paredes izquierda y derecha. Tomando las dimensiones del sistema sea
w X y w Y, podemos tomar
( wy )( wy ) -1
m (~ x) = . (2,42)
y + wywy- y y + wywy- y + wX x + w Xw X - X
Este no es el más bonito de funciones, pero puede ser re-fundido a una forma que no se basa
sobre la cancelación de fi nidades permanecer finito; esto no es más que la representación más simple. Nosotros
Capítulo 2: El cálculo de propagación de las ondas 36
luego tomar
~ A (~ x) = ~ UN 0 (~ X) + ∇ [ f (x ~; π / 2) m (~ x)] . (2,43)
X( w y - y) y 2 ( w 2 y X2+ w2 X wy y - w2 X y 2)
UN x = BW 2 (2,44)
[ w y2( w X - x) x + w 2 X( w y - y) y] 2
y( w X - x) x 2 ( w 2 X y2+ w2 y wX X - w2 y X 2)
UN y = - BW 2 . (2,45)
[ w y2( w X - x) x + w 2 X( w y - y) y] 2
Puede ser veri fi que este potencial vector da una constante de campo magnético en el
sistema y, a pesar de ser continuamente definido, es perpendicular a cada una de las paredes.
Punto, cabe destacar que se trata de fi nida unde en las esquinas del sistema. Si bien esto es cierto,
veremos más adelante que sólo necesitamos para evaluar la función entre los puntos de cuadrícula,
Ahora que tenemos un potencial vector de aplicar, echemos un vistazo a lo que vamos a hacer con
eso. El potencial vector entra en las ecuaciones como una modificación de los términos de acoplamiento
{ es decir
∫ segundo
}
exp d ~ x · ~A (~ x) , (2,46)
h̄ un
donde integramos desde el punto un apuntar b [ 19 , Vol. 3, p. 21-2]. Vamos a estimar este
Para introducir este acoplamiento para el hamiltoniano de la manera más general, tenemos
{ es decir }
Observamos primero que, debido a nuestra elección de trabajar en la base di ff erencing infinito, H ij ( 0)
sólo es distinto de cero en la diagonal y de puntos de la rejilla del vecino más cercano. Este hecho no es
cambiado por el potencial a largo plazo del vector, por lo que la diseminación de nuestro problema de la matriz no es
un ff reflejada. En segundo lugar, observamos que los términos de la diagonal no se alteran por la magnética
campo.
o ff con una función de paso en los bordes del sistema, no es ideal. El medidor permite
que hagamos esto sin introducir campos adicionales, pero sí tenemos un problema con
una falta de coincidencia en modo transversal en los bordes del sistema. Como resultado, hay algunos
re fl exiones en los bordes que no tienen significado físico. El e ff ect parece haber
insignificante, siempre que exista una mínima dispersión fi cante físicamente signi pasando en el
mismo tiempo (es decir, sólo es observable si V (~ x) = 0). Una solución más rigurosa, si uno
tiene la intención de evitar el campo magnético en las derivaciones, sería aplicar este indicador y
a continuación, incluir una longitud de cada conductor en el dominio, el uso de estas longitudes para reducir el
dispositivos
Una buena parte de los estudios de propagación de ondas en la última década, tanto teórica
cuando una heteroestructura de cristal (normalmente GaAs / AlGaAs) está hecho de tal manera que elecciones libres
trones sienten una posibilidad fuerte con fi nir en una dirección [ 21 ]. Los electrones de modo confinado
son ff e caz reducidos a dos grados de libertad. Dispositivos se forman ya sea por etch-
ing distancia partes del cristal o por acoplamiento capacitivo “puertas” a la 2DEG y
la reducción de la densidad de electrones en las zonas. Actual, entonces se pasa a través del dispositivo,
y la conductancia se puede medir como una función de diversos parámetros externos (por ejemplo,
magnética campo).
38
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 39
microscopio de fuerza atómica (AFM) punta encima de la muestra, dando resolución espacial a la
experimentos. También vamos a tocar en otro tipo de experimentos que pueden ser simulados
3.1 El QPC
No sólo son los dispositivos más simples (que no sea un sistema totalmente abierto), pero
también son componentes de la mayoría de dispositivos más complejos [ 27 , 28 ]. Este sencillo dispositivo
del QPC. Como se describe en el capítulo 2 , La técnica que vamos a utilizar para hallar la
la conductancia a través de la 2DEG sólo requiere que seamos capaces de especificar el valor de
el potencial en cada punto de la cuadrícula. Por tanto, podemos de fi nir una función potencial V (~ r) en
cualquier manera que deseamos. Para duplicar el sistema físico en la mayor medida posible, sin embargo,
construimos una función suave, analítico para modelar el potencial punto de contacto.
al hacer la analítica soluciones en una dimensión. Dado que también queremos hacer el
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 40
potencial simétrico alrededor del centro del punto de contacto, podemos escribir en la forma
con ω (x) 2 una función par, por lo que la relación con las soluciones analíticas en el y
dirección lo más explícito posible. Ahora tenemos que elegir una ω (x); en este trabajo, vamos
tomar
•
••
• ω 0 ( 1 - 3 | 2 x / l | 2 + 2 | 2 x / l | 3) | 2 x | <l
ω (x) = , (3,2)
••
• 0 |2x|>l
ω 0 = mi F (3.3)
h̄ (N -. 5),
h
dónde norte da el número de modos de puertas abiertas para el QPC. Este potencial tiene la ven-
tajas de ser adiabático como queramos (a través del parámetro l), ir a cero de forma explícita
más allá de una región conocida, y que tiene un número explícitamente controlable de trans- abierto
aplicada a las puertas que crean el QPC. Relacionando esto con mi modelo de cálculo, se
muy explícita por la formulación con NORTE. Aunque este aspecto de la conducta no es QPC
nuestro enfoque principal, sirve como un útil veri fi cación que nuestro método y el modelo
estan trabajando.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 41
Figura 3.1: contornos de ejemplo de la función de potencial utilizados en este trabajo para modelar el QPC.
fórmula Landauer, Eq. 2.8 , Que da a la conductancia como una suma de coef- transmisión
coe fi. En el límite adiabático, no hay dispersión entre los modos como los cables
estrecha en la punto de contacto; es decir, como los modos transversales evolucionan suavemente como
reflejada en el mismo modo, o se propaga a través del QPC. Haciendo caso omiso de túneles y
por encima de la barrera La reflexión (que también se suprime en un punto de contacto adiabático),
esto significa que cada coe fi ciente de transmisión T yo es cero o uno. Como el punto
contacto se abre, las energías de la disminución modos transversales; como es- de cada modo
ergy pasa la energía de Fermi, los correspondientes coe transmisión fi ciente cambios desde
En el límite adiabático, todos los pasos serían aguda y de la misma altura. Para un verdadero
potencial, tenemos que lidiar tanto con un túnel y la mezcla de modos. Ambos ECTS e ff
suavizar los pasos de conductancia. En figura 3.2 , Vemos los pasos de nuestro modelo para una
elección de los parámetros. Tenga en cuenta que, mientras que los pasos iniciales son muy diferentes, este último
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 42
10
6
G (2 e 2 / h)
0
0 2 4 6 8 10
apertura QPC (número de modos)
Figura 3.2: Una demostración de la conductancia cuantificado mostrado por mi modelo computacional. Para los
primeros varios modos, los pasos son bastante agudo, aunque túnel hace generar algo de redondeo. Para los
modos más altos, los ECTS e ff de mezcla de modo y tunelización abrumar al patrón regular paso. El número
de modos que muestran pasos afilados se puede cambiar cambiando la adiabaticidad (el parámetro “longitud”)
del QPC.
Ahora que tenemos un QPC numérico que puede ser comparado con los experimentos, nos volvemos
la 2DEG por las puertas es estático en un sentido: aunque el voltaje en las puertas puede ser
cambiado, las propias puertas no se pueden mover. Los recientes avances en experimental
Una punta (AFM) cargado negativamente atómica microscopio de fuerza se puede mantener por encima de la
muestrear, la creación de una protuberancia móvil en el potencial visto por electrones en el 2DEG.
El potencial inducida por la punta del AFM es una protuberancia de Lorentz circularmente simétrica,
de la punta, y su anchura por la distancia desde la punta a la 2DEG. La punta de AFM puede
ser movido, y la conductancia se puede medir como una función de la posición de la punta. Aunque el
Figura 3.3: En este esquema de un dispositivo de 2DEG, vemos la configuración básica para nuestras mediciones de
conductancia 2 grados. Los contactos óhmicos se acoplan directamente a la 2DEG, lo que permite una tensión de
polarización a aplicar al sistema y corriente medida. Las puertas, aquí en un quantum punto de contacto con fi guración, se
modelan en la parte superior del cristal y acoplados capacitivamente a la 2DEG. Su correo ff ect puede cambiarse mediante la
variación de la tensión de polarización aplicada entre ellos y el 2DEG. Finalmente, una punta de microscopio de fuerza
atómica (AFM), también acoplado capacitivamente a la 2DEG, se puede mover encima de la muestra.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 44
Dispersas s-ola
De la onda P de Transmisión
Figura 3.4: Una esquemático para el modelo simple bajo consideración en § 3.1.3 . Una onda plana incidente en una
pequeña ranura en una pared da lugar a una onda P transmitida. Un punto dispersor solo da lugar a una s-onda
saliente. Consideramos que la interacción de estas dos ondas en la ranura para determinar reflujo.
útil observar un modelo sencillo de construir intuición acerca de lo que podríamos esperar
para ver a medida que avanzamos sobre la punta del AFM. El modelo que aquí se presenta no pretende
dar predicciones cuantitativas de los resultados, sino simplemente para alertarnos sobre alguna
Un diagrama esquemático del modelo se da en la figura 3.4 . Consideramos una onda plana incidente
en una pequeña hendidura en una pantalla. Que satisface las condiciones de contorno de Dirichlet en la pantalla
y teniendo sólo el término de orden más bajo (la longitud de onda larga o límite hendidura pequeña) para la
onda transmitida, la onda transmitida es una onda P. Esta ranura desempeña el papel de la
punto de contacto en el modelo. A continuación, introducir un único dispersor punto para jugar el
punto dispersor, y s es una amplitud dependiente de la energía (en dos dimensiones, s (k) =
- ( 8 πk) 1/2 exp [ iπ / 4] f (k) para la dispersión de amplitud f (k) [ 30 , La ecuación. (2,11)]). Estamos en-
TERESADAS en la determinación del reflujo a través de la ranura, con el reflujo encontrado de la plena ψ
por
h
~J=¯ (3,5)
2 im (ψ * ∇ ψ - ψ ∇ ψ *).
La solución para el pleno ψ requiere la función de Green para el sistema con una
pantalla y una hendidura, que no se conoce analíticamente. Teniendo en cuenta que sólo nos interesa
en el UX FL en la ranura, sin embargo, podemos utilizar la función de Green para un simple plano,
G (~ r, ~ r ') = - yo (3,6)
4 H 0 ( k | ~ r - ~ r '|),
el p-onda. Si utilizamos la función de este verde, la ola que viene o FF del dispersor punto
en la ranura y no están interesados en una mayor dispersión de la orden, esta aproximación es
su fi ciente.
En figura 3.5 , Se muestran los resultados con este modelo. El resultado importante es que,
franjas regulares espaciados a la mitad de la longitud de onda incidente. La onda incidente por sí solo tiene
no hay franjas de intensidad, y la onda completa para cualquier ubicación dada dispersor no tiene
¿Qué tenemos la intención de tomar distancia de este modelo simple si nos fijamos en los sistemas reales?
En primer lugar, que las características que se observan en la conductancia no necesita estar presente en el ser ola
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 46
Figura 3.5: Estos son los resultados calculados para nuestro modelo simple dispersión de QPC conductancia. Cada
imagen es de cuatro longitudes de onda cuadrada. En (A), mostramos | φ | 2, la onda incidente. Tenga en cuenta que no
hay características en esta onda, distintos de la dependencia angular. En (B), se muestra | ψ | 2 para una única ubicación
del dispersor. La onda resultante tiene características para ella, que la onda incidente interfiere con la onda dispersada.
En (C), se muestra el cambio en reflujo como una función de la posición dispersor (es decir, la intensidad en un punto se
determina por el cambio de reflujo a través de la hendidura cuando el dispersor es en ese punto). En esta imagen, vemos
la influencia de | φ | 2 en la dependencia angular y de interferencia en las franjas de media longitud de onda espaciados.
sondeado. Como se ve en esta demostración, los márgenes observados en el trazado de exploración no necesita ser
media longitud de onda. Por último, esperamos que cualquier característica observado que tienen un sobre que
Los experimentos que estamos interesados en el modelado de escanear la punta del AFM sobre una
rejilla de dos dimensiones de los puntos y mira conductancia como una función de posición de la punta.
Teniendo en cuenta la esencia del modelo presentado anteriormente, esperaríamos ver una serie de cosas
en estos resultados. Puede haber flecos en los resultados, con una separación de una mitad
longitud de onda, así como un sobre en general debido a la espacial per fi l del electrón
flujo se va a examinar. Por estas ECTS e ff aparezcan en los datos experimentales, los experimentos
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 47
debe satisfacer una serie de condiciones; entre ellos, que la longitud de coherencia en el
Computacionalmente, tenemos una sola, bien de fi nida de energía y en la longitud fi nita coherencia,
Ya hemos visto la forma funcional del potencial QPC, pero aún no han sido
para especificar la forma de la potencial inducida por la punta del AFM. Es un Lorentz
distancia de punta a 2DEG tiene un mínimo cerca de 60 nm debido al cristal por encima
la 2DEG. La longitud de onda de Fermi en el sistema es, en comparación, cerca de 40 nm. Esta
significa que el dispersor punto utiliza en § 3.1.3 es una mala representación de la dispersión
centro creado por la punta. Con una media de anchura de 1,5 λ f, la Lorentzian es considerablemente
explorar en busca de un punto de contacto operativo en la meseta de la conductancia primera. Estos datos hacen
mostrar la periferia a intervalos de media longitud de onda, como se esperaba. Tenga en cuenta que estos datos no hacen
comenzar hasta 60 millas náuticas de la QPC. Si la punta está más cerca de la punto de contacto, la cola
que o FF. Uno puede ver el principio de este “cross-talk” e ff ect a la izquierda de la exploración.
Las franjas tienen dos características notables. La primera es las franjas concéntricas,
1 Para simular la temperatura finito de los experimentos, podemos realizar cálculos en una serie de energías cerca de la superficie
1.5 mi 2 / h 2 mi 2 / h
Figura 3.6: Estos son los resultados de cálculo para la conductancia de un QPC como una función de la posición de
Lorentz. La región de exploración comienza a la izquierda 60 nm de distancia del QPC, y es 300 nm en un lado. La barra
de escala es lineal, pero es evidente que los colores no se aplican de forma lineal; para llevar a cabo las funciones más
pequeños sobre la mayor parte de la imagen, nos concentramos el mapa de color cerca de 2 mi 2 / h. Hay tres cosas para
señalar en la imagen: la región a la izquierda, donde no podemos ver mucho porque el AFM se está cerrando o FF del
QPC, los anillos concéntricos predichos en la medición de la conductancia y la variación de los anillos causados por las
ondas reflectante o FF de los lados de la QPC.
reminiscencia del modelo simple con un dispersor de punto y una rendija. El segundo es el
variaciones transversales de estas franjas. Esto puede ser explicado como el e ff ect del segundo
Estas franjas también aparecen en los datos experimentales, una muestra de los cuales se muestra
En figura 3.7 . Aquí, también, los datos comienzan a cierta distancia del QPC, para la
misma razón dada por los resultados computacionales. Los datos no es tan “limpia” como la
a partir de los cálculos, debido a otras características, sin control de la potencial paisajístico
cálculos están de acuerdo tanto con la separación de las funciones y de su magnitud relativa.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 49
Figura 3.7: Estos datos son de un experimento y son cortesía del grupo Westervelt. Mostramos la conductancia en
función de la posición de AFM, con el QPC en la meseta de la conductancia primera. se incluye un esquema de la
puerta de punto de contacto. No hay datos se muestran en la región donde la punta del AFM se cierra el punto de
contacto. Flecos están separados por λ / 2 ( ≈ 20 nm)
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 50
nuestra gran Lorentz plantea la pregunta de cómo esto es posible. Nuestra primera pista viene
aproximadamente, la altura de la de Lorentz no es muy grande, pero se observó que reducir a la mitad
características que desaparezcan. Computacionalmente, por supuesto, tenemos un control ner mucho más fi
los parámetros del potencial. En figura 3.8 , Nos fijamos en la conductancia en función
de posición de la punta para una serie de alturas de los picos, a partir de 1,2 mi F y terminando en 0,8 mi f.
Vemos que las características, las cuales comienzan en el orden de 0,05 GRAMO, desaparecen a medida que disminuimos la
altura de Lorentz. Así que está claro, es algo acerca de la presencia de una inflexión clásica
sistema.
mínimos para una comparación directa con el experimento. La fijación de la tensión en el AFM
TEM y seleccionado un área lo suficientemente lejos del punto de contacto que podrían tener
escaneos dimensionales de la punta del AFM y se promediaron las señales resultantes, la obtención de una
di ff valor medio de Erent di ff alturas Erent AFM. Podemos ejecutar una simulación donde
1.6 2.2
1.4
UN) SEGUNDO) 1.82
1.2
∆ G/x 2 ( 2 e 2 / h λ f2)
1.6
1.4
G (2 e 2 / h)
1.2
0.8 1
0.6 0,81
0.4 0.6
0.4
0.2 0.2
0 0
012345678 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5
X ( λ F) X ( λ F)
Figura 3.8: Estos gráficos muestran la conductancia en función de la posición de la punta para una serie de alturas de
los picos punta. El centro de la Lorentz se encuentra en el y = 0 eje y escaneado en el X dirección, comenzando en el
centro del QPC. curvas sucesivas se les da un conjunto o ff vertical de modo que todos ellos pueden ser vistos (el
desplazamiento horizontal aparente es un artefacto de cambiar punta influencia en el QPC). En todos los casos, la
media anchura de la Lorentz es de 1,5 λ. La curva más alta tiene el potencial punta de AFM en aproximadamente 0,8 mi F
y la curva más bajo lo tiene a aproximadamente 1,2 mi f. En (A), se muestra la conductancia, sin modificar fi ed. En (B),
se muestra una versión modificada ed de los mismos datos, en las que mostramos ((2 mi 2 / h) - G) x 2. La razón de esta
modi fi cación es que la
X - 2 geométrica ff fallo de la señal hace que sea difícil ver lo que está sucediendo durante la última parte de las curvas en
(A). En ambos (A) y (B), observamos la desaparición de características como el pico de la Lorentzian cae por debajo de
la energía de Fermi.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 52
0.16
UN) SEGUNDO) 0.14
0.12
Average Signal (e 2/ h)
0.1
0.08
0.06
0.04
0.02
0
0 20 40 60 80 100
Altura (nm)
Figura 3.9: Los datos experimentales y computacionales ((A) y (B), respectivamente) para la intensidad de señal
media como una función de la altura de AFM. El acuerdo es bueno, aunque observamos que el ruido llega a dominar
la señal experimental en torno a 0,01 mi 2 / h. En el trabajo computacional, el pico de la punta del AFM potencial es igual
a la energía de Fermi a una altura punta de 25 nm. Esto es claramente en el rango donde está desapareciendo la
señal, y el redondeo se puede entender como sigue. En la teoría y experimento, hay un suave fondo desordenado
potencial presente (discutido en el capítulo 4 ). Cuando el AFM es por un bache en este potencial, el potencial punta
se elevará por encima de la energía de Fermi para alturas por encima de 25 nm. Tomando este e ff ect en cuenta,
esperamos que la señal desaparezca a una altura de 30 nm. Aunque hay alguna señal residual para los potenciales
de AFM de dispersión más débiles, la desaparición de un punto de inflexión clásica es claramente un evento
significativo.
un promedio. Los resultados, mostrados en la figura 3.9 , Muestran un acuerdo sorprendentemente fuerte.
la señal se lleva a cabo como la protuberancia potencial cae por debajo de la energía de Fermi.
encontrar una onda dispersada de regresar a la QPC. En figura 3.10 , Nos fijamos en la ola real
funciones para los electrones que llegan a través del QPC y dispersan o FF del Lorentz.
