دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Roman Schmied
سری:
ISBN (شابک) : 9789811375873
ناشر: Springer
سال نشر: 2019
تعداد صفحات: 0
[202]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Using Mathematica for Quantum Mechanics. A Student’s Manual به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استفاده از ریاضیات برای مکانیک کوانتومی کتابچه راهنمای دانش آموز نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب بسیاری از مشکلاتی را که در مکانیک کوانتومی مقدماتی با آن مواجه میشوند، با تمرکز بر پیادهسازیهای کامپیوتری برای یافتن و تجسم راهحلهای تحلیلی و عددی، بازبینی میکند. متعاقباً از این پیادهسازیها بهعنوان بلوکهای سازنده برای حل مسائل پیچیدهتر، مانند دینامیک منسجم مبتنی بر لیزر در ساختار فوقریز روبیدیوم یا برهمکنش راشبا یک الکترون که به صورت دوبعدی حرکت میکند، استفاده میکند. شبیه سازی ها با استفاده از زبان برنامه نویسی Mathematica برجسته شده اند. هیچ دانش قبلی از Mathematica مورد نیاز نیست. جایگزین هایی مانند Matlab، Python یا Maple نیز می توانند استفاده شوند.
This book revisits many of the problems encountered in introductory quantum mechanics, focusing on computer implementations for finding and visualizing analytical and numerical solutions. It subsequently uses these implementations as building blocks to solve more complex problems, such as coherent laser-driven dynamics in the Rubidium hyperfine structure or the Rashba interaction of an electron moving in 2D. The simulations are highlighted using the programming language Mathematica. No prior knowledge of Mathematica is needed; alternatives, such as Matlab, Python, or Maple, can also be used.