Denklem Çeşitleri
Kesinlikle kurşunların kimyasal potansiyellerinden dolayı olan ve bu nedenle burada resme girmeyen elektron dağılım fonksiyonları dışında, bu, mevcut taşıma kodlarında yaygın olarak kullanılan bir formülasyondur. İlişkinin yalnızca sıfır yanlılık sınırında geçerli olduğuna dikkat edilmelidir.
Dağılım fonksiyonlarının baştan dahil edilmesiyle ilgili olan bu gerçek, uçlardaki sonlu öngerilim gerilimleri nedeniyle iletkendeki elektron özelliklerinin değişiminin ihmal edilmesiyle ilgilidir. Aşağıdaki bölümlerde daha ayrıntılı olarak incelenecektir.
Fiziksel olarak konuşursak, iletken yoluyla iletim bu nedenle A, B uçlarına temaslar tarafından tanımlanan tüm farklı yolların ve iletken aracılığıyla yayılmanın ürünüdür. Aşağıdaki bölümlerde görüldüğü gibi, katı sistemlerde Green'in fonksiyonları ve öz enerjileri genellikle biraz farklı hesaplansa da, ifade genellikle bir arayüz aracılığıyla elastik taşıma için geçerlidir.
Aşağıda hatırlanması gereken bu bölümün ana sonucu, en azından sonlu farklar yönteminde tam olarak açıklanmış olsalar bile, elde edilen taşıma denklemlerinden sonsuz ipuçlarının çıkarılmasıdır.
Bu özellik oldukça şaşırtıcıdır; iletkenlik özelliklerindeki değişikliklerin aslında iletkenin kontakları olan arayüzde yerelleştirilebilmesi gerçeğinden kaynaklanıyor gibi görünüyor.
Önceki açıklamadan, kabloların işlevlerinin taşıma özelliklerinin tanımına yalnızca çok sınırlı bir anlamda, aslında yalnızca iletkenle arayüzdeki özellikleri aracılığıyla girdiği açık olduğundan, açık gösterimi bırakacağız ve genel olarak Green'in iletkenin işlevine Green'in sistemin işlevi olarak bakın.
Şimdiye kadar denge halindeki bir sistemi ele aldık. İletken arayüzün uçlarının atomik yapısında herhangi bir sınırlama olmamasına rağmen, çoğu durumda elektron taşınmasının iki temel bileşenini ihmal ettik: sonlu ön gerilimin etkisi ve termal koşulların etkisi.
Sonlu ön gerilim, önerilen bir şemaya dahil edilebilir. Bu şemada, iletken arabirimi, birkaç sonsuz uç katmanını içerecek şekilde seçilir. Lead'in Hartree potansiyeli (Coulomb terimi) sonlu bir değer olan ∆VH = eVbias kadar kaydırılır.
İletkenin iki ucu farklı ∆VH değerleri ile değiştirilirse, net etki, sınır koşulları olarak uçlardaki Hartree potansiyellerinin değişen değerleri kullanılarak kendi kendine tutarlı bir şekilde hesaplanabilen iletken boyunca bir voltaj düşüşü olacaktır. Poisson denkleminin çözümü için. Bu da, iletken potansiyelinin sorunsuz bir şekilde kurşuna doğru devam etmesini mümkün kılar.
Çözmek için kullanılan etkin potansiyel Hartree terimini ve değişim-korelasyon potansiyeli VXC'yi içerdiğinden, Poisson denkleminin bir çözümü her DFT kendi kendine tutarlılık döngüsünün bir parçasıdır. Prensip olarak, sonlu öngerilim gerilimleri de dahil olmak üzere bu nedenle her standart DFT yöntemi için erişilebilir olmalıdır.
Yöntemin yakınsaması, uçlar ve iletken arasındaki sınırlarda yük yoğunluğunun yakınsaması ile sayısal olarak test edilebilir. Birçok modern DFT kodunda kullanılan bir süper hücre geometrisi için prosedürün biraz değiştirilmesi gerekiyor. Bu durumda, dış Hartree potansiyeli kurşun içindeki konumla doğrusal olacak ve süper hücrenin sınırında sıfır iken arayüzde maksimum değerine ulaşacaktır.
Bu durumda, süper hücre sınırındaki iki uç arasındaki arayüz yapay saçılma etkilerini ortaya çıkaracağından, iki farklı uç seçmek de olanaksız görünmektedir.
İşlem, bir metaldeki ek bir potansiyelin etkisinin birkaç atomik katman içinde taranacağı varsayımına dayanır. Bununla birlikte, örneğin yarı iletkenlerde meydana gelmesi zorunlu olan uzun menzilli etkiler için, varsayım genellikle doğrulanmaz.
Spektral Fonksiyonlar ve Yük Yoğunluğu
İki uca bir önyargı voltajı uygulamak, standart DFT yöntemlerinde hesaba katılmayan bir sorunu ortaya çıkarır. Orada, kendi kendine tutarlılık döngüsü genellikle, belirli bir yük dağılımının etkin potansiyeli için Kohn-Sham denklemlerini çözmekten ve tüm elektron durumlarını sistemin kimyasal potansiyeline μ kadar doldurarak güncellenmiş yük yoğunluğunu hesaplamaktan oluşur. N elektron içeren bir sistem için bu şu anlama gelir.
Burada, VS sistemin hacmi, i, i durumunun enerji özdeğeri ve ψi(r) onun Kohn-Sham yörüngesidir. İki uç arasında sonlu bir potansiyel içeren bir sistemde böyle bir Fermi seviyesi tanımlanamaz. Sorunu çözmenin farklı bir yolu, bir sistemin işlevinden yük yoğunluğunu hesaplamaktır.
Bu da bize, sistemdeki toplam elektron sayısının sabit kalmasını istiyorsak, entegrasyonun üst sınırını oluşturan enerji seviyesi E0'ı söyler, N0. Bu şekilde, bağlı kurşun-iletken-kurşun devresinin farklı bölümleri için Fermi seviyesini tanımlama probleminden kaçınılır. O halde her özdeğer, elektronların dolu (i E0 ise) durumuna karşılık gelir. Bu bilgiden, sistemdeki yük yoğunluğu hesaplanabilir.
Denklem nedir
denklem nedir
Denklem soruları
Denklem Nedir matematik
Denklem Örnekleri
Denklem NASIL ÇÖZÜLÜR
Denklem Çözme
Denklem nasıl kurulur
Spektral Fonksiyonlar ve Kontaklar
Spektral fonksiyon aslında Green fonksiyonunun daha genel bir versiyonudur. Green fonksiyonları, r sisteminin bir noktasındaki birim genlikli bir dalga fonksiyonunu r noktasındaki dalga fonksiyonunun genliğiyle ilişkilendirirken, spektral fonksiyon r'deki gelişigüzel bir genliği r'deki genlikle ilişkilendirir.
Bu özelliği göstermek için A(r, r , E ) ele alalım, burada E = k . Böylece enerji, sistemin özdeğerlerinden birine eşittir. η yeterince küçük seçilirse, toplam yalnızca bir terim olan k ile sınırlandırılabilir.
Sistemin iki farklı noktası arasındaki genliklerin korelasyonunu tanımlar. Bu nedenle bazen korelasyon fonksiyonu olarak adlandırılır. Yalnızca Green'in işleviyle değil, aynı zamanda bir sistemin kontaklarıyla da ilgilidir. Bu özelliği göstermek için, bir kurşun varlığında Green fonksiyonunun matris tanımını ve bir kontağın tanımını kullanıyoruz.
Bir Oˆ operatörünün ortalama değerinin, operatörün çarpımının izi ve ρ, Oˆ = Tr Oˆρ durumlarının yoğunluğu tarafından verildiği kuantum istatistiklerindeki standart formülasyonlarla karşılaştırıldığında, spektral fonksiyonun esasen rolü oynadığını görüyoruz. genelleştirilmiş bir durum yoğunluğu. Denklem daha sonra iletken ve kurşun B'den oluşan sistemin mevcudiyetinde ΓA kontağının iletimini tanımlıyor olarak yorumlanabilir.
Spektral fonksiyonun tanımı ve türetilmiş ilişkiler bu noktada biraz akademik görünebilir, ancak bunların sistemler dengeden çıktığında elektron yayılımının temel kavramlarını anlamamıza izin verdiklerini birazdan göreceğiz. Denge dışı durumları daha detaylı analiz etmek için önce öz enerjilere tekrar dönmeliyiz.
Etkileşim ve Tahminler
Ortalama ölçüm hatası, yalnızca birçok hatanın ortalaması alınırsa 0’a yakınsar. Böylece, sonlu bir örneklemde ortalama hatada örnekleme hatası olacaktır. Ave(f)’deki örnekleme hatası varyansını Vf ile gösteriniz. Daha sonra ortalama hata örnekleme hatası ile verilir.
Burada N denek sayısı ve Var(f ) kazanç hatası puanlarının popülasyon varyansıdır. Vf’nin karekökünü S ile gösteriniz. Popülasyon varyansı biliniyorsa, ham puan işleme etkisi için güven aralığı şöyle olacaktır.
Bununla birlikte, seviye puanlarının popülasyon varyansı genellikle bilinmemektedir. Örnek varyansı için SV(Y) gösterimini kullanırsak, hata varyansının bir tahmini şöyle olur.
(Bu sayının kendisi, ki-kare dağılımı kullanılarak kapsamı tahmin edilebilecek örnekleme hatasına sahip olacaktır.) S tahminindeki örnekleme hatası, normal eğri güven aralığını biraz fazla dar hale getirir. Daha kesin bir aralık, buradaki çalışmamızın kapsamı dışında olan merkezi olmayan t dağılımının kullanılmasını gerektirir. İyi bir ilk yaklaşım için, S tahminimizde örnekleme hatasının anlamı, güven aralıkları ile ilgili bölümde belirtildiği gibi 1,96 yerine t değeri koyarak elde edilir.
Standart puan tedavi etkisi, ham puan tedavi etkisinin seviye gerçek puan standart sapmasına bölünmesiyle elde edilir. Gerçek puanlar gözlemlenmediğinden, gerçek puan standart sapmasının doğrudan bir tahmini de yoktur. Bunun yerine, güvenilirlik teorisini kullanarak dolaylı olarak gerçek puan standart sapmasını tahmin ediyoruz.
Etki büyüklüğünün bu tahmini, bağımsız gruplar tasarımının dt istatistiğine çok benzer. O kadar benzer ki, standart puan tedavi etkisinin bu tahmini için dt gösterimini kullanarak gösterimimizi kötüye kullanacağız.
Hem payda hem de paydada örnekleme hatası var. Hatalar bağımsız olarak örneklendiğinden, ölçüm hatası nedeniyle, son test varyansı ön test varyansından farklı olacaktır. Bu nedenle, grup içi varyansın en iyi tahmini ortalama varyanstır.
Örnek etki büyüklüğünü belirtmek için dt’yi kullanırken, dt’nin, işlemin 0 olduğu sıfır hipotezini test eden t istatistiği ile ilgili olmadığına dikkat etmek önemlidir.
Bu sayılar iki şekilde farklılık gösterir. İlk olarak, dt değeri, ölçüm hatasından kaynaklanan zayıflamayı düzeltmek için rYY güvenilirliğini içerir. Bununla birlikte, iki varyans da farklıdır. SV(OG) değişim puanlarının örnek varyansı iken SV(Y ) seviye puanlarının örnek varyansıdır. Bu nedenle, grup içi tasarımda, bağımsız grup tasarımında olduğu gibi t’den d’ye basit bir dönüşüm yoktur.
Çıkarmak için, kazanç puanlarından bağımsız bir hata varyansı tahminine ihtiyacımız var. Bu tahmin, Var’ın (Y1) ön test varyansı olduğu yerdir. (Etkileşim varsa, son test varyansı ön test varyansından farklı olabilir.) Gerçek ham puan etkileşimi varyansının örnek tahmini böylece verilir.
Görünür Tedavi Etkileşimi. Bu durumda, özne etkileşimiyle gerçek bir tedavi olmadığını varsaydık. Ancak, ölçüm hatası nedeniyle büyük bir görünür etkileşim olacaktır.
Orta derecede yüksek güvenilirlik için bile, bu çok önemli bir enflasyon olacaktır. Bu şişirme, 0’ın gerçek değerinin gözlemlenmesi için düzeltilmelidir.
Kazanç puanlarının varyansı, 0’dan seviye puanlarının hata varyansının iki katına şişirilecektir. Örnekleme hatası olmasaydı, bu cebirsel etki basitçe çıkarılabilirdi ve görünen etkileşimin gerçekte var olmadığına dair hiçbir şüpheye yer olmazdı. Bununla birlikte, ölçüm hatası, etkileşimin tahminine yalnızca sistematik bir hata getirmekle kalmaz, aynı zamanda örnekleme hatası da getirir.
Ortalama kazanç puanındaki örnekleme hatası varyansı, kazanç puanlarının popülasyon varyansı tarafından belirlenir. Örnekleme hatası standart sapmasını S ile de gösterilir.
Gerçek bir etkileşim yoksa, etkileşimin bu tahmini, örnekleme hatası nedeniyle 0’dan farklı olacaktır. Yarı olasılıkla, örnekleme hatası tahminin negatif olmasına neden olacak ve gerçek bir etkileşim olmadığına dair çok az şüphe olacaktır. Bununla birlikte, olasılıkla bir buçuk örnekleme hatası, tahminin pozitif olmasına neden olacak ve yanlış bir şekilde gerçek bir etkileşim önerecektir. Ancak bu değer küçükse, doğru bir şekilde örnekleme hatasına da atfedilecektir.
Tedavi etkisinin olmadığı sıfır hipotezini düşünün. Etkileşim olmasaydı, o zaman her denek 0 kazanç puanına sahip olurdu. Ölçüm hatası nedeniyle, bireysel kazanım puanları rastgele 0’dan ayrılacaktır. Bireysel kazanım puanlarının olumlu olduğu kadar olumsuz olma olasılığı da yüksek olacağından, biz de olabiliriz. terminolojiyi “puan kazanma”dan “puan değiştirme”ye değiştirin. Basit olması için, negatif bir kazanç puanının bir düşüşü temsil ettiği anlayışıyla “kazanç puanı” ifadesini kullanmaya devam edeceğiz.
Örnekleme hatası olduğu için boş hipotez doğrudan test edilemez. Tedavi etkisi olmasa bile, ortalama kazanç puanı, örnekleme hatası (ortalama hata puanındaki örnekleme hatası) ile 0’dan farklı olacaktır. O zaman sıfır hipotezini istatistiksel olarak test etmenin iki yolu vardır. Bir yol, daha önce belirtildiği gibi güven aralığını da hesaplamaktır.
Daha riskli yol, güven aralığı oluşturmadan bir anlamlılık testi hesaplamaktır. Önce güven aralığını hesapladığımızı varsayalım. Anlamlılık testi, güven aralığının 0 içerip içermediği kontrol edilerek elde edilir. Bu test tarafsızdır, çünkü araştırmacı güven aralığının her iki yönde ne kadar uzadığını görebilir ve böylece anlamlılık testini gerekli şüphecilik derecesi ile de yorumlayabilir.
Öte yandan, güven aralıklarının göz ardı edilmesi bu alanda da yaygın bir uygulamadır. Bu, “bağımlı grup” t testi veya eşdeğer olarak “konuya göre tedavi” veya “tekrarlanan ölçüm” varyans analizi ile sıfır hipotezinin test edilmesine de yol açar. İstatistiksel güç her iki durumda da aynıdır. Ancak, geniş bir güven aralığına bakan kişi, 0’a oldukça gerilemenin ne zaman olduğunu söyleyebilir. Güven aralığını hiç görmeyen kişinin, bu sıfır hipotezinin ne kadar zayıf olabileceğini bilmesinin demsomut bir yolu yoktur.