Nos fijamos en los modos FF punto de contacto de tres Erent di, ya las tres Erent di ff Lorentz
alturas (una de esas alturas es cero, para proporcionar un punto de referencia). Notamos eso
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 53
el Lorentz por debajo de la energía de Fermi dispersa claramente la onda de entrada, pero hay
es poca interferencia que se remonta en el QPC. Cuando el pico de Lorentz está por encima de la
energía de Fermi, sin embargo, hay una gran interferencia de volver al punto de contacto,
3.1.6 Simetría
del flujo de corriente. Es decir, si dejamos el voltaje en ambos las puertas y la punta de la misma,
en cuenta, ya que las mediciones se han realizado utilizando corriente alterna y la técnicas de lock-in.
Algunos podrían argumentar que esta simetría es el resultado de la dispersión de los agujeros debido fl
frente a los electrones, ya que en un cristal como este podemos pensar en ser actual
llevado por electrones o agujeros (o ambos). Sin embargo, aparece la misma simetría
Nuestro sistema exhibe tanto la conservación de reflujo y el tiempo de reversibilidad (sin magnética
campos sin embargo, se han introducido). Los resultados anteriores consideración en un scat- unitaria
matriz tering (( s T) * = s - 1), y los últimos resultados en una matriz de dispersión simétrica
( s T = s) [ 9 ]. Supongamos que, para un determinado fi con guración del sistema, tenemos metro estafa-
Modos de conductos a la izquierda de la QPC y norte la realización de los modos de la derecha. Nosotros
metro - 1 m+n-1
Σ Σ
GRAMO l → r = 2 mi 2 | s ji | 2, (3,7)
h i=0 j=m
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 54
Figura 3.10: Estas cifras muestran | ψ | 2 para los electrones que llegan a través del punto de contacto abierto a uno,
dos, y tres modos transversales, con tres di ff Erent Lorentzians. El centro de la Lorentzian se centra verticalmente y
derecha del centro horizontalmente. Desde la parte superior, tenemos la altura del pico a 0, .75 mi f, y 1,25 mi f. Lorentzianos
medias anchuras son 1,5 λ en cada caso. Tenga en cuenta que es sólo cuando la altura del pico excede mi F que vemos
fuerte retrodispersión al QPC. Tenga en cuenta también que, con la introducción de los modos segundo y tercero,
vemos “lóbulos” que faltan a la punta del AFM y se doblan pero no retrodispersados.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 55
recordando que la matriz S se conecta a los modos de entrada salientes. Ahora, con el
m+n-1 metro - 1
Σ Σ
GRAMO r → l = 2 mi 2 | s ji | 2 (3,8)
h i=m j=0
plantear que tenemos un sistema con un punto de contacto simétrica y una tensión de polarización CC.
Si colocamos el AFM en el lado de transmisión del sistema, debe ahora ser in-
tuitivo que vamos a tener algún patrón de franjas de interferencia regulares y un sobre
relacionada con la función de onda transmitida. Sin embargo, si colocamos la punta del AFM en el
posición simétrica, debemos tener la misma conductancia. Por lo tanto el mismo patrón
está por ver si escaneamos el AFM en el incidente lado del QPC. Nuestra intuición para el
Antes de las técnicas experimentales fueron desarrollados para la resolución espacial de las elec-
tron flujo, las medidas de conductancia se hicieron con otras variables independientes:
las tensiones en puertas, campo magnético, o energía de Fermi, por ejemplo. Un tal experimento
ment es medir la conductancia de alguna cavidad como una función de estos parámetros,
para estudiar el espectro de esa cavidad, y para extraer información acerca de la dinámica.
Uno de tales cavidad ha sido de particular interés para los grupos Westervelt y Heller
[ 30 , Capítulo 8].
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 56
Figura 3.11: Esta imagen en escala de grises muestra el potencial utilizado para la cavidad resonante en § 3.2 . El
potencial QPC es de la misma forma que hemos considerado hasta ahora. La parte del espejo se define de la siguiente
manera. En primer lugar, encontramos el arco deseado (aquí, 90 grados de arco con el centro de curvatura en el QPC).
Cualquier región a la derecha de este arco se llevará a cabo en algún potencial dado mayor que la energía de los
electrones que entran en el resonador. A continuación, barrer una curva cuártica alrededor del borde de esta región para
hacer la pared blanda; la quartic se elige para que coincida con los valores y derivados de los potenciales a ambos lados
de la pared suave.
La cavidad en cuestión tiene dos componentes (véase la figura 3.11 ). Olas entran a través
un QPC, al igual que hemos considerado anteriormente. Por el lado de la transmisión del QPC
(En este caso, el lado derecho) colocamos un espejo, que es un segmento de un círculo. Podemos variar la
longitud de arco del espejo, así como la ubicación del centro de curvatura. clásicamente,
Este sistema ha sido considerado por el grupo de Heller antes. en [ 31 ], NDS uno fi
cálculos de tren de ondas para el sistema 2DEG, mostrando acuerdo con algún general
un sistema de este tipo, a diferencia de los experimentos 2 grados, uno tendrá de hecho la fuerte
es muy bueno.
Con estos antecedentes, uno podría preguntarse por qué esta geometría debe ser revisada.
La resolución de las características de [ 31 ] Es su fi cientemente gruesa que no podíamos esperar para mostrar
acuerdo mejor que los cálculos de ondas pequeñas, y ya que estamos tratando con suave
los potenciales de los fenómenos serán ff on diferente que las observadas por Hersch. Existen
varias razones para proceder a pesar de estas limitaciones. Una es simplemente para demostrar
por ejemplo, cómo se podría usar la sonda AFM para medir la onda estacionaria en una cavidad.
Nuestra razón principal, sin embargo, es sentar las bases para el trabajo en una cavidad con
uno lo hace de forma experimental. El inconveniente es que, con la información única acerca imperfecta
el sistema experimental, hay cantidad de control nos permitirá exactamente replicarlo. Lo haremos
Por lo tanto, simplemente elegir un rango de parámetros que produce algunos resultados interesantes.
Vamos a usar el sistema resonador con el QPC que tuvo lugar en un solo modo de apertura - es decir,
regresar ondas pueden interferir con la onda de salida (como en el régimen de túneles).
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 58
0.9 1
0.8
0.7
0.6
Transmission
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 dieciséis
Energía (MeV)
Figura 3.12: Aquí vemos la transmisión de la cavidad resonante en una amplia gama de energías, a partir de
cero. Vemos la estructura general que esperamos. A bajas energías, vemos picos individuales
correspondientes a los modos sin nodos angulares y un número creciente de nodos radiales. Para energías
más altas, vemos más estructura que la geometría permite nodos angulares también.
También hacemos el QPC tiempo suficiente para que todo el túnel de otros modos se suprime.
Por último, tomemos mi F como nuestro parámetro independiente y mirar el espectro de una
fi ja cavidad. Hemos establecido el espejo para que el sistema es marginal; es decir, el centro de
curvatura está centrado en la apertura de la QPC (aunque observamos que, para una suave
En figura 3.12 , Vemos la curva de conductancia para una amplia extensión de la energía.
picos de conductancia correspondientes a las resonancias de la estructura. Para energías más bajas,
vemos un patrón regular de picos fuertes individuales, aunque hay algunos más pequeños
picos presentes también. La investigación de estos picos fuertes (véase la figura 3.13 ) vemos eso
Figura 3.13: En esta figura, nos fijamos en las funciones de onda en la cavidad en los picos de conductancia más
fuertes en la figura 3.12 . Estos picos fuertes corresponden a los casos simples de ningún nodo angulares. A partir de
las energías bajas, vemos una progresión gradual en el número de modos radiales existentes en energías que, a escala
adecuada, nos dan la progresión de números enteros cuadrados.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 60
0.7
0.6
0.5
0.4
Transmission
0.3
0.2
0.1
0
6,4 6,6 6,8 7 7,2 7,4 7,6 7,8 8 8.2
Energía (MeV)
Figura 3.14: Aquí nos fijamos en una exploración ner fi de las energías en una banda estrecha de la figura 3.12 , La exposición de la
estructura resultante de los modos con nodos angulares.
exploración de las energías, que se muestra en la figura 3.14 . Vemos la estructura adicional aquí, y en
Figura 3.15 vemos las ondas estacionarias en la cavidad en los picos en esta transmisión
curva.
Capítulo 3: Flujo de electrones en Dispositivos 2 grados simples 61
Figura 3.15: Estas son las funciones de onda de los picos en la conductancia en la figura 3.14 . A estas energías,
observamos que los picos de transmisión más estrechos corresponden a los modos con los nodos angulares. No
hay modos con un nodo central, según lo dictado por la simetría de la cavidad. El pico de transmisión más débil, la
tercera, es notable, ya que es tiene signi fi cativo amplitud cerca de los bordes del espejo.
Capítulo 4
Fluir
puertas electrostáticas y la punta del AFM. Lo que se ha quedado fuera son componentes de la
potencial que están fuera del control del experimentador. Hay desorden en
el cristal 2DEG, lo que lleva a un potencial de fondo bultos que será inevitable
presente en el sistema experimental. Puesto que hemos sido cuidadosos para desarrollar técnicas
que puede manejar los potenciales lisas arbitrarias, podemos desarrollar un modelo para este trastorno
ralmente dejado fuera de las simulaciones, los resultados experimentales del grupo tienen Westervelt
puesto de relieve la importancia de considerar este trastorno. Es no sólo está presente, pero
tiene un impacto signi fi cativo en los resultados se ve en la nueva resolución espacial de la conductancia
62
Capítulo 4: El desorden y ramificada flujo de electrones 63
mediciones.
En este capítulo, vamos a empezar por el desarrollo de un modelo de cómo esta desordenada
potencial debería aparecer. Vemos entonces los ECTS ff e incluyendo que el fondo
A pesar de que todavía no se había discutido, ya hemos visto algunas pruebas de Disorders
der. Haciendo referencia de nuevo a los datos mostrados en la figura 3.7 , Vemos que el de flujo se inclina,
bien lejos del QPC, de una manera que sugiere la presencia de características adicionales en
el potencial. No fue hasta los experimentos probaron la región de flujo de electrones así
lejos del QPC, sin embargo, que el impacto total de este trastorno se hizo evidente.
Mientras que el flujo cerca de la QPC podría ser entendido por una teoría bastante sencillo
mirar los modos transversales del punto de contacto, esta imagen se descompone en el
El flujo de electrones a través de distancias más largas se ve que tiene una estructura ramificada, tal como
muestra en la figura 4.1 . El primer sospechoso por una causa es claramente el fondo desordenada
potencial. Si el potencial 2DEG fueron FL en el QPC después, los patrones simples de QPC
modos transversales se mantendrían en todas las escalas de longitud. Por otra parte, podemos ver que el
Figura 4.1: En esta figura, vemos los datos experimentales tomadas durante un intervalo relativamente grande más allá
del punto de contacto. Vemos inmediatamente que el patrón espacial de la fl ujo no es simplemente una extensión de los
patrones de modos transversales QPC. Las partes (a) y (b) muestran los resultados en sistemas experimentales di ff
Erent, lo que demuestra que este ramificado flujo es más la regla que la excepción. La flecha en (A) indica la ubicación
de una aparente cáustica, lo que indica que la de flujo ha experimentado algún evento de enfoque.
Capítulo 4: El desorden y ramificada flujo de electrones sesenta y cinco
Las técnicas que nos permiten calcular la propagación de electrones con el general lisa
potenciales también nos permiten introducir ningún potencial de fondo que queremos. Debemos
primero determinar qué forma este contexto debe tomar. Hay dos ori- física
sistema físico lo más estrechamente posible. Esto significa que el diseño de un modelo que utiliza la
Vamos a tratar tanto las impurezas y los átomos donantes como cargas puntuales por encima de una
h2 re
V (r) = - q ¯ (4,1)
( r2+
2 metro re 2) 3/2,
expresión por primera aproximación de la 2DEG como ideal la realización de avión y hallazgo
las variaciones de densidad 2DEG [ 32 , § 3.2.2]. A partir de estas variaciones de densidad, observamos
la densidad de dos dimensiones de los estados de encontrar la variación local en número de onda [ 21 ,
Ch. 1]. Por último, determinar la dirección ff potencial reflexivo implícitos en estas número de onda
forma del potencial que surgiría en un 2DEG con la movilidad y el portador limitado
densidad. Lo hace, sin embargo, capturar la característica clave de la proyección en el largo alcance
Capítulo 4: El desorden y ramificada flujo de electrones 66
comportamiento [ 21 , Cap. 9]. Ambos de nuestras fuentes de trastorno tienen una carga | q | = mi, el electrón
cargar. átomos donadores están cargados positivamente, las impurezas están cargadas negativamente. 1
el espacio tridimensional con una densidad ρ yo. La densidad de impurezas es en gran parte una
función del proceso de fabricación. Para las muestras utilizadas en los experimentos de interés
cargos.
Las impurezas aparecen a lo largo del cristal, tanto por encima como por debajo de la 2DEG,
por lo que es e ff caz hay límite en lo lejos que pueden ser de la 2DEG. Tampoco, más
importante, de lo cerca que pueden ser para la 2DEG. Los que son su fi cientemente lejos
Del 2DEG tendrán muy amplios potenciales, los bajos. Los que están cerca de la
A continuación consideramos los donantes. Estas cargas se distribuyen en una de dos dimensiones
región paralela a la 2DEG (llamado δ- dopaje). La densidad de la lámina en esta capa es σ re,
22 nm de distancia de la 2DEG. Cabe señalar que este está más cerca que en muchas
Uno quiere llevar la punta del AFM lo más cerca posible a la 2DEG tener una estrecha
perturbación. Como resultado, la estructura del cristal por encima de la 2DEG se hace más delgada que
de lo contrario es necesario.
La comparación de la densidad de la lámina de átomos donantes para la densidad espacial de impurezas, que
ver que hay un mayor número de átomos donantes significativamente un ff ión de la 2DEG.
1 Los orígenes de las cargas de las impurezas son estados electrónicos localizados. Algunos de los electrones liberados por los
donantes fi nd estas impurezas en la estructura cristalina en lugar de por lo que es a la 2DEG.
Capítulo 4: El desorden y ramificada flujo de electrones 67
La distribución de los átomos donantes en su plano es, sin embargo, de gran importancia. Si
como una hoja de carga con un simple Entretanto campo e ff ect en el 2DEG. Es inevitable
las variaciones en la densidad de átomos donantes que dan lugar a protuberancias en el fieltro potencial
en el 2DEG.
limitar las variaciones en la densidad, que, a su vez, limita las magnitudes de las variaciones de
átomos donadores. La fi autores nd una función de correlación para los átomos donantes cargadas, y una
relación de aplicar esta función de correlación a cualquier densidad átomo donante. Utilizamos esta
densidad para los donantes cargadas, que luego que utilizamos para limitar la distribución aleatoria
de los átomos.
parámetros físicos del sistema. Podemos entrar en el (al menos aproximadamente) conocidos
Un ejemplo de un potencial de este conjunto se muestra en la figura 4.2 . Tenga en cuenta que,
aunque los potenciales son al azar, nos quedamos con ninguna param arbitrariamente ajustable
Capítulo 4: El desorden y ramificada flujo de electrones 68
- 7meV 17meV
Figura 4.2: Aquí vemos un ejemplo del potencial de los trastornos generados por nuestro modelo. se incluyen el
ECTS e ff de las fluctuaciones de densidad de donantes y de impurezas. Los notables ECTS e ff de impurezas
pueden ser vistos como el ocasional fuerte repunte en el potencial, lo que hemos tratado de llevar a cabo con el
mapa de colores. En el potencial real, estos picos más altos que van 17meV, pero los datos han sido picada que
nos permita ver el fondo más suave.
Capítulo 4: El desorden y ramificada flujo de electrones 69
etros. 2 Sería útil, por tanto, para probar el modelo comparando a algún otro
que nos dice lo bien que la partícula “recuerda” su dirección inicial de propagación.
Dejamos que el tiempo de impulso-relajación τ para un potencial ser definido como el tiempo τ para
que el conjunto promedió 3 < c (τ) > ha caído a un valor de mi - 1. Tenga en cuenta que < c (τ) >
decae exponencialmente con el tiempo, como se discute más adelante en esta tesis (véase, por ejemplo,
l = v F τ.
rangos físicamente aceptables de parámetros del sistema, este potencial modelo consistentemente
A continuación, nos gustaría caracterizar a los potenciales aleatorios generados por este
método con el fin de compararlos con los de otros métodos. dos medidas
que utilizamos son longitud de correlación y la distribución potencial de altura. En el primer caso,
3 Aquí, “conjunto” significa tanto nuestro conjunto de potenciales de azar y conjuntos de trayectorias aleatorias en esos potenciales.
