Skip to content

Latest commit

 

History

5 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 

Repository files navigation

QuantumStuff

Simulación numérica de la ecuación de Schrödinger 1D en Python.
Este proyecto combina el tratamiento estacionario (autovalores y modos propios) y el dependiente del tiempo (propagación de paquetes de onda) utilizando métodos de diferencias finitas.

Proyecto académico desarrollado para la asignatura Física Cuántica I (UNED), extendido y documentado como laboratorio personal de simulación cuántica.


Contenido principal

Archivo Descripción
tc1_schrodinger_1d.py Solución estacionaria mediante diferencias finitas. Calcula autovalores y autofunciones en pozos infinitos, finitos y osciladores armónicos.
schrodinger_td.py Simulación temporal de paquetes de onda mediante el esquema de Euler explícito. Incluye los casos de onda libre, barrera de potencial y oscilador armónico.

Funcionalidades destacadas

TC1 – Schrödinger estacionario

  • Construcción matricial del Hamiltoniano 1D con condiciones de contorno de Dirichlet.
  • Cálculo de los autovalores y autofunciones con scipy.sparse.linalg.eigsh.
  • Normalización y verificación de ortogonalidad.
  • Validación con soluciones analíticas para:
    • Pozo infinito
    • Oscilador armónico
    • Pozo finito rectangular

TC2 – Schrödinger dependiente del tiempo

  • Implementación de la ecuación de Schrödinger mediante Euler explícito.
  • Evolución de paquetes gaussianos bajo distintos potenciales:
    • Onda libre
    • Barrera de potencial
    • Oscilador armónico
  • Cálculo de probabilidades reflejadas/transmitidas.
  • Cómputo de valores esperados ⟨x⟩ y dispersión Δx.
  • Gráficas automáticas en /memoria/figuras.

Ejemplos de resultados

Onda libre

onda libre

Barrera de potencial

barrera

Oscilador armónico

oscilador

(Si los PDF no se visualizan en GitHub, pueden abrirse directamente desde la carpeta /memoria/figuras.)


Aspectos numéricos

  • Discretización espacial uniforme (np.linspace)
  • Derivadas centradas de segundo orden (operador tridiagonal)
  • Normalización en cada paso temporal
  • Estabilidad controlada por el paso dt y la relación de Courant

Próximas extensiones

  • Integrador Crank–Nicolson para mayor estabilidad temporal.
  • Visualización animada interactiva (matplotlib.animation).
  • Implementación en Cython o Numba para benchmarking de rendimiento.

“Quantum mechanics is not hard — it’s just complex.”
— AJPM, 2025

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages