Skip to content

WARNING

🧪 Beta公测版本提示:教程主体已完成,正在优化细节,欢迎大家提Issue反馈问题或建议。

麦克斯韦方程与非线性光学 — demo.py 代码详解 ​

Download demo.py

运行方式 ​

bash
cd docs/optics/maxwell-nlo/code
python demo.py

纯 NumPy + matplotlib,CPU 几秒跑完。产出两张图到 images/:ssfm_three_scenarios.png(三场景对比)与 shg_phase_matching.png(倍频相位匹配)。

整体结构 ​

demo 求解的是 index.md §5 推出的非线性薛定谔方程:

i∂A∂z−β22∂2A∂t2+γ|A|2A=0

但不是三个场景共用一组参数,而是分别把 β2、γ 置零来隔离两种效应,最后取孤子条件让它们抵消——先拆开看零件,再看零件咬合。

第1步:时间网格与两种初始脉冲 ​

python
T0 = 1.0
N = 1 << 11
Twin = 40.0
dt = 2 * Twin / N
t = np.linspace(-Twin, Twin, N, endpoint=False)
omega = 2 * np.pi * np.fft.fftfreq(N, d=dt)
  • N 取 2 的幂(1 << 11 = 2048)让 FFT 高效;
  • t 用 endpoint=False——FFT 假设信号周期化,端点重复会造成一个人为跳变;
  • omega 用 fftfreq 生成,天然符合 FFT 的频谱排布(正频率在前半、负频率在后半),不用 fftshift;
  • 窗口 ±40 个 T0 是给非线性展宽留余量:场景 2 频谱展宽近 10 倍,窗口太小会频谱混叠(能量绕一圈从另一端漏回来),数值就不可信了。
python
def gauss_pulse(t, T0=T0):
    return np.exp(-t**2 / (2 * T0**2)).astype(complex)

def sech_pulse(t, T0=T0):
    return (1.0 / np.cosh(t / T0)).astype(complex)

高斯是锁模激光器的典型输出;sech 是 NLSE 的精确孤子解(demo 场景 3 的主角)。注意 .astype(complex):非线性相位 eiγ|A|2dz 一乘上去包络就必须是复数。

第2步:对称分步傅里叶法(全章核心) ​

python
disp = np.exp(1j * beta2 * omega**2 * dz / 4.0)  # 半步 dz/2
for n in range(nz):
    A = np.fft.ifft(np.fft.fft(A) * disp)                 # 色散半步
    A = A * np.exp(1j * gamma * np.abs(A)**2 * dz)        # 非线性整步
    A = np.fft.ifft(np.fft.fft(A) * disp)                 # 色散半步

为什么这样切?NLSE 的两项算符不对易,不能精确合并,但在一小段 Δz 内误差是高阶小量。关键的域切换:

  • 色散项 ∂2/∂t2 在时域是微分、在频域是乘法(乘 eiβ2ω2Δz/2)——一次 FFT 精确解掉,没有任何离散化误差;
  • 非线性项 γ|A|2A 在时域就是逐点乘相位 eiγ|A|2Δz——也精确。

所以每步仅有的误差来自「假装两项分开作用」,采用色散-非线性-色散三明治(Strang 分裂)可把单步误差压到 O(Δz3)。这是偏微分方程数值解里「算子分裂」思想的教科书案例,同样套路出现在量子力学演化、化学反应动力学里。

第3步:三个场景 ​

python
z1, A1 = ssfm(gauss_pulse(t), beta2=-1.0, gamma=0.0, L=L)  # 纯色散
z2, A2 = ssfm(gauss_pulse(t), beta2=0.0, gamma=4.0, L=L)   # 纯克尔
z3, A3 = ssfm(sech_pulse(t), beta2=-1.0, gamma=1.0, L=L)   # 孤子

场景 3 的参数不是随手挑的:孤子条件 P0T02=|β2|/γ,代入 P0=T0=β2=γ=1 恰好满足。图里最直观的自检就是第三行右图——峰值功率走完全程纹丝不动(脚本打印出的漂移是 0.00%)。如果参数差一点(见 exercise.py 练习 3),脉冲就会周期性地压缩-展宽。

场景 1 还对照了高斯脉冲色散展宽的解析公式 T(z)=T01+(z/LD)2(LD=T02/|β2| 为色散长度),数值点和解析曲线重合说明 SSFM 实现正确——先用有解析解的情形校准数值方法,再用它去算没有解析解的情形。

第4步:倍频相位匹配 ​

python
dk = np.linspace(-8, 8, 401)
eta = np.sinc(dk * Lcrys / (2 * np.pi)) ** 2

这里直接用 index.md §3 推出的闭式结果:倍频效率 ∝sinc2(ΔkL/2)。注意 NumPy 的 np.sinc(x) 定义是 sin⁡(πx)/(πx),比数学书的 sinc 多一个 π,所以传参要先除以 π。四条不同晶体长度的曲线说明同一件事:晶体越长,匹配峰越窄——相位匹配不是「差不多就行」,而是要在整个相互作用长度上累计相位差远小于 1 弧度。

常见坑 ​

  • 窗口不够大 → 非线性展宽后频谱混叠,孤子曲线出现毛刺。Twin=40 对 γ=4 已留足余量;
  • 忘记 endpoint=False 或用了 linspace(..., N) → 周期化假设被破坏,频谱出现镜像伪峰;
  • γ 取太大(如 20+)→ 需要更多分步数 nz,否则非线性步失真——分步法的守则:先加倍 nz 看结果变不变,不变才算收敛。