Capítulo 4: El desorden y ramificada flujo de electrones 70
circularmente simétrica (una suposición razonable, ya que no hemos construido en cualquier preferida
La distribución de potencial de altura responde a la pregunta “en general, lo grande que son
las características en el potencial?”Para responder a esto, que recogen el valor del potencial en
puntos en una cuadrícula regular. A continuación hacemos un histograma de estos valores. Si el potencial
es su fi cientemente aleatorio (que se encuentra, cuando se toman durante muchos longitudes de correlación), este
distribución será una gaussiana. Tomamos una desviación estándar de esta Gauss
longitud de correlación escalas del orden de 40 nm y las escalas de altura entre diez y
de parámetros experimentales no era un desperdicio; cuando nos encontramos cuántica de reflujo a través de estos
El uso de los métodos establecidos en el Capítulo 2 , La cantidad de más fácil acceso para nosotros
surements realizados en los experimentos, sin embargo, de la conductancia como una función
Capítulo 4: El desorden y ramificada flujo de electrones 71
Figura 4.3: Aquí vemos un ejemplo de cuántica de reflujo a través de un potencial desordenada en nuestro modelo. La
imagen superior muestra el potencial, con un mapa de colores que comienza en verde para valores bajos, a través de gris
y de blanco. El QPC aparece en rojo en la izquierda. La imagen inferior muestra el quantum de reflujo a través del
sistema. Estos datos son sobre un área de dos micras de largo por uno de alto micras.
Capítulo 4: El desorden y ramificada flujo de electrones 72
de la posición de punta de AFM. Es razonable suponer que estas dos cantidades se mostrarán
riamente dependerá de la electrónica de reflujo en su posición. Este supuesto debe, sin embargo,
ser probado. Del mismo modo que hemos simulado una exploración de punta para mirar franjas cercanas al QPC en Fig-
Ure 3.6 , También podemos introducir un potencial punta de AFM móvil en un sistema con ramificado
electrones flujo y medir la conductancia. Como se muestra en la figura 4.4 , Encontramos una fuerte Agreement
ment entre las dos cantidades. Este resultado refuerza tanto la reivindicación experimental
ese electrón de reflujo ha sido asignada, y nuestra intención de sacar conclusiones sobre la
Dado que los potenciales son generados al azar, el objetivo nunca fue reproducir pre
precisamente los resultados de cualquier experimento dado. Sin embargo, nos quedamos encantados al
lo bien que se reprodujeron las características cualitativas. No sólo son las ramas
presente, pero también vemos las mismas escalas de longitud generales para la formación y per-
ruptura de las ramas. En las exploraciones de punta simulados, vemos las características de los datos
En figura 4.3 para el flujo a través de él, no se puede hacer una correlación directa ramificado
ción entre las características evidentes del potencial y las ubicaciones de las ramas. En
en particular, no es el caso que las ramas simplemente siguen las zonas bajas de la
potencial, lo que podríamos caracterizar como “canales” que dirigen el fl ujo. aunque hay
son eventos ocasionales, donde, por ejemplo, el de flujo se divide en torno a una impureza aguda
dispersión central, las ramas son el resultado de la dispersión de ángulo pequeño acumulado.
Figura 4.4: En esta figura, vemos una comparación de la densidad de la mecánica cuántica fl ux (parte superior) y la conductancia
en función de la posición de la punta (parte inferior) para el mismo potencial desordenada. Como era de esperar, la fuerza de la
señal cuando el escaneo de la punta del AFM es dependiente de la densidad de reflujo en la posición de la punta. Las franjas se
ven en la exploración punta no están presentes en el reflujo, también como se esperaba. Estos datos cubren un área de una micra
de largo por .6 micras de altura.
Capítulo 4: El desorden y ramificada flujo de electrones 74
sistema, las ramas permanecen. Ellos pueden cambiar algo en los detalles, pero
presente.
Hasta este momento, sólo hemos considerado el fenómeno de flujo ramificado en sis-
tems sin un campo magnético externo. El ECTS e ff de un campo magnético son algo
En primer lugar, consideremos el e ff ect de un campo magnético sobre el electrón reflujo en sí. En
un sistema con una super fi potencial, el e ff ect del campo sería doblar todas electrones
trayectorias a curvas con algunos radio ciclotrón conocido. Con el trastorno presente,
sin embargo, la dinámica favorecerán algunos caminos más de otros (por lo tanto la naturaleza ramificado
de campo da como resultado un “trinquete” de las ramas como la intensidad de campo se incrementa, en lugar
que un barrido continuo. Aunque esto es dif'ıcil para transmitir sin una continua
teniendo en cuenta las trayectorias clásicas. Para disminuir la conductancia del sistema, un tra-
jectory necesita ser dispersada por la punta del AFM y volver al QPC. En la ausencia
Capítulo 4: El desorden y ramificada flujo de electrones 75
Figura 4.5: Aquí vemos dos conjuntos de datos de electrones reflujo densidad, tomadas con los mismos valores desordenados
potencial, pero en dos di ff Erent magnéticos ELD. Para la imagen superior
B = 0, y para la imagen de fondo B = 25mt. Ambos conjuntos de datos cubren un área de dos micras de largo por una
micra alta. Vemos que, cuando se aumenta el campo, las ramas no se doblan de forma continua. Más bien, las ramas
son los mismos a cierta distancia, momento en el que los electrones toman claramente caminos distintos.
Entendemos esto como el e ff ect del campo magnético acumulando hasta que es su ciente para causar FFI
trayectorias para saltar de una rama a otra forma dinámica favorecida. Este trinquete e ff ect continúa como las de
reflujo aumenta, dando lugar a una flexión neto acumulado de trayectorias. También observamos que la densidad de
reflujo se ha desplazado dentro de las ramas presentes, otro correo ff ect que lleva a cabo el doblado neta causada
por el campo magnético.
Capítulo 4: El desorden y ramificada flujo de electrones 76
de un campo magnético, esto significa que la trayectoria debe incidir sobre la punta del AFM
potencial en un ángulo recto con el punto de inflexión clásica y estar dispersos a lo largo de la espalda
sí mismo. invariancia inversión del tiempo garantiza que la trayectoria seguirá el mismo
rama de nuevo al QPC que se utiliza para llegar a la AFM. La colocación del AFM sobre
una rama garantiza tanto una alta densidad de electrones que chocan y una alta densidad de
En presencia de un campo magnético, se pierde la invariancia de la inversión del tiempo que nos
se usa para describir nuestro proceso de dispersión. La existencia de una trayectoria clásica de
Pensar en términos de inversión del tiempo, sin embargo, nos señala en la dirección de lo que
en su lugar debe esperar para ver. El conjunto de trayectorias que se puede utilizar para volver a la
QPC del AFM son sólo aquellos que son vistos yendo a la AFM de la QPC
para el opuesto campo magnético. Las condiciones para una señal fuerte, la presencia de
Ambos caminos de salida y retorno, son satis fi cado por aquellas regiones del espacio donde éstos
dos patrones de ramificación se superponen. entonces podríamos predecir que la señal medida
con una punta de exploración se correlacionan con el producto de las densidades de fl ux calculado en tanto
signos del campo magnético. Esta predicción nace mediante simulaciones, como se muestra en
Figura 4.6 .
Esta intuición implica una relación que ya sabemos que es cierto: la señal
que se mide debe ser simétrica en campo magnético [ dieciséis ]. Cambio de la señal de la
UN)
SEGUNDO)
DO)
Figura 4.6: En esta figura, se muestran los resultados de una exploración punta del AFM simulada en el
presencia de campo magnético. Los datos son más de una gama limitada, la medición de una micra de largo por .6 micras de
altura. En la fila (A), vemos que el fundente y los resultados de un análisis de punta a cero campo magnético. La
correspondencia entre los dos es como se ha visto antes. En (B), tenemos el reflujo en un campo magnético de ±. 1T. (La
interferencia en la esquina superior derecha de la imagen de la primera en (B) es simplemente el resultado de una rama de
golpear la esquina de la rejilla.) En (C), se muestra la raíz cuadrada del producto de los dos conjuntos de datos en (B), y el
resultado de una exploración de punta de AFM simulado a B = . 1T. (Hemos elegido la raíz cuadrada del producto de manera
que, a medida que tomamos segundo → 0, que se reducen a la imagen utilizada en (A).) Esta exploración punta se correlaciona
con el producto, en lugar de a la de reflujo, ya sea en valor real campo. Nos encontramos la misma punta de datos de
escaneado si tomamos B = -. 1T. La característica más interesante de la exploración punta en (C) se aísla isla de señal cerca del
centro de la exploración donde dos ramas se cruzan entre sí.
Capítulo 4: El desorden y ramificada flujo de electrones 78
Podemos ahora, como se sugirió anteriormente, mirar el correo y siguientes ect que tiene un potencial desordenada
en la cavidad resonante considerado en § 3.2 . En una cavidad, esperamos ECTS e ff notables para
los niveles de desorden que probablemente no se vean en un sistema abierto en nuestras escalas de longitud. los
razón es que los electrones confinados a una cavidad se “vea” el mismo trastorno muchas veces
a medida que rebotan alrededor. Hay tres cosas que consideramos cuando introducimos
trastorno. En primer lugar es que las energías de resonancia de la cavidad se desplazarán, y así los picos
cavidad, especialmente cuando nos acercamos a la marginalidad, es un delicado equilibrio. Pequeños niveles de
trastorno en la cavidad puede destruir fácilmente por las razones indicadas anteriormente. Como resultado,
espectro. Por último, la simetría de la cavidad se rompe por cualquier trastorno. Con el
la simetría rota, las olas pueden acoplarse a una nueva clase de modos de la cavidad y que deben ver
ejemplo del potencial resultante se muestra en la figura 4.7 . En figura 4.8 , Vemos lo
que ocurre con el espectro en una banda estrecha como se introduce el trastorno. Existen
cinco pasos a medida que aumenta la fuerza trastorno, terminando en 0,05 mi F. Incluso en este nivel de
trastorno, se observa que los picos de conductancia existentes se desplazan y aparecen otros nuevos.
cavidad se pierde. En figura 4.9 , Podemos ver lo que está sucediendo a las funciones de onda en el
Mismo tiempo; para la comparación, tenemos las funciones de onda en los picos de conductancia para
trastorno de cero y para el trastorno a 0,05 mi F. Lo más interesante, vemos que el trastorno
Capítulo 4: El desorden y ramificada flujo de electrones 79
Figura 4.7: Esta imagen muestra el potencial en nuestra cavidad resonante con un fondo desordenado introducido.
Debido a las alturas de los picos en el trastorno son pequeñas (alrededor del 5%) en comparación con la energía
de los electrones que vamos a enviar a través del sistema, el mapa de color de escala de grises se corta o FF y no
vemos la suavidad del espejo y QPC. El radio de curvatura del espejo es cinco longitudes de correlación de la
enfermedad.
Capítulo 4: El desorden y ramificada flujo de electrones 80
ha permitido que nuestro sistema previamente simétrica para acoplar a los modos con un nodo central.
Capítulo 4: El desorden y ramificada flujo de electrones 81
0.9 1
0.8
UN)
0.7
0.6
Transmission
0.5
0.4
0.3
0.2
0.1
0
6,4 6,6 6,8 7 7,2 7,4 7,6 7,8 8 8.2
Energía (MeV)
B2 B6
0.9 1 B7
B3
0.8
SEGUNDO)
0.7
A5
B1 A4
0.6 B4
Transmission
0.5
0.4
A1 A2
0.3
0.2
B5 A3
0.1
0
6,4 6,6 6,8 7 7,2 7,4 7,6 7,8 8 8.2
Energía (MeV)
Figura 4.8: Aquí vemos la evolución del espectro de transmisión de la cavidad como la fuerza de la enfermedad se
incrementa. En (A), se muestran seis curvas, el más bajo (negro) no es por un fondo desordenado y la más alta
(púrpura) es para un fondo en .37meV (0,05 mi F para el centro del espectro), con pasos incluso entre. En (B), se
muestran sólo los dos extremos, y que hemos denominado los picos. Vemos el desplazamiento de los picos (por
ejemplo, A4 B6), la desaparición de los picos (por ejemplo, A3), y la aparición de otras nuevas (por ejemplo, B5)
que se introduce el desorden. También observamos el conjunto e ff ect de la enfermedad para aumentar la
transmisión del sistema.
Capítulo 4: El desorden y ramificada flujo de electrones 82
A4) A5)
Figura 4.9: Aquí vemos las funciones de onda de los picos en las curvas de transmisión de la figura 4.8 (SEGUNDO). La
comparación de los dos conjuntos de datos, observamos dos cosas. En primer lugar, mirando a los picos que están
presentes para las dos curvas, la cantidad que cambia una función de onda está relacionada con la altura y la anchura
del pico de transmisión original (comparar A1 cambiar a B2 con división A2 a B3 y B4). Esto tiene sentido, ya estrechos,
altos picos corresponden a las resonancias más fuertes de la cavidad original, y se podría esperar que éstos serán más
difíciles de destruir. En segundo lugar, para las funciones de onda que cambian de forma significativa y para el que no
está presente en absoluto sin trastorno (B5 es el único completamente nuevo pico desde B1 simplemente se ha
desplazado en este rango de energía), el rencia di ff es principalmente la introducción de una componente con un nodo
central. En el sistema original, simétrica, dichos estados no se les permitió.
Capítulo 5
flecos
resultados sorprendentes. El primero era la naturaleza ramificado del flujo, explicado como la
franjas de interferencia regulares durante todo el, rango de varios micrones de las exploraciones.
franjas de interferencia espaciados por medio de la longitud de onda de Fermi se esperaba que cerca de
presente en el electrón flujo permanecerían en fase entre sí. A medida que uno se mueve
más lejos de la QPC, sin embargo, simples consideraciones sugieren que los diversos
ciones con el promediado térmica, como se muestra en la figura 5.1 , Por lo que sabemos que una completa
La teoría se reproducirlos. Esta solución completa no, sin embargo, nos dice mucho acerca
En este capítulo, comenzamos por explicar por qué uno podría esperar al margen de morir
83
Capítulo 5: Franjas 84
UN)
SEGUNDO) DO)
Figura 5.1: Aquí vemos la supervivencia de franjas de interferencia más allá de la longitud térmica en una simulación
completa de la mecánica cuántica. (A) muestra la mecánica cuántica de reflujo a través del sistema; para una discusión de la
naturaleza “ramificada” del reflujo, véase el capítulo 4 . En (B), hemos introducido un potencial de punta móvil y la
conductancia trama como una función de la posición de la punta. Esta exploración se toma a la energía de Fermi. En (C),
tenemos una exploración promediado térmicamente de la misma región. En esta simulación, ` T ≈ 600 nm (véase § 5.1 ) Y el
borde izquierdo de la exploración es de aproximadamente 1 μ m desde el punto de contacto.
Capítulo 5: Franjas 85
como nos alejamos del QPC. A continuación se presenta un modelo simple para la franja para-
mación, apelando únicamente a fi dispersión de primer orden, que tiene una dependencia di ff Erent
longitud. También vamos a echar un vistazo a una idea, apelando a la dispersión de orden superior, que
sugiere que las franjas pueden producirse más allá de la duración de la fase-coherencia.
por electrones en un 2DEG. Aunque hemos encontrado que la contribución de los donantes átomo a la
bución que es más importante para la franja. La razón es que sólo las impurezas dan
nosotros los fuertes centros de dispersión, que son necesarios para obtener las ondas que viajan hacia atrás hacia
el QPC.
Hay muchas cantidades Erent di ff se refiere como “longitudes térmicas”, uno de los cuales
juega un papel importante en nuestra comprensión de las franjas de interferencia. Antes de explicar nuestra
el QPC, por lo que tendrá en cuenta las trayectorias con este resultado. Hay tres fuentes de
dispersión a considerar: las puertas, la punta del AFM, y las impurezas en el cristal
estructura. 1 Las puertas son dispersores claramente fuertes, y esperamos que el mismo
1 Por esta e ff ect, ignoramos la pequeña ángulo de dispersión causada por variaciones de la densidad de átomos donantes. Eso
Capítulo 5: Franjas 86
de la punta del AFM, siempre y cuando se crea una región de agotamiento. Los dispersores de impurezas,
sin embargo, tienen comparativamente pequeñas secciones transversales. Aunque podemos considerar múltiples
acontecimientos de dispersión de la AFM y las puertas, esperamos que cualquier señal que implica múltiples
la dispersión de las impurezas a ser insignificante en comparación con una señal de un solo dispersión.
que se utilizó en la construcción de nuestro modelo simple. Si el QPC no tiene canales abiertos,
de modo que todo proviene de la conductancia de un túnel, a continuación, una onda dispersada de vuelta a la
punta del AFM será, en general, se transmitirá en parte a través de la QPC y parcialmente
reflejada. Esta re fl eja de onda puede esparcir de la AFM nuevo e interferir con el
primera ola volver. Así tenemos, en esencia, una cavidad Fabret-Perot abierta y podemos
consideraciones cinemáticas simples sugieren que estas franjas deben morir a una
` T = ¯ h 2 k 0 / 2 MKT. (5,1)
difusión de las energías implícita sigue siendo notable. Encontramos ` T como la distancia a la cual
olas di ff Ering en energía kT se deriva fuera de fase por un radián sobre la ronda
Es poco probable que causaría una ruta más corta que la longitud de eliminación de coherencia para volver a la QPC.
Capítulo 5: Franjas 87
viaje (QPC a AFM y vuelta). Cuando esto sucede, los patrones de interferencia a partir de
las diversas energías presentes serán su fi cientemente fuera de fase uno con el otro que
la señal agregada no tendría ningún patrón de franjas discernible. Las franjas vistos ex
experimentalmente, sin embargo, sobrevivir mucho más allá de este radio. Buscamos otros paradigmas
Aquí se utiliza un modelo simple, de una sola dispersión para predecir las franjas visto más allá de la
energía presente, y por lo tanto no se aplica más allá de la duración de la fase-coherencia. Nosotros
tendrá en cuenta los eventos de un solo dispersión que implican la AFM y las impurezas que resultan
Era la media térmica, una suma sobre las diversas energías presentes en nuestra prop-
agating electrones, que nos dio la longitud térmica y la expectativa de que las franjas
moriría a cabo. En este modelo, tendremos que realizar una ex integrante promedio térmica
implícitamente. El promedio térmica totalmente correcta se logra mediante una integral sobre la energía
con el derivado de la función de Fermi como una función de ponderación. Con el fin de simplificar
la matemática de este modelo, que buscan una aproximación que es una integral sobre
vector de onda con ponderación gaussiana. Para los rangos de los parámetros en este sistema,
una aproximación de este tipo puede ser hecha a un grado aceptable de precisión.
Deseamos aproximar esta función por una gaussiana preservando al mismo tiempo la normaliza-
El ancho de esta Gaussian se estableció haciendo coincidir el segundo orden en serie de Taylor alrededor
E = E F para las dos funciones. Si nos vamos a coincidir con el valor en E = E F más bien que
emparejan la normalización, veríamos que las formas de las dos curvas son muy
constante. La mayoría del error en esta aproximación viene de este primer paso.
Para transformar este exponencial en una gaussiana k, llevamos a cabo más fi simplificado
) (k2- k2 ) 2
2
0
= (5,5)
2 kT 4 MKT / ¯h 2
h̄ 4
h
= 0) 2
(5,6)
dieciséis metro 2 ( kT) 2 ( k 2 - k 2
h̄ 4
h [ 4 k2
≈ 0( k - k 0) 2] (5,7)
dieciséis metro 2 ( kT) 2
h̄ 4 k 02
h
= (5,8)
4 metro 2 ( kT) 2 ( k - k 0) 2.
h̄ 4 k 02
h
(5,9)
4 metro 2 ( kT) 2 = `2 T,
Capítulo 5: Franjas 89
+ 21
Derivada de la función de Fermi
4.5E + 21 5e approximaion de Gauss
+ 21
3.5E + 21 4E
Weighting function
+ 21
2.5e + 21 3e
+ 21
1.5E + 21 2e
1e + 21
5e + 20
0
0,8 0,85 0,9 0,95 1 1,05 1,1 1,15 1,2
k (k 0)
Figura 5.2: A continuación se muestran dos posibles funciones de ponderación para la comparación. En primer lugar es la
verdadera función de distribución térmica, la derivada de la función de Fermi. En segundo lugar es nuestra aproximación, una
gaussiana en número de onda. Las curvas se calculan para
mi F = 16meV y T = 4.7K.
las dos curvas no son idénticas, es razonable afirmar que los resultados clave de
Deseamos integrar más k más bien que mi en tomando el promedio térmica. Dado
la relación de dispersión E = ¯ h 2 k 2 / 2 metro, tenemos dE = ( ¯ h 2 k / m) dk. Una vez más atractivo para
los valores que aparecerán para k 0 y ` T, podemos aproximar esta relación de dispersión
como lineal en el intervalo de la función de ponderación y tomar Delaware ≈ ( ¯ h 2 k 0 / m) dk. Por lo tanto,
Capítulo 5: Franjas 90
para una señal de s (k, r) en fijada vector de onda, tenemos la señal promediada térmicamente s (r)
dada por
∫
h̄ 2 k 0
h
s (r) = dk correo - ( k - k 0) 2`2 T s (k, r) (5,11)
2 π 1/2 MKT
∫
= π - 1 / 2` T dk correo - ( k - k 0) 2`2 T s (k, r). (5,12)
Este modelo está diseñado para tener las matemáticas simples para que podamos expresar una
resultado analítico. Las aproximaciones hechas no tienen ningún efecto sobre e ff los resultados cualitativos,
y la pequeña e ff efecto sobre los resultados cuantitativos. Simplificamos las matemáticas mediante el uso de mi ikr
en lugar de las funciones de Bessel para las dos dimensiones ondas S. Nosotros asumimos que la dispersión
Tome una distribución aleatoria de dispersores de onda s (las impurezas) en los puntos { r yo}
con la dispersión de longitudes { un yo}, y asumir transporte de fase coherente sobre la redonda
distancias de viaje. Deje que la onda de la QPC ser justo r - 1/2 mi ikr, y la onda dispersada
de un dispersor punto, medida en el QPC, ser ( California yo/ r yo) mi ik ( 2 r i + un yo). Que hemos llamado la
valor de esta constante dependerá de los detalles de los potenciales de dispersión irrelevantes a
Este modelo. Tenga en cuenta también que hay dos factores de r - 1/2 yo
, uno de los siguientes del fallo
de onda que ilumina el dispersor y uno para el ff fallo de la onda dispersada, y que
Capítulo 5: Franjas 91
los avances de fase por la distancia de ida y vuelta, más el desplazamiento de fase. Deje que la punta esté en
un radio r t y tienen la longitud de dispersión un t, dando una ola rendimiento similar. Finalmente,
Σ California yo
mi 2 ikr 'i+ California tmi 2 ikrt.' (5,13)
yo
r yo rt
Estamos interesados en la señal de retorno, por lo que tomamos la plaza absoluta de esta onda.
Nos concentramos en los términos cruzados, lo que dará lugar a las oscilaciones con r t.
[Σ ]
do 2 un yo un t
s (r, k) = 2 Re mi 2 ik (r yo' - r ' t) . (5,14)
yo
r yo r t
Debemos tomar nota en este punto de los términos que estamos descuidando. En primer lugar,
son los términos independientes de r t. Ya que en cualquier sistema físico estaríamos detectando
base. En segundo lugar, existe el término do 2 un 2 t / r 2 t, una señal monotónica generalmente esperado
independiente de energía.
Ahora necesitamos térmicamente promedio de esta señal utilizando la Ec. ( 5.12 ). el térmicamente
señal promediada, promediado después de la cuadrada absoluta de modo que es una suma incoherente, es
[∫ ]
Σ do 2 un yo un t
s (r) = 2 π - 1 / 2` T Re dk correo - ( k - k 0) 2`2 T mi 2 ik (r yo' - r ' t) . (5,15)
yo
r yo r t
Tenga en cuenta que podemos llevar la selección de la parte real fuera de la integral, ya
todos los demás términos en la expresión son reales. Llevamos la parte imaginaria a través de la
promedio térmica, ya que hace más fácil la integral. Realización de la gaussiana resultante
integrante, tenemos
[Σ ∫ ]
do 2 un yo un t
s (r) = 2 π - 1 / 2` T Re dk correo - ( k - k 0) 2`2 T mi 2 i (k - k 0) ( r ' yo - r ' t) mi 2 ik 0 ( r 'yo
'yo - r ' t)
yo
r yo r t
Capítulo 5: Franjas 92
(5,16)
[Σ ∫ ]
do 2 un yo un t
= 2 π - 1 / 2` T Re mi 2 ik 0 ( ryo' - r ' t) dk correo - ( k - k 0) 2`2 T mi 2 i (k - k 0) ( r ' yo - r ' t)
yo
r yo r t
(5,17)
[Σ ]
do 2 un yo un t
= 2 Re mi 2 ik 0 ( ryo' - r ' t) mi - ( r 'yo
'yo - r ' t) 2 / `2 T
. (5,18)
yo
r yo r t
do 2 un yo un t
s (r) = 2 Σ cos [2 k 0 ( r 'yo - r ' t)] mi - ( r '
yo - r ' t) 2 / `2 T. (5,19)
yo
r yo r t
la mayor parte de la señal resultante está perdido. Las piezas que sobreviven a la media son contri-
buciones de los dispersores que se acercan del mismo radio 2 desde el QPC como es
la punta. A pesar de que podemos tener una señal cuando r ' t> `T, la longitud térmica todavía juega
Tenga en cuenta que los márgenes previstos por este modelo se encuentran en la mitad de la longitud de onda de Fermi,
En figura 5.3 , Mostramos ejemplos de s (r) a dos temperaturas para la misma distri-
bución de dispersores. Para hacer la señal más fáciles de observar, dividimos el total
la dependencia radial de la fuerza de la señal. A partir de la ecuación. 5.19 determinamos que existe
una limpieza r - 2 dependencia. Sin embargo, hay un factor menos obvio de r 1/2 esto parece
así, dando la intensidad de la señal de un general r - 3/2 dependencia. los r 1/2 viene de
2 Para ser totalmente correcta, hay que sustituir “longitud de trayectoria” para “radio”.
Capítulo 5: Franjas 93
fase aleatoria, se encuentra que <| σ | > α norte 1/2. Tomando nota de que el número de dispersores en
nuestra ` T - aumentos de banda ancha aproximadamente de forma lineal con el radio, tenemos una resultante
La variación radial de la fuerza franja sugerido por este modelo es, por desgracia,
hecho dif'ıcil para observar experimentalmente por otras variaciones de intensidad de la señal. Ex-
Si cambiamos la suma en la ecuación. ( 5.19 ) A una integral sobre el plano y dejar un i = un ∀ yo,
vamos a partir de un sistema de centros de dispersión discretos a una aproximación continua con
∫∞ ∫π
dr r cos
dθ 2 do 2 Automóvil club k 0 ( r ' -t
[2británico r' t)] mi - ( r ' - r '
t) 2 / `2 T
0 0 rr t
{∫ ∞ ∫π
}
Re = Dr mi club
dθ 2 do 2 Automóvil r ' - r ' t) mi
2 ik 0 (británico t
- ( r' - r' t) 2 / `2 T
(5,20)
0 0 rt
{∫ ∞ }
Re
= 2 πc 2 Automóvil club británico t Dr e 2 ik 0 ( r ' - r ' t) mi - ( r ' - r ' t) 2 / `2 T
(5,21)
rt 0
{∫ ∞ }
Re
= 2 πc 2 Automóvil club británico t Dr e 2 ik 0 [ r - ( r ' t - un/ 2)] mi - [ r - ( r ' t - un/ 2)] 2 / `2 T (5,22)
rt 0
mi - k0`22 T. Para los valores aplicables en los sistemas físicos que hemos considerado,
Capítulo 5: Franjas 94
10
17 K
9 1.7 K
8
UN)
7
6
Signal Envelope
0
0 1 2 3 4 5 6 7 8 9 10
radio ( μ metro)
1.7 K
5
SEGUNDO)
3
1
Signal
-1
-2
-3
-4
-5
0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5
radio ( μ metro)
Figura 5.3: Aquí vemos ejemplos de la señal generada por la ecuación. 5.19 . En todos los casos, mostramos r 3/2 s (r). En
(A), tenemos las envolventes de la señal a dos temperaturas di ff Erent para la misma distribución de dispersores. Los
dispersores tienen una densidad de 40 μ metro - 2,
y λ 0 = 40 nm. Estos demuestran cómo la longitud térmica disminuido a temperaturas más altas da como resultado
una señal más pequeña con variaciones más rápidas con radio. En (B), se muestra la señal en 1,7 K en un rango
más como que escaneada experimentalmente.
Capítulo 5: Franjas 95
Hay razones para ser escépticos acerca de este límite continuo. En particular, se asume
la teoría de dispersión múltiple que una distribución tan regular simplemente puede aparecer como una
significa campo, e ff caz “elevar el piso” del potencial sobre el cual los electrones
propagar.
Además, este cálculo continuo límite nos dice nada acerca de cómo se
se acercó límite. Como se señaló anteriormente, simplemente tomando el modelo de dispersión simple
resultados de colocación en una re 1/2 dependencia de la intensidad de la señal. Es evidente, sin embargo, por lo
algunos densidad el modelo de dispersión simple deja de ser un uno útil. Múltiple de dispersión
Los cálculos han mostrado que, para las densidades de los dispersores aquí considerados, la sola
la dispersión múltiple se vuelve más importante, la señal deja de ser tan fácil de
entender [ 35 ].
Longitud
Otro modelo que podría dar cuenta de franja más allá de la longitud térmica es uno
la punta está dentro de la longitud térmica de impureza (e, implícitamente, dentro de la fase transitoria
longitud de coherencia), entonces una resonancia puede formar entre los dos. La naturaleza de esta
resonancia podría entonces o bien mejorar o suprimir back-dispersión al QPC, por lo tanto
Este modelo fue finalmente rechazado como una explicación de los flecos que nos
la impureza locales que participan en la resonancia. Una consideración de este modelo dirigido
nosotros a la conclusión, sin embargo, que puede ser posible observar franjas de interferencia
no sólo más allá de la longitud térmica, sino también más allá de la duración de la fase-coherencia.
estamos acostumbrados a la idea de medir las propiedades de los sistemas coherentes con
Tenga en cuenta que, en el límite considerado, una señal dependiente de la dispersión múltiple
O ff de impurezas debe ser considerablemente más débil que otro de dispersión simple. En
esperar que el mecanismo de dominar. Sólo más allá de la duración de la fase-coherencia, donde
el modelo de dispersión simple falla, esperaríamos que esta contribución múltiple de dispersión
ser visto.
En una dimensión, podemos trabajar explícitamente lo que está sucediendo con la dispersión BE-
yond la duración de la fase-coherencia. Los resultados de esta manera son simples, pero su ciente FFI
para hacer nuestro punto. Vamos a trabajar en la matriz de transferencia (T-matriz) formalismo (ver
Capítulo 5: Franjas 97
[ 21 , Cap. 5] para una discusión más completa). Este es otro método de matriz de la matriz,
modos en el otro lado. Por ejemplo, teniendo en cuenta el dispersor Q En figura 5.4 , nosotros
tendría
• • • •
• segundo
• • UN •
• • = SQ • • , (5,24)
• • • •
do ' re '
pero
• • • •
• do ' • • UN •
• • T =Q • • . (5,25)
• • • •
re ' segundo
transformar entre los dos. La ventaja del formalismo de transferencia de matriz es que
la matriz de transferencia para un sistema de material compuesto puede ser construida por la matriz multiplicación
conservación ux fl, NDS uno fi que los elementos de la matriz de transferencia pueden ser escritos
en la forma
• •
• 1 / t*r*/ t* •
T= • • , (5,26)
• •
r/t 1/t
y reflexión coe fi cientes están dadas por T = | t | 2 y R = | r | 2. ( Tenga en cuenta que estamos escribiendo
la matriz de transferencia como “T” para evitar la confusión con el Coe transmisión fi ciente “ T. “)
Capítulo 5: Franjas 98
Q T S
X
0 X1 x 1+ x 2
Figura 5.4: Aquí vemos la configuración de dispersión unidimensional descrito en § 5.3 . Los dispersores etiquetados Q,
UN, y S están jugando los roles del QPC, punta de AFM, y dispersor impureza respectivamente.
• mi iφ 0 •
A (φ) = • • . (5,27)
• •
0 mi - iφ
Esta matriz es la matriz de transferencia para la propagación en el espacio libre, donde la ola
acumula una fase φ. Esta matriz es útil porque nos permite tratar cualquier dispersor
como si se encuentra en el origen; nos limitamos definen la matriz T yo( X yo) para un dispersor
φ 1) = A (φ 0) A (φ 1). Suponiendo que el transporte de fase coherente, que ahora puede escribir el T-
(5,29)
trabajando de derecha a izquierda según lo dictado por la definición de los T-matrices. Vemos eso
manera: que añadir una fase adicional, al azar para que acumulado entre el QPC
con UN - 1 ( kx 1 + φ), dónde φ es una variable aleatoria con una distribución P (φ, x 1).
Se incluye una dependencia X 1 porque esperamos que la distribución de ampliar a medida que
Con la acumulación fase general α, vamos a ser capaces de aplicar esto a nuestro subsistema
)
t -BA1 = ( t segundo t UN) + ( mi 2 iα r segundo r * UN
( t segundo t * UN) - 1 (5,33)
T UN T segundo
T BA = | t BA | 2 = (5,34)
1 + R UN R B + 2 ( R UN R SEGUNDO) 1/2 cos (2 α + 2 δ A + ρ segundo - ρ UN) .
T UN T segundo
T BA = (5,35)
1 + R UN R B + 2 ( R UN R SEGUNDO) 1/2 cos (2 α + Φ LICENCIADO EN LETRAS) .
Usando la ecuación. 5.35 , Podemos hallar la expresión de la conductancia de cualquiera de una manera coherente
TT TS
T ST = (5,37)
1 + R T R S + 2 ( R T R S) 1/2 cos (2 kx 2 + Φ S T ) .
función de distribución de fase aleatoria P (φ, x 1). Trabajando a partir de la definición de T STQ en
Eq. 5.31 ,
∫ ∞ -∞ dφ
T Q T S T P (φ, x 1)
T CCT = (5,38)
1 + R Q R ST + 2 ( R Q R S T ) 1/2 cos (2 φ + 2 kx 1 + Φ CCT) .
Supongamos que estamos mucho más allá de la duración de la fase-coherencia, y podemos razonable-
hábilmente aproximada P (φ, x 1) como una constante; es decir, es igualmente probable que cualquier fase. Tomando
∫2π
TQ TST/ 2 π
T CCT = dφ (5,39)
0 1 + R Q R ST + 2 ( R Q R S T ) 1/2 cos (2 φ + 2 kx 1 + Φ CCT)
= TQ TST . (5,40)
1 - RQ RST
Esta expresión también debe resultar familiar; podríamos escribirlo de primera princi-
ples, teniendo en cuenta la transmisión de dos barreras ignorando ECTS ff interferencia E (es decir, una
Por lo tanto, el formalismo de la transferencia de la matriz nos muestra que el sistema en su conjunto se comporta
como era de esperar: tenemos resonancia entre dispersor y la punta que no le importa
Hay varias herramientas que están disponibles cuando uno trata con tra- clásica
Curso 9].
La matriz de la estabilidad se ve generalmente como se aplica en los sistemas con órbitas periódicas.
Parte del objetivo de este capítulo, además de detallar una derivación de la estabilidad
ecuaciones matriciales que pueden ser más claras que las ven generalmente, es destacar la
errores que se pueden hacer si se tiene estabilidad periódica órbita e ingenuamente se aplica en
Empezamos viendo lo que la matriz de estabilidad METRO nos habla de una clásica
trayectoria. Con este entendimiento, encontramos una expresión para la matriz de estabilidad en
en el di ecuación ff diferencial a ser resuelto por los elementos de la matriz de estabilidad. Nosotros
luego tomar un segundo vistazo, llegando a la misma ecuación diferencial di ff por una más directa
101
Capítulo 6: Estabilidad y la Matriz de Estabilidad 102
pero tal vez menos clara ruta. A continuación, nos fijamos en algunas propiedades de la matriz de estabilidad
que será útil en la comprensión de la misma. Por último, nos fijamos en lo que nos dice esta matriz
La matriz de estabilidad nos dice acerca del comportamiento dinámico local a un determinado trayec-
conservador. La idea de la “dinámica local” es bastante simple. Dada una trayectoria de referencia
propagándose a través de un cierto potencial complicado, nos preguntamos qué está sucediendo a otra
el potencial, no será, en general, ser algún entorno suficientemente pequeño que podemos
linealizadas, dinámicas locales. Hay que tener cuidado al observar que la matriz de Estabilidad,
por lo tanto, ser una propiedad asociada con una trayectoria individual. Además, es
dimensiones que
Es decir, hacemos un seguimiento de la ubicación de la trayectoria en un total de 2 NORTE- espacio de fase dimensional.
La fi especificación de todos los 2 norte coordenadas en cualquier momento es su ciente FFI para especificar una trayectoria.
Deje una trayectoria ~ X 0 ( t) nuestra trayectoria de referencia, y dejar una segunda trayectoria ~ x (t)
Capítulo 6: Estabilidad y la Matriz de Estabilidad 103
~ (x 0) = ~ X 0 ( 0) + δ ~ x ( 0). (6,2)
Teniendo en cuenta esta definición, podemos tomar lo natural definición de un dis- dependiente del tiempo
colocación
Utilizamos la evolución de este vector de desplazamiento para definir nuestra matriz de estabilidad para el
para definir la matriz de estabilidad METRO( t). Tenga en cuenta que la matriz depende de nuestra
ción. Es decir, la matriz de estabilidad describe el comportamiento de todas las trayectorias en una
ecuaciones es por primera mirar la evolución de una trayectoria bajo la clásica habitual
Capítulo 6: Estabilidad y la Matriz de Estabilidad 104
dinámica con el paso de tiempo discreto τ. Vamos a proceder de esta manera, con el tiempo tomando
δ ~ x (t 2) = DM ( t 2, t 1) · δ ~ x (t 1). (6,6)
Nuestra matriz de estabilidad original se puede escribir como METRO( t) = DM ( t, 0). También podemos utilizar
DM matrices para romper el intervalo de tiempo de encontrar METRO. Por ejemplo, tomar dos
DM ij ( t 2, t 1) ≡ ∂ ? x yo( t 2) (6,8)
∂? x j ( t 1) .
La matriz DM es útil, por el momento, para el seguimiento de la evolución de METRO en una sola
La forma más sencilla de discretizar el tiempo para una trayectoria, pasando sólo para el fin primero en τ
donde por V q nos referimos a la q derivado del potencial V. 1 El uso de estos y la Ec. ( 6.8 ),
• 1 τm - 1 •
DM ( t + τ, t) = • • . (6,11)
• •
- τV qq 1
1 Utilizamos estas expresiones de manera que podamos, después, tomar τ a cero y obtener una ecuación diferencial di ff. Si se quisiera
convertir el sistema continuo en un mapa de tiempo discreto, este no es el camino que hay que hacerlo - el mapa resultante no sería
simpléctico (área de preservación).
Capítulo 6: Estabilidad y la Matriz de Estabilidad 105
METRO( + Τ t) = DM ( + Τ t, t) DM ( t, 0) (6,12)
= DM ( + Τ t, t) METRO( t) (6,13)
˙
METRO( t) ≈ [ METRO( t τ +) - METRO( t)] τ - 1 (6,14)
≈ [ DM ( + Τ t, t) - ESTOY( t) τ - 1 (6,16)
K ( t) = [ DM ( + Τ t, t) - YO] τ - 1 (6,18)
• •
• 0 metro - 1 •
K ( t) = • • . (6,19)
• •
- V qq 0
Notamos eso τ ha caído de esta expresión, por lo que puede llevar al límite τ → 0
Por dos razones, ahora vamos a trabajar a través de una segunda derivación del diferencial di ff
ecuación para METRO( t). Una razón para ello es que la extensión de dimensiones superiores es
Al igual que antes, estamos buscando los elementos de ˙ METRO( t). Estos pueden ser escritos más intuitiva
como
( ∂x yo( t) )
˙
METRO ij ( t) = ∂ . (6,20)
∂t ( METRO ij) = ∂ ∂t ∂x j ( 0)
( ∂x yo( t) )
˙
METRO ij ( t) = ∂ . (6,21)
∂x j ( 0) ∂t
Los términos dentro de los paréntesis son del todo “local” en el tiempo, y nos lo bastante
tener un derivado local fuera así. Para conseguir eso, ampliamos la derivada usando
∂ ∂x j ( 0) = Σ ∂x k ( t) ∂ ∂x k ( t)
. (6,22)
k
∂x j ( 0)
También tenemos que mirar en el término dentro del paréntesis y tratar de simplificarlo.
Podemos escribir en términos de la función de Hamilton, aunque hay que tener cuidado
sobre el tiempo X yo( t) es una coordenada espacial o una coordenada de impulso - hay una
diagonales de K.
Capítulo 6: Estabilidad y la Matriz de Estabilidad 107
esto nos da
• •
• 0 yo metro - 1•
K ( t) = • • (6.25)
• •
- ∂ 2 V / ∂q yo ∂q j 0
En una dimensión, esta definición reproduce la matriz K que vimos en nuestra anterior
derivación.
Hay una restricción en la matriz de estabilidad que necesita ser observado: debe
la mecánica clásica tal como se establece en el teorema de Liouville, ya que ahora se mostrará. Ya que es
No siempre es obvio, vamos a ver primero a una demostración del teorema de Liouville. Dejar f (~ x, t) ser una
el espacio como una función de la 2 norte posición espacio-fase dimensional ~ X y tiempo. El total
df
X · ∇ F, (6,26)
dt = ∂ t f + ~ ˙
dónde
Σ ∂ ∂
∇ ≡ norte q̂ yo
q + pag yo (6,27)
i=1
∂q yo ∂p yo
∂ t f = · -∇ ( f ~ ˙ X). (6,28)
df
X) + ~ X
˙ ·∇F
Ẋ (6,29)
dt = · -∇ ( f ~ ˙
Capítulo 6: Estabilidad y la Matriz de Estabilidad 108
= - ~ ˙ X · ∇ F - F ∇ · ~ ˙ x + ~X
˙ ·∇F
Ẋ (6,30)
=-F∇·~˙ X (6,31)
Σnorte ∂
=-F q̇ i + ∂
q ˙ yo
pag (6,32)
i=1
∂q yo ∂p yo
Σnorte ∂ ∂H ∂H
=-F -∂ (6,33)
∂q yo ∂p yo ∂p yo ∂q yo
i=1
= 0. (6,34)
donde hemos utilizado las ecuaciones de Hamilton. Esto demuestra que, para un sistema de Hamilton,
Dicho de otra manera, los volúmenes en el espacio fase se conservan. Ahora nos relacionamos esta declaración
a nuestra matriz de estabilidad. Recordemos que el NORTE- dimensional volumen definido por norte vectores
está dada por el determinante de una matriz con los vectores como columnas. 3 Si definimos una
matriz RE( 0) con norte Los vectores de desplazamiento como las columnas, podemos actuar en todos ellos
simultáneamente tomando RE( t) = METRO( t) RE( 0). Por las propiedades del determinante, nos
tienen | RE( t) | = | METRO( t) || RE( 0) |, por lo que la conservación de la NORTE- volumen dimensional de fi nido
entendemos por ella en un sentido general. La estabilidad es una propiedad de una trayectoria dada, y
proviene de la dinámica local, linealizados como se representa por la matriz de estabilidad. Nosotros
considerar una trayectoria estable si, en alguna escala de tiempo de interés, que las trayectorias
comenzar cerca de ella tienden a permanecer cerca de ella. Cabe recordar que una de fi nición del caos
3 En dos dimensiones, esto se reduce a la magnitud del producto cruzado, y en tres dimensiones a la triple producto escalar.
Capítulo 6: Estabilidad y la Matriz de Estabilidad 109
es que las trayectorias que comienzan cerca uno del otro divergen exponencialmente con el tiempo;
Sin embargo, como veremos más adelante, esta consideración conduce a bastante di ff Erent matemática
siendo consideradas las descripciones en función del tipo de sistema. Tenga en cuenta que, en la mayor
En consecuencia, puede haber cierta ambigüedad en esta definición de la estabilidad. En los casos ff Erent di,
Antes de seguir adelante, debemos hacer una digresión aparente por un momento y
mencionar el método utilizado para reducir la dimensionalidad de un sistema. Tenga en cuenta que lo haremos
Siempre que se habla en términos de los potenciales en dos dimensiones, aunque estas nociones
para realizar un seguimiento de una trayectoria dada, todos ellos dependen del tiempo. Como se señaló anteriormente, la
especí fi cación de todo el espacio de fases coordenadas en cualquier momento determina completamente un tra-
jectory. En la mayoría de los sistemas físicos, sin embargo, tenemos información adicional. Si nosotros
asumir un potencial estático (es decir, independiente del tiempo), entonces la energía de nuestro partícula
espacio de fase por una dimensión. Por lo tanto, por ejemplo, una trayectoria puede ser completamente
la práctica habitual es para reducir la dimensionalidad mediante la adopción de las rebanadas bidimensionales
de espacio de fase. Supongamos, por ejemplo, tomamos un avión de la fijada X- coordinar y buscar
en donde todas las trayectorias pasan a través de este plano. Desde el X- coordinar está dada por la
ubicación del avión, todas nuestras trayectorias se determinan por completo especificando
es generalmente la práctica tomar solamente las trayectorias que pasan a través del plano de
dada lado a otro, por lo que la y El impulso puede ser utilizado sin ambigüedad como
sistemas abiertos. Se trata en muchos libros que tienen que ver con la dinámica clásica caóticas
El sistema habitual en el que se escucha sobre el análisis de la estabilidad es un sistema cerrado con
órbitas de época. Aquí, uno nds fi la matriz de estabilidad durante un único periodo de un periódico
de eso.
La primera cosa a hacer es fi para seleccionar una superficie de la sección en el dominio del sistema.
La superficie de la sección de fi ne una dinámica discretos en la parte superior de nuestra continua Newto-
de una trayectoria con esa superficie, tenemos un mapa que tiene una trayectoria de uno
pedido: dado un punto de la superficie de la sección que corresponde a una referencia periódica
trayectoria, lo que ocurre con los puntos vecinos bajo norte iteraciones del mapa? Nota
que, por definición, no importa cuántas veces iteramos el mapa, el punto de referencia
METRO por nuestra trayectoria de referencia para una sola iteración del mapa; esto es esencialmente
exponente para la trayectoria, es el logaritmo del valor propio más grande de esta matriz.
¿Por qué esta medida? Tome cualquier desplazamiento general (en la superficie de la sección) δ ~ x 0 y
Estamos interesados en la forma en que el desplazamiento inicial es cada vez mayor, por lo que queremos la longitud
[1
h = lim . (6,36)
norte → ∞ norte En | δ ~ x n |]
los valores propios λ yo y vectores propios ~ v yo de la matriz METRO nos permitirá ampliar la
desplazamiento inicial
Si ordenamos nuestros valores propios de tal manera que λ 0 ≥ λ yo, podemos decir eso
( λ yo ) norte
Σ
METRO norte · δ ~ x 0 = λ norte 0 do yo v ~ yo (6,39)
yo
λ0
lim (6,40)
norte → ∞ METRO norte · δ ~ x 0 ≈ λ norte 0 do 0 ~ v 0
[1
h = lim (6,41)
norte → ∞ norte En | δ ~ x n |]
≈1 (6,42)
norte En | λ norte 0 ~ v 0 do 0 |
=1 (6,43)
norte ln ( λ norte 0 do 0)
= ln λ 0 + 1 (6,44)
norte En do 0
≈ En λ 0. (6,45)
es útil considerar los valores propios de la matriz monodromía. Las trayectorias pueden ser
poner en tres categorías generales por este método al observar las huellas, o sumas de
los valores propios, de sus matrices monodromía. Tenga en cuenta que nuestra matriz de estabilidad original
trayectorias tendrán el mismo tiempo para una iteración del mapa, como resultado de la
la superficie de la sección, sólo hay dos valores propios a considerar y, como resultado, se
valores propios son reales. Uno de ellos es mayor que 1, y el otro menor que 1. En este caso,
Capítulo 6: Estabilidad y la Matriz de Estabilidad 113
Si la traza de la matriz de estabilidad es menor que 2, entonces los valores propios deben estar
complejo; serán complejos conjugados el uno del otro. En este caso, el Lyapunov
exponente es cero.
Si la traza de la matriz monodromía es exactamente 2, entonces ambos valores propios son iguales
• •
• 1 re •
M= • • (6,46)
• •
01
• • • •
• un • • a + ndb •
• ·
METRO norte • = • • . (6,47)
• • • •
segundo segundo
se vuelve bastante sentido si tenemos en cuenta los sistemas abiertos, donde las trayectorias de
potenciales varias veces, lo que no es verdadero sentido de iteraciones o tomar límites como
norte → ∞.
Todavía puede haber una tentación, sin embargo, utilizar el exponente de Lyapunov como
• •
• 0 un •
METRO( t) = • • (6,48)
• •
- 1 / un 0
durante algún tiempo t. En este caso, el determinante es 1 (según sea necesario), los valores propios son ± yo,
medida. Sin embargo, vemos que si tomamos δ ~ x ( 0) = (0, 1), tenemos δ ~ x (t) = (a, 0).
Podemos hacer que este final de desplazamiento tan grande como lo deseamos por nuestra elección de un, pero el
concepto que estamos buscando es la misma: ¿cuánto se mueven las trayectorias de vecinos
desplazamiento inicial que resulta en el mayor estiramiento. Podemos tomar nuestra inicial
• •
• cos θ •
METRO( t) ·• • = δ ~ x (t; θ). (6,49)
• •
pecado θ
a continuación, queremos maximizar | δ ~ x (t) | como una función de θ. Si etiquetamos a los elementos de la
4 Todavía queremos estar trabajando dentro de la in fi barrio infinitesimal alrededor de la trayectoria de referencia donde la dinámica lineal en METRO
son una aproximación razonable. Dado que la acción de METRO es lineal, sin embargo, podemos trabajar con vectores de norma 1 para hacer la
vida más simple; sticklers puede multiplicar todas las ecuaciones por algún infinitesimal δ sin cambiar nada más.
Capítulo 6: Estabilidad y la Matriz de Estabilidad 115
matriz de estabilidad
• •
• ab •
METRO( t) = • • , (6,50)
• •
discos compactos
se encuentra que
(6,51)
Si no tenemos ninguna razón para estar interesado en cualquier desplazamiento inicial por encima de cualquier otro,
1
(6,52)
2 ln (max | δ ~ x (t; θ) | 2)
Supongamos que no estamos interesados en el comportamiento de una trayectoria aislada, sino
más bien en el comportamiento de una colección de trayectorias, o colector. Por ejemplo, podemos
puede tomar trayectorias que emanan de un punto único en una distribución de ángulos. En
todas las posibles direcciones de desplazamiento iniciales. En nuestro ejemplo, es posible dis- inicial
colocaciones sobre una trayectoria de referencia dado no están representados por el colector.
De hecho, podemos especificar un único vector re para una trayectoria dada que apunta a lo largo de la
barrio. Para una imagen para ir junto con el fallo, consulte la figura 6.1 .
|||.
r (t) = En ||| METRO( t) · ˆ re (6,53)
Capítulo 6: Estabilidad y la Matriz de Estabilidad 116
M (t) d
re
Figura 6.1: Esta figura es ilustrativa de la dinámica local alrededor de una referencia
trayectoria cuando es un miembro de un colector de trayectorias. El colector es un objeto unidimensional en nuestro
espacio de fase, a partir de la izquierda como una línea sencilla (por ejemplo, todas las trayectorias de partida en el
mismo punto con una distribución de ángulos). Con el tiempo, va a evolucionar a un objeto complejo, pero aún
unidimensional (haciendo caso omiso de una posible dimensión fractal con el tiempo a infinito). La acción de la
dinámica local, lineales dará vuelta a algunas círculo de desplazamientos sobre nuestra trayectoria de referencia en
algún elipse. Podemos ver, sin embargo, que el máximo estiramiento de esta elipse no es tan relevante como el
estiramiento del vector
El exponente rarefacción nos dice cuánto trayectorias desplazados a lo largo del primer
Promedios Ensemble
Uno de los temas de la investigación en esta tesis es que, cuando se trata de azar
sistemas, hay un comportamiento interesante para encontrar buscando en las realizaciones individuales
de los potenciales aleatorios. Fue sólo de este modo que nos encontramos con el ramificado
estructura de flujo. Hay, sin embargo, razones para mirar el comportamiento estadístico se ve en
(Es decir, la ramificado flujo en una realización potencial dado con condiciones iniciales dadas)
sólo puede ser determinado por ejecutar realmente las trayectorias. El comportamiento de la
promedios del conjunto, sin embargo, son en algunos casos susceptibles de tratamiento analítico. Esta
es parte de la fuerza que las simulaciones clásicas llevar a la mesa, con la riqueza
de información acerca de las trayectorias individuales que está disponible para nosotros.
En este capítulo, vamos a ver varias formas en que podemos caracterizar las estadísticas
Hay dos formas equivalentes para llegar a estas medidas estadísticas, a los que
se hace referencia generalmente como “promedios del conjunto.” El primero es ejecutar las trayectorias de
118
Capítulo 7: Promedios Ensemble 119
muchos potenciales Erent di ff generados de la misma manera (es decir, utilizando las mismas funciones
pero con semillas aleatorias di ff Erent). La otra es ejecutar muchas trayectorias independientes
en el mismo potencial. Aquí, la “independencia” significa que las trayectorias deben ver
historias no correlacionados medida que se propagan a través del potencial. Este requisito
la práctica, se utiliza una combinación de estos dos enfoques para asegurar que no somos
Palabras tal vez hay que decir acerca de cómo este procedimiento se relaciona con las fotos
de ow fl ramificado que aparecen en esta tesis en otro lugar. Esas imágenes surgen de
el lanzamiento de muchas trayectorias que son casi tan lejos de “independiente” como uno puede conseguir;
que están destinados a ser relacionada con las fuentes físicas. Se puede esperar que el conjunto
promedios serán en absoluto aplicar a estos sistemas? La respuesta es sí, y que podría llegar a
los mismos resultados para los promedios de conjunto con sólo mirar a los cálculos de ramificado
flujo. El problema es que, dado que las trayectorias no son independientes en cualquiera
reflujo fue modelado muy de cerca después de que el potencial físico en el sistema. El fin
resultado fue un potencial aleatorio que podría caracterizarse por dos cantidades: una longitud
Capítulo 7: Promedios Ensemble 120
escala, determinado por la función de autocorrelación, y una escala de altura, determinada por
electrones dispersados.
fenómeno peculiar a un potencial aleatorio generado de esta manera (densidad de los donantes
fl uctuaciones), o se trata de un fenómeno general más dependiente en gran medida en estos esta-
La versión simplificada más estrechamente relacionada con el modelo que en un principio se consideró
es la convolución de una protuberancia gaussiana bidimensional con una rejilla de valores aleatorios.
métodos es fácil de generar. Esta es la forma que hemos utilizado con mayor frecuencia,
por razones que se discutirán más adelante. Otro potencial que es simple
ondas de coseno orientado. Hemos generado un potencial tan tanto mediante la adopción de un único
número de onda y mediante la adopción de una distribución normal de números de onda alrededor de una media. 1
El problema de la propagación clásica a través de los medios de comunicación al azar ha sido sin duda
1 Aunque se podría suponer que la adopción de una distribución de números de onda daría lugar a una mayor “al azar” potencial, lo contrario
es cierto para un número fijo de ondas componentes. Con un número de onda fijada, sólo tenemos que lograr un su fi cientemente densa
distribución en un círculo en el espacio de Fourier; para un rango de números de onda, tenemos que lograr un su fi cientemente densa
distribución de una corona circular.
Capítulo 7: Promedios Ensemble 121
estudió en el pasado, por lo que es importante que hagamos claro desde el principio lo que el régimen
están estudiando. Hay dos tipos de medios aleatorios dominan la literatura hasta la fecha. En primer lugar se encuentran
sistemas de dispersores de puntos separados por el espacio libre. En este régimen, los dispersores son
generalmente se considera que ser fuerte, de modo que los eventos de dispersión raras son de gran ángulo
[ 39 , 13 ]. En segundo lugar están los sistemas con un potencial de “ruido blanco”. En un sistema tal, el
potencial se considera que tiene un valor sin correlación de punto a punto y con un poco
Como se discutió en § 4.3 , Nuestro potencial modelo original se caracterizó por una gaussiana
que exhiben flujo ramificado, y especialmente al tratar de hacer algo por el estado analítico
mentos sobre las trayectorias de estos potenciales, tenemos que mirar a estas propiedades.
A pesar de que vemos el fenómeno de ramificación en muchos tipos di ff Erent de azar suave
potenciales, todos los potenciales aleatorias suaves no son iguales. Aquí, nos fijamos en el
funciones de autocorrelación para nuestros potenciales. Miramos primero a una concreta mathemat-
A continuación, aplicamos esto a dos tipos de potenciales que dió ramificados flujo.
potenciales que exhiben flujo ramificado, que no queremos alejarse demasiado de la original
potencial, pero también en sus derivados, son de gran valor para nuestro tratamiento analítico.
Capítulo 7: Promedios Ensemble 122
Hay dos conceptos que utilizamos para caracterizar la dependencia espacial de nuestra
Estos dos conceptos son simplemente relacionados entre sí. Tenga en cuenta que, a menos que se
se indica, todas las integrales en esta sección son en el rango de ( -∞, ∞).
Empecemos por de fi nición de la función de autocorrelación para una función f (x, y) ser
∫ ∫
c (α, β) = dx dy f (x + α, y + β) f * ( x, y), (7,1)
donde suponemos una normalización implícita de tal manera que do( 0, 0) = 1. Al mirar nuestra
potenciales, sino que también serán útiles para mirar el auto-correlación de los derivados de la
∫ ∫
do Minnesota( α, β) = dx dy f ( Minnesota)( x + α, y + β) f ( Minnesota) * ( x, y) (7,2)
Tomando nota de que la transformada de Fourier de un derivado está dada por (véase [ 14 , Cap. 15])
∫
F norte( t) = 1 dω ( - iω) norte F (ω) e - iωt (7,3)
2π
∫
f (t + τ) = 1 dω F (ω) e - iω (t + τ), (7,4)
2π
tenemos
∫ ∫
do Minnesota( α, β) = dx dy f ( Minnesota)( x + α, y + β) f ( Minnesota) * ( x, y) (7,5)
∫ ∫ [1 ∫ ∫
= dx dy dk dl ( - ik) metro( - Illinois) norte F (k, l) ×
4 π2
Capítulo 7: Promedios Ensemble 123
(7,8)
∫ ∫
=1 dk k dl 2 metro l 2 norte F (k, l) F * ( k, l) e - ikα mi - ilβ (7,9)
4 π2
∫ ∫
=1 dk k dl 2 metro l 2 norte S (k, l) e - ikα mi - ilβ (7,10)
4 π2
donde, en el último paso, tenemos de fi ne una “función espectral” S (k, l) ≡ F (k, l) F * ( k, l).
Aunque esto puede no parece ser un progreso real, lo es. Volvamos por un momento
a do 0,0 ( α, ß),
∫ ∫
do 0,0 ( α, β) = dx dy f (x + α, y + β) f * ( x, y). (7,11)
En la mayoría de las situaciones, uno cualquiera conocer esta función o uno sabrá su Fourier
transformar. Teniendo en cuenta tampoco, podemos hallar las correlaciones derivadas. Asumamos por el
∫ ∫
1
dk dl S (k, l) e - ikα mi - ilβ = do 0,0 ( α, β) (7,12)
4 π2
∫ ∫
S (k, l) = dα c dβ 0,0 ( α, β) e ikα mi ilβ. (7,13)
∫ ∫ {∫
do Minnesota( α, β) = 1 dk k dl 2 metro l 2 norte dα ' ∫ dβ ' do 0,0 ( α ', β ') mi ikα ' mi ilβ '} mi - ikα mi - ilβ
4 π2
(7,14)
Capítulo 7: Promedios Ensemble 124
Para la mayoría de los potenciales con los que tratamos, no hay una dirección preferida. Ese
es decir, se espera que la función de correlación sea simétrica circularmente. Con ese
supuesto, también será encontramos que la función espectral es circularmente simétrico. Dejar
Consideremos
α = r cos θ (7,15)
β = r pecado θ (7,16)
k = κ cos φ (7,17)
l = κ pecado φ. (7,18)
La transformación de nuestras ecuaciones, se trabaja con la primera función espectral fi, tenemos
∫ ∫
S (k, l) = dα c dβ 0,0 ( α, β) e ikα mi ilβ (7,21)
∫∞ ∫2π
Por el supuesto de que tenemos una función de correlación circularmente simétrica, podemos
∫∞ ∫2π
el cual, observamos, también es simétrica circularmente. El uso de este hecho, podemos escribir
∫ ∫
do Minnesota( α, β) = 1 dk k dl 2 metro l 2 norte S (k, l) e - ikα mi - ilβ (7,25)
4 π2
∫∞ ∫2π
(7,26)
∫∞ ∫2π
(7,27)
tantes se encuentran a lo largo de una cuadrícula cartesiana. Esto se manifiesta en los términos adicionales en el
angular integral. Sin embargo, teniendo en cuenta nuestras suposiciones, podemos tratar el m = n = 0 caso
∫∞ ∫2π
Como resultado, esto ha sido una de las características de fi nición de los potenciales usados para
c (r, θ) = e - r 2 / L 2 (7,31)
Capítulo 7: Promedios Ensemble 126
por alguna escala de longitud L. Utilizando los resultados con simetría circular anterior, entonces tenemos
ese
∫∞
S (κ, φ) = 2 π dr re - r 2 / L 2 J 0 ( kappa R) (7,32)
0
= πL 2 mi - κ 2 L 2 / 4. (7,33)
∫∞ ∫2π
(7,34)
limitar nuestra consideración a transversal derivados. Ya que tenemos una simetría rotacional,
somos libres de elegir nuestra dirección de “propagación” como el X eje sin pérdida de
generalidad. Como resultado, podemos limitar nuestra consideración a las funciones do 0, norte( r, 0), dando
∫∞ ∫2π
= L2 dκ κ 2 n + 1 mi - κ 2 L 2 / 4 2 π (kappa (7,36)
R) R) - n ( 2 norte - 1)! ( norte - 1)! 2 norte - 1 J norte( kappa
4π 0
∫∞
= L2 dκ κ n + 1 mi - κ 2 L 2 / 4 J norte( kappa R) (7,37)
2 r - n-(12 norte - 1)! ( norte - 1)! 20norte
{ 2 n + 1 mi - r 2 / L 2 L - 2 norte - 2 r norte}
= L2 (7,38)
2 r - n-(12 norte - 1)! ( norte - 1)! 2 norte
= (2 norte)! (7,40)
¡norte! L - 2 norte mi - r 2 / L 2.
el flujo en segmentos que son independientes entre sí. Esto depende de lo finito
Capítulo 7: Promedios Ensemble 127
también.
Para el comportamiento a largo plazo, hay teorías que dependen de las integrales de
considerar son generalmente demasiado corto para estas teorías, vamos a hallar la integral es necesario.
Nosotros tomamos
∫∞ ∫∞
c dr 0, norte( r, 0) = (2 norte)! Dr e - r 2 / L 2 (7,41)
0 ¡norte! L - 2 norte 0
{ Lπ 1/2 }
= (2 norte)! (7,42)
¡norte! L - 2 norte 2
= (2 norte)! (7,43)
¡norte! 2 L 1 - 2 norte π 1/2.
A partir del trabajo en caos cuántico, las propiedades de la superposición de ondas planas son bastante
bien conocido [ 41 ]. Potenciales generados por tal suma también resultan en ramificado flujo, por lo
tenemos razones para incluirlos en nuestra discusión aquí. También es necesario para obtener el
Consideremos una suma de ondas planas de número de onda fijada k pero ori- al azar
( )
nuestra transformada de Fourier, ya que pronto será mostrado. Para llegar desde esta expresión en nuestro
Capítulo 7: Promedios Ensemble 128
∫∞ ∫2π
= J 0 ( r / L), (7,48)
dad.
∫∞ ∫2π
(7,49)
∫∞ ∫2π ( )
(7,50)
∫2π
En general, esto no es tratable. Sin embargo, vamos a con fi ne nuestra atención como antes para
∫2π
= (2 norte)! (7,53)
¡norte! 2 n ( rL) - norte J norte( r / L).
Por lo tanto vemos que el potencial generado de esta manera, así como todos los derivados,
tiene correlaciones de rango mucho más largos que el caso de Gauss de la sección anterior.
Capítulo 7: Promedios Ensemble 129
De hecho, tenemos razones para sospechar que el desarrollo analítico a seguir puede romper
abajo para potenciales tales como un resultado de las correlaciones de largo alcance que existen.
Echamos un vistazo rápido, una vez más, en la integral de las funciones de autocorrelación.
∫∞
dr r - norte J norte( r) = n! 2 norte (7,54)
0 (2 norte)! ,
tenemos que
∫∞
c dr 0, norte( r, 0) = L 1 - 2 norte. (7,55)
0
Como se mencionó anteriormente en esta tesis, una de las formas de caracterizar el movimiento a través
un potencial de azar es el tiempo de relajación impulso. Otro nombre para esto podría
el tiempo que tarda una partícula “olvidar” la dirección que estaba viajando inicialmente. Nosotros
El promedio de esta función durante muchos trayectorias independientes, < Connecticut) >, es la momentánea
hora τ r por
La imagen habitual para esta relajación es el impulso de una potencial con ocasionales
A gran ángulo de dispersión eventos, en lugar de la dispersión de ángulo pequeño continua que
Capítulo 7: Promedios Ensemble 130
estamos viendo. En ese cuadro, el tiempo que sale es una medida de cuánto tiempo
se puede esperar que una partícula se propague antes de su ff Ering una colisión. En cada colisión, es
bilidad de una colisión por unidad de tiempo, un decaimiento exponencial de < Connecticut) > se cae de inmediato.
En los sistemas de flujo ramificado, que en lugar de tener una pérdida gradual de la memoria
de la dirección inicial de propagación. Aquí, sin embargo, podemos aplicar esa ubicua
momento de la partícula como un paseo aleatorio en el espacio de momentos. Dado que la energía es
conserva y el valor medio del potencial es cero, tomaremos nuestro paseo aleatorio
Para aplicar nuestro paseo aleatorio, es necesario discretizar el tiempo de alguna manera. Importa muy
poco cómo lo hacemos; supongamos que tenemos un poco de paso de tiempo τ tiempo suficiente para que
son, como mucho, ya que tiene media cero. Esta suposición es razonable, dada la falta de
cualquier dirección preferida en nuestros potenciales aleatorios. Dejar que la desviación estándar de la
distribución de Δ θ ser σ 1.
Un resultado bien conocido de la teoría de probabilidades es el teorema del límite central. Afirma
que, por su fi cientemente grande norte, la suma de norte números aleatorios de la misma distribución
Capítulo 7: Promedios Ensemble 131
irá a una gaussiana. La media de esta Gauss será norte veces la media de la
Como nos tomamos nuestra distribución de Δ θ tener media cero, la suma de los cambios también
∫
1 (2 π) 1/2 σ
< do norte > = dθ cos ( θ) mi - θ 2 / 2 σ 2
norte
(7,62)
norte
= mi - σ 2 norte/ 2
(7,63)
= mi - σ 2 1 norte/ 2. (7,64)
Al igual que en el caso discreto de gran ángulo de dispersión eventos, esperamos una Expo-
Figura 7.1 .
⇒ τ r = 2 τσ - 2 1.
(7,67)
el potencial. Para relacionar esto con el formalismo desarrollado anteriormente, es de esperar una
Data at 0.1
exp(-x/160)
0.8 1
Data at 0.2
exp(-x/39)
0.6
<c(t)>
0.4
0.2
- 0,2 0
0 100 200 300 400 500
Time (s)
Figure 7.1: Here we see the decay of the momentum correlation function in our random potentials. The
potentials used have Gaussian auto-correlation with a correlation length of 1. These data were generated using
ten thousand trajectories in each of five realizations of the potential (this number of trajectories was only
necessary to get convergence for the stronger potentials tested). We have shown the computational results,
along with exponential fits, for two different potential strengths. We see excellent agreement between the
calculated momentum correlation function and the fitted exponentials.
directly related to the distribution of gradients in the potential. We do not have direct
linear function, the standard deviation of the gradient distribution will be linear in the
strength of the potential. We would then expect σ 1 itself to be linear in the strength
of the potential, and τ r to have an inverse square dependence on the strength of the
potential. This also is as observed, shown in Figure 7.2 . Davies arrives at essentially
In a potential with Bessel function auto-correlation (i.e., our sum of plane waves),
we still see a nearly exponential decay of the momentum correlation function for
any given potential strength. However, the dependence on the potential height is
100000
1.25*x**(-2.076)
10000
100
10
1
0.01 0.1 1
Potential Strength
Figure 7.2: Here we see the inverse square dependence of the momentum relaxation time on the strength of
the potential. The data points show the e − 1 times for the momentum correlation functions at various potential
strengths, always using a potential with Gaussian auto-correlation. The line is a fitted function to these points,
where both the power and the coefficient were allowed to vary. We see that the best fit to the points is close to
the predicted inverse square dependence. The data is shown on a log-log scale to make it easier to see the
behavior at all scales.
100000
Data at 0.1 1.25*x**(-2.2)
exp(-x/200)
0.8 1
Data at 0.2 10000
A) exp(-x/45) B)
Momentum Relaxation Time (s)
0.6
1000
<c(t)>
0.4
100
0.2
10
- 0.2 0 1
0 100 200 300 400 500 0.01 0.1 1
Figure 7.3: Here we see the momentum relaxation in a potential generated as the sum of plane waves. In (A),
we see that, at two different values of the potential strength, we have nearly exponential decay of the
momentum correlation function. In (B), however, we see that the potential strength dependence of the
momentum relaxation time is best fit by t − 2.2, noticeably different from the inverse square expected. The failure of
the momentum correlation function to be exponential in time, and the more rapid falloff of the relaxation time,
are presumably the result of longer-range correlations in the potential.
Chapter 7: Ensemble Averages 134
at the ensemble average of Lyapunov exponent. The usual prediction is that, at long
times, this average will increase linearly with time (or range). In our systems, however,
there are two problems. First, the branched flow structures that we have looked at
are not the long-range behavior. Second, we are more interested in the rarefaction
In this section, we get predictions for the growth of the ensemble average rar-
efaction and Lyapunov exponents at all time scales. As has been argued before, the
propagation of the stability matrix can be looked at as the product of random matri-
ces. We will exploit that fact in this section, getting predictions based on the behavior
of such matrices and then demonstrating that the full system exhibits the predicted
behavior.
The matrices that we work with are not, of course, completely random. Going
back to the definition of the stability matrix, we we mimic the dynamics by taking
∏i
Mi= DM i (7.68)
j= 1
where
• •
• 1 − τ 2 V ′′ i
τ •
DM i = • • . (7.69)
• •
− τV ′′ i 1
This is not the form that we used in Chapter 6 when deriving the differential equation
for M. Whereas that definition only preserved the unit determinant of M in the limit
for any τ . We will take random values of V ′′ i in a uniform distribution of zero mean.
7.4.1 Rarefaction
For part of this section, we will find it easier to speak of a “rarefaction coefficient”
r c rather than a rarefaction exponent r. The relationship between the two is simply
r = ln r c.
Let’s look at M 2:
M 2 = DM 2 DM 1 (7.70)
• • • •
• 1 − τ 2 V ′′ 1 τ • • 1 − τ 2 V ′′ 2 τ •
= • • • • (7.71)
• • • •
− τV ′′ 1 1 − τV ′′ 2 1
• •
• − τ 2 V ′′1 + ( 1 − τ 2 V ′′ 1 )( 1 − τ 2 V ′′ 2) τ + τ( 1 − τ 2 V ′′ 2) •
= • • . (7.72)
• •
− τV ′′ 1 − τV ′′ 2( 1 − τ 2 V ′′ 1)
1 − τ 2 V ′′ 2
Now, let’s look only to first order in τ . The remaining terms are
• •
• 1 2τ •
M2= • • . (7.73)
• •
− τ(V ′′ 1 + V ′′ 2) 1
• •
• 1 iτ •
Mi= • • . (7.74)
• •
− τ ∑ ij= 1 V ′′ j
1
linear growth in i.
For long times, it is not appropriate to use our first-order approximation for M i.
Let us assume that the elements of M i are eventually randomized with some average
• • • • • •
• 1 − τ 2 V ′′ i
τ • • ab • • a( 1 − τ 2 V ′′ i)+ cτ b( 1 − τ 2 V ′′ i)+ dτ •
• • • • = •• • . (7.76)
• • • • •
− τV ′′ i 1 cd c − aτV ′′ i
d − bτV ′′ i
The elements of the new matrix are all, to first order in τ , of the form a + cτ . With
〈 a 〉 = 〈 c 〉 = 0 and 〈 a 2 〉 = 〈 c 2 〉 = α 2 i, we have
= ( 〈 a 2 〉 + τ 2 〈 c 2 〉 + 2 τ 〈 ac 〉) 1/2 (7.79)
) 1/2
= ( α2 i+ τ2 α2 i
(7.80)
( 1 + τ 2)1/2 .
= αi (7.81)
So we have exponential growth of the elements of the matrix. The expectation for r c i
r i. These three regimes of rarefaction exponent growth can be seen in Figure 7.4 . For
comparison, in Figure 7.5 we show the results for the random matrix multiplication
1.6 1.6
Data
1.4 Quadratic Fit
1.5
A) 1.2 B)
1.4
exp( <r(t)> )
<r(t)>
0.8 1 1.3
0.6
1.2
0.4
1.1
0.2
0 1
0 0.2 0.4 0.6 0.8 1 0 0.02 0.04 0.06 0.08 0.1
Figure 7.4: Here we see the growth of the rarefaction exponent as a function of time in the real system. Though
our predictions for how this should behave were made using random matrix multiplication, those predictions
carry through to the full system. In (A), we see the ensemble averaged rarefaction exponent; it is easy here to
see that, fairly quickly, we get into the regime of linear growth with time. In (B), we show the rarefaction
coefficient (rather than exponent), making it easier to see that quantity’s initial quadratic growth and mid-range
linear growth.
3.5
Data
4.5 5 Quadratic Fit
A) 2.5 3 B)
3.5 4
exp( <r i> )
<r i>
1.5 2
2.5 3
0.5 1 1.5 2
0 1
0 400 800 1200 1600 2000 0 100 200 300 400
Index Index
Figure 7.5: These show the growth of the average rarefaction exponent for random matrix multiplication. Here,
the random matrices were as described in the text, using
τ = . 01 and potential second derivatives distributed uniformly in the range ( − 5, 5). We see the same general
shape as that for the full system. In (A), we show the data far enough to see the linear growth with iteration
index, and in (B) we show the rarefaction coefficient for the early data. The crossover from the regime shown in
(B) to the long-time behavior is dependent on the choice of input parameters.
Chapter 7: Ensemble Averages 138
interesting to look at because it is another test of the model used above. The general
argument for the long-term linear growth of the rarefaction exponents still holds,
and we do indeed observe this dependence for Lyapunov exponents. The short-term
growth fits our model well, but shows small deviations from that predicted (and
We begin in a way similar to the previous section, with our expression for M i to
order τ ,
• •
• 1 iτ •
Mi= • • . (7.82)
• •
− τ ∑ ij= 1 V ′′ j
1
∑i
( λ ± − 1) 2 + iτ 2 V j′′= 0. (7.83)
j= 1
To simplify the notation, let S i = ∑ ij= 1 V ′′ j. Solving this equation for the eigenvalues
λ ±, we have
We take the potential terms to come from a uniform distribution of zero mean.
By the central limit theorem, we know that S i will go to a Gaussian distribution with
zero mean and standard deviation proportional to i 1/2. Now, what happens if S i > 0?
Then we have a complex λ ±, which means a Lyapunov exponent of 0. Hence, for any
value with S i > 0, we might as well let λ ± = 1. Half of the time, we have S i < 0,
Chapter 7: Ensemble Averages 139
∫0
1 (2 π) 1/2 σe − S 2/ 2 σ 2 ≈ 0.411 σ 1/2 ∝ i 1/4.
(7.85)
−∞ dS ( − S) 1/2
h+ = ln λ+ (7.87)
As shown in Figure 7.6 , the full simulations deviate somewhat from this predic-
tion for the earliest times. The 3/4 power law is still, however, a decent first-order
description of the short-time behavior. The results for random matrix multiplication,
shown in Figure 7.7 , follow this power law somewhat more closely. In both systems,
The analysis of stability matrix evolution gave us access to the functional form of
the growth of the means. It can also tell us something about the long-time distribu-
tions of variables.
1.8 3.5
Data
1.6 3/4 Power Law Fit
1.4
A) B)
1.2
2.5 3
exp( <h+(t)> )
<h+(t)>
0.8 1
0.6
0.4 1.5 2
0.2
0 1
0 0.2 0.4 0.6 0.8 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
Figure 7.6: Here we see the growth of the Lyapunov exponent as a function of time in the real system. In (A),
we see the ensemble averaged Lyapunov exponent, which goes to linear growth with time even sooner than
the rarefaction exponent did. In (B), we show the corresponding eigenvalue (i.e., e h+) making it easier to see the
initial behavior. Included is a fit curve showing t 3/4 growth. The agreement is fairly good, though the very
beginning of the data seems to have closer to linear dependence.
1.8
Data
1.6 3/4 Power Law Fit
1.4
A) B) 2.5 3
1.2
exp( <h+ i> )
<h+ i>
0.8 1
0.6
1.5 2
0.4
0.2
0 1
0 200 400 600 800 1000 1200 0 200 400 600 800
Index Index
Figure 7.7: These plots show the growth of the average Lyapunov exponent for random matrix multiplication, as
described in the text. The features are clearly the same as those for the full system. In (A), we show iterations
far enough to establish the long-time linear growth. In (B), we focus on the initial behavior of e h+. Though the
agreement with the 3/4 power law predicted isn’t exact, the very early agreement seems better than that for the
full system.
Chapter 7: Ensemble Averages 141
relaxation. Theory predicts that the elements of the stability matrices should have
a log-normal distribution for sufficiently long times; that is, the logs of the elements
simple functions of those elements: notably, the trace and the rarefaction coefficient,
in which we are interested. When the mean of the distribution for the trace has grown
sufficiently, we can reasonably make the approximation that the Lyapunov exponent
is just the log of the trace, so that quantity would have a normal distribution. Let
us make the argument for a log-normal distribution in terms of the absolute value
of the trace of the stability matrix, and keep in mind that what we’re saying could
also be applied to the rarefaction coefficient or the elements of the stability matrix
themselves.
Why should the elements of the stability matrix, and its trace, have log-normal
distributions? Consider again the history of the stability matrix for a trajectory.
We again divide this history into independent pieces, so that we can consider the
the matrix resulting from such a product are themselves products of random numbers
taken from some distribution. The trace, a simple function of these elements, inherits
the property as well. The logarithm of the trace is then a sum of the logarithms of
the central limit theorem doesn’t care what the actual distribution for the random
number is. Thus, the central limit theorem predicts that, as the number of terms in
the series increases, the distribution of ln |Tr( M)| will tend to a normal distribution;
Chapter 7: Ensemble Averages 142
Histogram
Histogram
0.2 0.06
0.08
0.15
0.06 0.04
0.1 0.04
0.02
0.05 0.02
0 0 0
-6 -4 -20 2 4 6 8 -5 0 5 10 15 20 0 5 10 15 20 25 30 35 40
Figure 7.8: Here we see the distribution of ln [Tr( M( t))] for classical trajectories with m = 1 and E = 1 in a potential
with correlation length 1 and feature height
. 1. We take the data at three times, t = 10, 50, and 150 from left to right. We see that, even at short times, the
distribution is approximately log-normal, and that the agreement with this form improves as time progresses.
A study of the distributions for various quantities for our classical trajectories
prediction, we can see the log-normal distributions forming at times short enough to
be relevant to our branching phenomenon. A few examples are shown in Figure 7.8 .
theory, some predictions from the weak-disorder cases carry through to our parameter
regime. For our potential with Gaussian correlations, we find the prediction [ 40 , 42 ]
〈 ln | Tr( M)| 〉
ν0= (7.90)
r
Here, r is the range coordinate and we can take it as being approximately proportional
to time by r ≈ ( 2 E/m) 1/2 t. We find ν L and ν ′ from our data, and compare the
correlation lengths with potential features at .1 E F , we find agreement with this theory
for longer ranges, the agreement with this theory actually worsens; this is presumably
∫∞ 〈∂2 U(z; r − ξ) ∣∣∣∣∣ z=z 0, p=p 0 ∣∣∣∣∣ z=z 0, p=p 0 〉•• 1/3
∂ 2 U(z; r) ∂z 2
ν ′ ≈ •• 1 dξ (7.93)
2 0 ∂z 2
where ν ′ provides an upper bound for lim r →∞ ν 0. In our terms, this translates to
∫∞ ) 1/3
ν ′ ≈ ( 3 σ 2 π 1/2)1/3 L − 1. (7.95)
Out to our ranges of about 150 correlation lengths, this ν ′ upper bound is about a
factor of two larger than the numerical ν 0. This factor is in accordance with results
quoted in [ 40 ].
Chapter 8
We have already introduced the branched nature of electron flow seen experi-
mentally in 2DEG devices, and have shown that the full quantum-mechanical results
exhibit the same phenomenon. There are so many places in physics where we find a
strong correlation between classical and quantum behaviors that it should not come
as a surprise that the branching appears in classical calculations as well. In Figure 8.1 ,
we see an example of quantum and classical flux through the same potential.
As set out in Chapters 6 and 7 , there are tools of analysis available in classical
mechanics that are not available in quantummechanics. We have already explored the
What will we gain in this discussion? First of all, it opens up for us the language of
individual trajectories in describing the behavior of the flow. Needless to say, particle
trajectories are closer to our daily intuition than is wave mechanics. Second, we
can use the stability matrix analysis already introduced to study the formation and
144
Chapter 8: Classical Branched Flow 145
The structures seen in phase space further illuminate the underlying behavior.
The characteristics that we have described for our random potentials are found
in nature, and not only in the 2DEG electron propagation problem. Recent work
on the propagation of sound waves through the ocean has used a similar potential,
and the beginnings of structures very like our branches have been reported [ 40 ].
We believe that one reason that these structures haven’t been studied in the past
is that it requires one to look beyond the statistical properties of trajectories in the
branching phenomenon is seen as a result of choosing not only a single potential from
the ensemble, but also choosing a special initial manifold (i.e., one-dimensional) of
trajectories. One then must look at the full coordinate space history of the propagated
ensemble.
8.2 Manifolds
trons through the 2DEG potential after they had passed through a point contact. The
Chapter 8: Classical Branched Flow 147
effect of this point contact was to turn the incident plane wave into something more
like a p-wave: the electrons flowing out into the 2DEG originated from approximately
the same place, but with a distribution of angles and a node along a wall.
In the classical system, we have more freedom in determining how we send elec-
trons through the system. Whatever we do, we need to choose some initial “manifold,”
or collection, of trajectories to launch at the system. We should not expect that our
results will necessarily be independent of this choice. To more closely simulate the
space (all positions, all angles) and let them pass through a point contact (as we have
done in Figure 8.1 ). The QPC would have the effect of forming a new manifold, with
trajectories close to one another in space but still with a distribution of angles. Al-
ternatively, we could dispense with the QPC and form this vertical manifold in phase
space ourselves.
The latter approach is the one that we will generally take, though whenever direct
comparisons are made between classical and quantum flow through the same potential
we would use the former. The theory used to deal with the classical manifold is clearer
if it is truly one-dimensional in phase space, which we would never achieve using the
QPC method.
Note that the classical mechanics opens up other possibilities as well. We can
orient our one-dimensional manifold any way that we wish, relative to the phase-space
up, we would have additional, more interesting choices to make. With two spatial
dimensions, our only option, if we wish to see interesting evolution of the manifold,
Chapter 8: Classical Branched Flow 148
consider not only lines of trajectories, but variously oriented sheets as well. The
behaviors that might be seen in such systems have not yet been explored.
that we can vary for our ensemble of potentials, and are important as we consider the
branched flow. First, we normalize all energies by the energy of the particles that we
are sending though the system. Hence the value V (x, y) of the potential at a point in
space gives us the height relative to the energy of our particle. Only this ratio, and
not any independent energy scale, is important for the nature of our branches.
Second, we can measure the length scale of our branches in units of the correlation
length of the potential. It is a simple but not well-known result that the spatial re-
scaling of the potential, while keeping the height of the potential the same and the
energy of the particles the same, results in nothing more than a re-scaling of the
classical trajectories through the system. It is worth going through this result below;
Let our potential be given by V (x, y), and take initial conditions x( 0), y( 0), p x( 0),
and p y( 0). Suppose that the solution is the trajectory given by x(t), y(t), p x( t), and
p y( t). Now consider the same potential stretched spatially by the factor α, and scaled
initial conditions scaled by the same amounts: x ′( 0) = αx( 0), p ′ x( 0) = µp x( 0), and
The solution to the equations of motion in this scaled potential with these initial
∂ τ x ′( τ) = 1 (8.1)
mp ′ x( τ)
∂ τ [ αx(t)] = 1 (8.2)
mµp x( t)
∂ t x(t) = 1 (8.5)
mp x( t)
which is the equation of motion for the original system and, by our assumptions, we
Clearly, we have performed a time scaling as well as the energy and spatial scal-
ings. To study the branched flow, however, we are interested in the time-independent
Observing and describing the branched flow is only the first step toward under-
standing it. We also seek a way to describe the formation of these branches, and how
to distinguish the regions of phase space where we find branches from those where we
do not.
Going beyond the statistical measures in Chapter 7 , we would like to look at what
is happening with trajectories in our systems. Can we characterize those that end up
ticularly meaningful in these open systems without periodic trajectories. We can now
make a direct comparison between the Lyapunov exponent measure of stability and
Using the standard Lyapunov exponent measure of stability, shown in Figure 8.2 ,
we see that the trajectories in our branches go through periods of stability and in-
to zero. The branches do not, however, remain stable for even a majority of their
histories, nor do the branches represent the only regions with such stability. Hence
this measure of stability is a poor descriptive tool for the branching phenomenon.
If we use our rarefaction exponent notion of stability, we find a more useful mea-
sure. Here we see a strong correspondence between branches and stability, shown in
Figure 8.3 . The branches represent not only the least unstable regions of the flow, but
Chapter 8: Classical Branched Flow 151
0 > 2.32
0 > 2.32
Figure 8.2: Here we see the flux through a potential and the corresponding Lyapunov exponent measure of
stability. The top figure shows the flux density in greyscale. We note that the areas of low Lyapunov exponent
(green and yellow) have poor correlation to branch locations. We see areas of high flux with high Lyapunov
exponent, and areas of low flux with low Lyapunov exponent. At each point of coordinate space, we have
shown the stability of the most stable trajectory passing through that point. Higher values in the data have been
clipped to show more detail in this range. In the bottom image, we combine both sets of information, with color
determined by Lyapunov exponent and intensity determined by flux density. This representation makes it easy
to see that the long-range, strong branches pass in and out of areas of low Lyapunov exponent.
Chapter 8: Classical Branched Flow 152
in fact the strongest branches remain stable, with negative rarefaction exponents. The
weaker branches are not stable in this global sense, but do represent areas of relative
local stability. We see no regions of phase space that are local minima of rarefaction
Though one has a strong qualitative feel for the branched nature of the flux, there
at the distribution of intensities in the flux as a function of the distance from the
fixed radius and applying the appropriate analysis. Qualitatively, what we see in this
slice is that most of space has very little flux, and some regions (where branches pass
through our slice) have very high flux. Fixing a radius and aggregating flux data
sumptions about the behavior of the system. We return for a moment to our rar-
efaction measure described above. Let us first take a radial slice and ask about the
distribution of rarefaction coefficients (recall that the rarefaction exponent and coef-
ficient are related by r = ln r c). The arguments laid forth in § 7.5 for the log-normal
distribution of |Tr( M)| apply here as well. Our rarefaction coefficient is merely the
give us a log-normal distribution of | M · ˆ d|. This can easily be verified with random
Chapter 8: Classical Branched Flow 153
Figure 8.3: Here we see the flux through a potential and the corresponding rarefaction exponent measure of
stability for the same system as shown in Figure 8.2 . The top figure shows the flux density in greyscale. The
middle figure shows the rarefaction exponent for the same flow. We note that the areas of low rarefaction
exponent (green and yellow) have a strong correlation to areas of high flux density, as contrasted to the
behavior of the Lyapunov exponents. Higher values in the data have been clipped to show more detail in this
range. In the bottom image, we combine both sets of information, with color determined by rarefaction and
intensity determined by flux density.
Chapter 8: Classical Branched Flow 154
0.4
Data
Gaussian fit
0.35
0.3
0.25
Histogram
0.2
0.15
0.1
0.05
0
-4 -2 0 2 4 6 8 10
Log Intensity
Figure 8.4: This figure shows the distribution of intensities in our classical branched flow. The data are taken
from trajectories run in two hundred different realizations of the random potential, looking at the intensities at a
fixed radius. The random potential height was .1 E F , and the slice was taken at a radius of fifty correlation
lengths. What is plotted is the histogram of the logarithms of the intensities, and a Gaussian fit. Were the
distribution of intensities truly log-normal, the plotted histogram would itself be normal. Though the bulk of the
data clearly fits a Gaussian, we have notable deviation from log-normal starting at about 2 σ left of the mean.
The Gaussian fit isn’t perfect, but at least points in the direction of an emerging log-normal intensity distribution.
The quality of this fit improves with radius.
Chapter 8: Classical Branched Flow 155
matrices, and is not peculiar to our choice of ˆ d or the dynamics that generate M.
we let the density of trajectories in our initial manifold be unity, then the density
We will assume that trajectories sufficiently close to one another will have similar
of trajectories, r c p(r c) gives the distribution in terms of spatial locations (that is,
Though a spatial re-scaling of our potential does change the length scale of the
features that we see in the flow, we saw that it does so in a trivial fashion. We are
left, then, with the task of observing the changes to the flow when we change the
ratio of the energy of our particles to the height of the features in the potential.
The qualitative changes are not surprising. The flow is seen to form branches more
quickly the stronger we make the potential. Stronger potentials cause larger-angle
scattering events, so the spreading trajectories are noticeably perturbed more quickly.
1 A useful, but occasionally annoying, property of the log-normal distribution is it’s robustness to taking powers of the random
variable.
Chapter 8: Classical Branched Flow 156
We have looked for a quantitative measure of this change, and find the most useful to
imally displaced neighbor will cross one another. We again only concern ourselves
with displacements that are along the initial distribution. We find that, with such
The vector on the right is an initial displacement along the distribution, and the
vector on the left is one perpendicular to the direction of propagation for the particle
at time t. When this quantity goes to zero, a trajectory has intersected a neighboring
Let us immediately specialize to the case where ˆ d lies entirely in the momentum
subspace, corresponding to trajectories starting from the same point but with different
property of the random potential rather than of any specific manifold, since all starting
Let us take l as the correlation length of our potential, d as the shortest path
divided by the energy of the particles in our manifold. We are after a relationship
between the dimensionless quantities d/l and / E. We can find one analytically in
2 If you don’t immediately see this, it shouldn’t be difficult to convince yourself with pen and paper. Consider what it means for this
the limit / E → 0, though we will see that result still applies in our regime of interest
( / E ∼ . 1).
path length d, since time is the fundamentally independent parameter. For weak
that we are about to work through is not difficult, but we need to take care to not
Let us take, without loss of generality, y as the direction transverse to the prop-
agation of the trajectory. When the slope dy/dp y of the manifold is zero, we are at
it should be roughly half the time scale for it to go from ∞ to −∞. This is the time
dy
(8.12)
dt = p y( t) m
≈ p y( 0) (8.13)
m
y(t) ≈ p y( t) t (8.14)
m
dy
(8.15)
dp y( 0) ≈ t m
dp y( 0)
(8.16)
dy ≈ m t
3 To see that this is the appropriate time scale to find, consider what happens to the manifold to form a caustic.
Chapter 8: Classical Branched Flow 158
dp y
(8.17)
dt = − ∂ y V (~x(t))
dp y( t)
dt ′ ∂ yy V (~x(t ′)) (8.20)
dy = dp y( 0) dy − ∫ t 0
dp y( t)
dt ′ ∂ yy V (~x(t ′)) (8.21)
dy ≈ m t−∫t 0
Let us consider the integral. In our limit, the trajectory will propagate over
uncorrelated events. With l as the correlation length of the potential, the time for
the particle to cover a correlation length is t 1 = l/( 2 E/m) 1/2. We then propagate
over N = t/t 1 correlation lengths, and approximate the integral as a sum over these
independent pieces:
∫t
∑
dt ′ ∂ yy V (~x(t ′)) ≈ N t 1 ( ∂ yy V ) i . (8.22)
0
i= 1
We now need to consider these ( ∂ yy V ) i terms. As we will now argue, they are given
by ( ∂ yy V ) i = r i/ l 2, where the r i are random numbers with zero mean and standard
dependence comes in from the second derivative and the fact that l sets the length
scale in the potential. Other constants of proportionality go into σ r. One can verify
that the units are correct. By the central limit theorem, as N →∞,
∫t
dt ′ ∂ yy V (~x(t ′)) ≈ t 1 N 1/2 σ r (8.23)
0 l2
1 σr
= t 1/2 t 1/2 (8.24)
l2
Chapter 8: Classical Branched Flow 159
(m ) 1/4
= t 1/2 σ r (8.25)
l 3/2 2E
where we have approximated the integral by the standard deviation of the sum,
which is the appropriate place in the distribution to look for our first self-intersection.
Plugging this result into Eq. 8.21 and setting dp y/ dy = 0 at the time τ , we have
(m ) 0
m 1/4 =
(8.26)
τ − τ 1/2 σ lr 3/2 2E
( 1 2 Em 3 ) 1/4
τ − 3/2 = σ r (8.27)
l 3/2
(E3 ) 1/4
σr
τ − 3/2 = E (8.28)
l 3/2 2 m3
( ) − 2/3 l (2 m3 ) 1/6
τ= . (8.29)
E E 3 σ 4r
The essential piece of this result is the ( / E) − 2/3 dependence. The additional energy
dependence is merely a result of the time scaling already noted in § 8.3 . The result is
d= (8.30)
m E E 3 σ 4r
( ) − 2/3 ( 2 ) 2/3
d
. (8.31)
l= E σr
With this result in hand, we now turn to numerics to test it. Again, we most
directly look at τ(•), time being the independent parameter. Fixing E, however, we
are clearly probing the same relationship as that for d. In Figure 8.5 , we see results in
the range / E ∈ ( 0, .2) and a numerical fit to the data. The − 2/3 power law succeeds
70
0.70126*x**(-0.65629)
60 Numerical data
50
40
τ
30
20
10
0
0 0.04 0.08 0.12 0.16 0.2
ε /E
Figure 8.5: In this figure, we see the values of τ , the minimum time to a self-
intersection event, as a function of potential strength / E. The fit is performed numerically, and has an exponent
of −. 656, very close to the predicted − 2/3. Because the function is changing more rapidly for small / E, we have
taken more points in that region.
The branches that we see in coordinate space are, of course, merely projections
of structures in phase space. For example, as noted in § 8.4.1 , when we look at the
stability of branches we only see the stability of one trajectory through each point.
The evolution of these structures can provide some insight into the formation and
To see the structures in phase space, we use the method known as the surface of
study a system with an energy hyper-surface (that is, the surface in phase space to
space. One then defines a single surface of section and looks at successive intersections
of trajectories with this surface [ 37 ]. In our system, there is no spatial bound on the
trajectories and we are not looking for periodic behavior. We define instead a series of
Chapter 8: Classical Branched Flow 161
with these surfaces. In some sense, we take surface number as a discretized time
coordinate.
We use the rarefaction information that we are already collecting to color the
phase space slices, allowing us to compare the structures with the stabilities. At the
same time, we track the coordinate space projection of the phase space information,
Looking at the full information in phase space, the best correlation to branch
correlation between areas of low rarefaction and turning points in the manifold; this
see stable “kinks” in the phase space distribution forming on a length scale small
compared to the correlation length of the potential. These knots then contain locally
high densities of trajectories, and are unlikely to be broken up by the action of the
potential until they have spent much time shearing. The regions of phase space
that do not project to branches do contain complex structures, including the cusp
sparsely populated that they do not produce globally significant flux in coordinate
space. See Figure 8.6 for an example of the phenomena mentioned here.
Figure 8.6: In this figure, we see the information that is available to us in the
full phase space. At the top, we see the usual picture of branched flow, colored by rarefaction exponent. At the
bottom, we have five surface of section images taken from evenly spaced points along the image. In this
sequence, color is determined by rarefaction exponent and, in the bar at the bottom, we show the
coordinate-space projections. We note first that the regions of high density in coordinate space correlate well to
low rarefaction exponent, as noted before. We also see that the regions of low rarefaction exponent tend to
correlate to the vertical parts of the manifold. Finally, we see that the strong branch going to the right of the top
image is the projection of a small kink in the manifold.
Chapter 8: Classical Branched Flow 163
there is a useful predictive power to the rarefaction exponent. The stability matrix
for a trajectory is independent of the initial manifold, but the rarefaction exponent
isn’t; we can thus manufacture a manifold that will minimize the rarefaction exponent
for a given trajectory. If we are correct about this measure, the resulting flow should
and M( t). We then select some time τ . If we had complete freedom in the orientation
of the initial manifold, we would find the eigenvectors of M( τ) and align the manifold
along the eigenvector with the smallest eigenvalue. We do not, however, have complete
freedom. We clearly restrict ourselves to creating an initial manifold that lies within
To deal with our restriction to a subspace of the full phase space, we choose
vectors {ˆ v i} that span the subspace. We then find the “reduced” stability matrix
M ′( t), where
M ′( t) ij = ˆ v i · M( t) · ˆ v j. (8.32)
We can then find the eigenvectors of M ′( τ) and choose an initial manifold in the
full phase space that lies along the eigenvector with the smallest eigenvalue. Because
eigenvalue of M ′( τ) will not give the rarefaction exponent for this trajectory with this
manifold. This selection of manifold does, however, give us the minimum rarefaction
In practice, there are reasons that this prescription may not work as expected.
Chapter 8: Classical Branched Flow 164
Since the rarefaction exponent of a trajectory is a function of time, we are only assured
of a small rarefaction exponent at the selected time τ ; we know nothing about the rest
of the history of the trajectory. What we may see is a trajectory with a focus at time
τ but no nearby trajectories for t 6= τ . It may also be the case that the rarefaction
exponent for some time t < τ is sufficiently positive that the nearby trajectories leave
Despite these problems, numerical experiments have shown good results using this
adding credence to our belief that rarefaction is a good tool for describing branches.
It has not been turned into an experimental control method, and I don’t see any
obvious way to achieve this kind of manifold control in the context of 2DEGs. Were
it possible to do so, the ability to direct a branch to a desired location, with the
consequent increase in signal strength over the mean, might find practical application.
Chapter 8: Classical Branched Flow 165
A)
B)
C)
Figure 8.7: Here we see the construction of a manifold to put a branch along a given trajectory. In (A), we see
flux over a random potential. The initial manifold is our usual case of trajectories coming from a single point with
a distribution of angles. In (B), we have isolated a trajectory from the manifold in (A) that clearly doesn’t lie in a
branch. In (C), we show the flux with an initial manifold rotated from that in (A), selected so as to minimize the
rarefaction exponent of the trajectory in (B). We see that the result is a strong branch along the selected
trajectory.
Chapter 9
One-Dimensional Maps
from the original system of interest but gained some analytical tools. We can take an-
mapping system. Though we find that not all of the properties seen in the two-
dimensional dynamics carry over to the one-dimensional map, we can take advantage
can calculate the evolution of many more trajectories in such a system, and therefore
get better statistical information in shorter periods of time. Additionally, the tools
that we used to look at the evolution of phase-space structures classically are simpler
to apply for mapping systems. Though we note them here, we will not be using
these advantages in this thesis. In this chapter, we begin by laying out the method
166
Chapter 9: One-Dimensional Maps 167
We then note some differences that crop up between this system and the original.
in Chapter 8 .
We must begin by laying out the equations that we will use for our one-dimensional
mapping system. There are two fundamental differences from the full two-dimensional
dynamics. First, we explicitly move from differential equations with a continuous time
form of Newton’s equations, out of a concern for area preservation in phase space.
important one that we will make some efforts to retain it. Thinking back to Chapter 6 ,
derivation of the differential equations for M, we at one point utilized discrete time
to find a matrix DM( t+τ, t) in terms of which M( t+τ) = DM( t+τ, t) M( t). Taking
Now, rather than taking the limit τ → 0, we are stuck with a finite τ between
steps of the map. For the simplest set of one-dimensional equations, we had
• •
• 1 τm − 1 •
DM( t + τ, t) = • • . (9.1)
• •
− τV qq( t, q(t)) 1
Chapter 9: One-Dimensional Maps 168
If we use this form for finite τ , det( DM) 6= 1. We can solve this with an additional
term in the upper left-hand corner of the matrix; there are several ways to arrive at
this term, but let’s just see what it needs to be and then interpret the results. If we
take
• •
• 1 − τ 2 m − 1 V qq τm − 1 •
DM( t + τ, t) = • • (9.2)
• •
− τV qq 1
we have the desired result. Translating this matrix back into equations of motion, we
have that
We get exact area preservation for any τ if we use these modified equations. The
modification only requires that we update the momentum first, then use the new
momentum value to update the position. Clearly, there are other ways that we
could have achieved area preservation, but this method results in the most sensible
As mentioned earlier, our mapping system is explicitly one of discrete time steps,
so we can eliminate the “time” coordinate entirely in favor of a step index. At this
point, we also need to make our potential explicitly step-dependent. Thus we arrive
Chapter 9: One-Dimensional Maps 169
at
p i+ 1 = p i − τ∂ q V i( q i) (9.7)
q i+ 1 = q i + τm − 1 p i+ 1. (9.8)
The mapping system gives us even more flexibility in determining the potential.
Let us first explore the version most closely related to the two-dimensional dynamics
already studied. Let V (x, y) be a two-dimensional potential that we might use in the
full dynamics. We can now take slices of this potential at discrete steps in x, letting
V i( q) = V (i ∆ x, q). The choice of step size ∆ x can be related to our choice of time
step τ in the mapping system. Though we cannot preserve energy in the mapping
system, we can at least start with the trajectory energies near some value E. We can
then take
( 2E ) 1/2
∆x
. (9.9)
τ=v= m
One clear step that we could take away from the full classical system is to abandon
this choice of ∆ x. By varying the value used, we can change the amount of correlation
There is also no reason that we need to choose the potential so closely related
generate new random one-dimensional potentials from some ensemble at each time
step, we can “mix in” a new random potential at each step with some mixing factor
For the most part, we will use potentials generated by taking slices of an actual
two-dimensional potential. One should note that this is a logical extension of work
section.
The branched flow has proven so robust to date, it should come as no surprise that
kind of potential that we use, both those that come from slices of two-dimensional
potentials and those that are generated as one-dimensional potentials with forced
The relationship between branch location and low rarefaction exponent, however,
dynamics. For those potentials that have their origins in full two-dimensional po-
tentials, the correspondence is still there. Looking at our more general potentials,
however, it is largely broken, as shown in Figure 9.2 . What we see in those cases is a
Figure 9.1: Here we have three images of branched flow in a mapping system where the potential is a true
two-dimensional one (here, a superposition of plane waves). The vertical axis of each picture is the q coordinate,
the horizontal axis is the time, or step index. Trajectories are launched from a single point with a distribution of
momenta. In the first image, we see the greyscale image of the flux, which shows the branching phenomenon.
In the second image, we have the rarefaction information for the same flow. In the third, we have the flux
information again, now colored by the rarefaction information. We note that, though there is generally good
agreement between flux and rarefaction, there are areas of small rarefaction exponent that do not seem to
show high flux.
Chapter 9: One-Dimensional Maps 172
Figure 9.2: Here we have three images of branched flow in a mapping system where the potential is
one-dimensional, with a new random potential mixed in at every step. This does not correspond to a sliced
two-dimensional potential. The vertical axis of each picture is the q coordinate, the horizontal axis is the time, or
step index. Trajectories are launched from a single point with a distribution of momenta. In the first image, we
see the greyscale image of the flux, which shows the branching phenomenon. In the second image, we have
the rarefaction information for the same flow. In the third, we have the flux information again, now colored by
the rarefaction information. In this system, the relationship between rarefaction exponent and branch location is
poor at best. Beginning very early in the flow, we see areas of high flux but high rarefaction exponents, and
areas of low flux with low rarefaction exponents.
Chapter 9: One-Dimensional Maps 173
In light of the apparent breakdown of the relationship between flux density and
on mapping systems. Nevertheless, the simplifications that come with the mapping
system allow analytic work that we can only do in the full two-dimensional dynamics
with some hand waving. In particular, we use the mapping system to explore the
noted relationship between low rarefaction exponent and “vertical” manifolds. The
“verticality” of the manifold in phase space was one early candidate for determining
where branches form, as such areas of phase space will have many trajectories built up
at the same coordinate space location. Though that relationship didn’t pan out, we
do see that areas of low rarefaction exponent are frequently areas where the manifold
Let us consider the following mapping system. For n 0 steps, the manifold prop-
agates through free space. Then there is one time step with a potential V (q). After
passing over this potential, there are n 1 more steps of free space. This gives us
• •
• 1 n 0,1 τm − 1 •
DM n 0,1 = • • (9.10)
• •
0 1
• •
• 1 − τ 2 m − 1 V qq τm − 1 •
DM V = • • . (9.11)
• •
− τV qq 1
This gives us
( 1 − τ2 m−1 V v ) )
qq
n 0 τm − 1 + τm − 1 + ( 1 − n 0 τ 2 m − 1 V v qq
n 1 τm − 1 = 0 (9.13)
(1 )
V v qq = 1 +1 (9.14)
τ2 m−1 n0 n1+ 1
where the superscript v indicates that this is the condition for verticality of the
manifold.
Plugging this potential value into the stability matrix, we get the simplified version
• •
• −( n 1 + 1) n − 1 0
0 •
Mv= • • . (9.15)
• •
− mτ − 1 ( n − 1 0+( n 1 + 1) − 1) − n 0( n 1 + 1) − 1
Suppose that, rather than looking for a vertical manifold, we seek to minimize the
• 0 •
min • • (9.17)
• •
1 ∣∣∣∣∣∣∣∣
as a function of V qq. Much algebra, of which we will spare the reader, yields
[1 ]
n1+ 1
V r qq = 1 + (9.18)
τ2 m−1 n0 τ − 2 m 2 + ( n 21 + 1) 2
limit we find that the rarefaction exponents in each case go to the same value (which
focusing event, the condition to be vertical becomes the same as the condition to
What about the Lyapunov exponent for these vertical regions? From Eq. ( 9.15 ),
we see that the eigenvalues are [ −( n 1+ 1)/ n 0] ± 1. Thus, in the same large n 1 limit where
increasing without bound. These results are shown graphically in Figures 9.3 and 9.4 .
We conclude from this result that the process of shearing, in the absence of any
potential, will concentrate trajectories in the turning points of the manifold. This
strong branches, we expect that turning points in the manifold will correspond to
Figure 9.3: Here we see flux in a simple mapping system. The trajectories pass over 100 steps of flat potential
before hitting a single focusing dip. They then pass over another 700 steps of flat potential. From top to bottom
we have the flux, the rarefaction exponent, and the flux colored by the rarefaction exponent. We see that the
two concentrations of flux are also highly localized areas of low rarefaction exponent, a correspondence that
gets better as we move from left to right.
Chapter 9: One-Dimensional Maps 177
Figure 9.4: Here we see flux in the same simple mapping system as Figure 9.3 . The trajectories pass over 100
steps of flat potential before hitting a single focusing dip. They then pass over another 700 steps of flat
potential. From top to bottom we have the flux, the Lyapunov exponent, and the flux colored by the Lyapunov
exponent. We see that the areas of low Lyapunov exponent do not correspond to the concentrations of flux.
Furthermore, these concentrations are growing less stable in this measure the farther we go to the right.
Bibliography
[1] D. Baye and P.-H. Heenen, Journal of Physics A 19, 2041 (1986).
[9] M. B¨ uttiker, Y. Imry, R. Landauer, and S. Pinhas, Physical Review B 31, 6207 (1985).
[11] P. A. Lee and D. S. Fisher, Physical Review Letters 47, 882 (1981).
[14] G. B. Arfken and H. J. Weber, Mathematical Methods for Physicists, fourth ed.
(Academic Press, New York, 1995).
[17] J. D. Jackson, Classical Electrodynamics, 3rd ed. (Wiley, New York, 1999).
178
Bibliography 179
[20] Mesoscopic Electron Transport, No. 345 in NATO Asi Series E, Applied Science,
edited by L. L. Sohn, L. P. Kouwenhoven, and G. Schon (Kluwer Academic Publishers, Boston, 1997).
[24] B. J. van Wees et al., Physical Review Letters 60, 848 (1988).
[26] C. W. J. Beenakker and H. van Houten, Solid State Physics 44, 1 (1991).
[28] K. L. Shepard, M. L. Roukes, and B. P. van der Gaag, Physical Review Letters
68, 2660 (1992).
[36] Les Houches, Session LII: Chaos and Quantum Physics, edited by M.-J. Gian-
noni, A. Voros, and J. Zinn-Justin (North-Holland, New York, 1991).
[37] E. Ott, Chaos in Dynamical Systems ( Cambridge University Press, New York,
1993).
Bibliography 180
[39] A. Ishimaru, Wave Propagation and Scattering in Random Media ( IEEE Press,
New York, 1997).
[41] P. O’Connor, J. Gehlen, and E. J. Heller, Physical Review Letters 58, 1296
(1987).