WikiDer > Частица в ячейке

В частица в клетке (ПОС) относится к технике, используемой для решения определенного класса уравнения в частных производных. В этом методе отдельные частицы (или элементы жидкости) в Лагранжиан кадры отслеживаются непрерывно фазовое пространство, тогда как моменты распределения, такие как плотности и токи, вычисляются одновременно на эйлеровом (стационарном) сетка точки.

Методы PIC использовались уже в 1955 году,^[1]еще до первого Фортран компиляторы были доступны. Этот метод приобрел популярность для моделирования плазмы в конце 1950-х - начале 1960-х годов. Buneman, Доусон, Хокни, Бердсолл, Морс и другие. В физика плазмы В приложениях этот метод сводится к отслеживанию траекторий заряженных частиц в самосогласованных электромагнитных (или электростатических) полях, вычисленных на фиксированной сетке. ^[2]

Технические аспекты

Для многих типов задач классический метод PIC, изобретенный Бунеманом, Доусоном, Хокни, Бердсоллом, Морсом и другими, относительно интуитивно понятен и прост в реализации. Это, вероятно, во многом объясняет его успех, особенно при моделировании плазмы, для которого метод обычно включает следующие процедуры:

• Интегрирование уравнений движения.
• Интерполяция условий источника заряда и тока в сетку поля.
• Вычисление полей в точках сетки.
• Интерполяция полей от сетки до местоположений частиц.

Модели, которые включают взаимодействие частиц только через средние поля, называются ВЕЧЕРА (частица-сетка). Те, которые включают прямые бинарные взаимодействия: PP (частица-частица). Модели с обоими типами взаимодействий называются ПП-ПМ или же п³M.

С самого начала было признано, что метод PIC подвержен ошибкам из-за так называемых дискретный шум частиц.^[3]Эта ошибка носит статистический характер, и сегодня она остается менее понятной, чем для традиционных методов с фиксированной сеткой, таких как Эйлеров или же полулагранжиан схемы.

Современные геометрические алгоритмы PIC основаны на совершенно иной теоретической основе. Эти алгоритмы используют инструменты дискретного многообразия, интерполяционных дифференциальных форм, а также канонических или неканонических симплектические интеграторы чтобы гарантировать калибровочный инвариант и сохранение заряда, энергии-импульса и, что более важно, бесконечномерную симплектическую структуру системы частицы-поля.^[4][5]Эти желаемые особенности объясняются тем фактом, что геометрические алгоритмы PIC построены на более фундаментальной теоретико-полевой структуре и напрямую связаны с идеальной формой, то есть с вариационным принципом физики.

Основы методики моделирования плазмы PIC

В сообществе исследователей плазмы изучаются системы разных видов (электроны, ионы, нейтралы, молекулы, частицы пыли и т. Д.). Поэтому набор уравнений, связанных с кодами PIC, является Сила Лоренца как уравнение движения, решаемое в так называемой толкатель или же движитель частиц кода и Уравнения Максвелла определение электрический и магнитный поля, рассчитанные в (поле) решатель.

Суперчастицы

Изучаемые реальные системы часто чрезвычайно велики по количеству содержащихся в них частиц. Чтобы сделать моделирование более эффективным или вообще возможным, так называемые суперчастицы используются. Суперчастица (или макрочастица) - вычислительная частица, представляющая множество реальных частиц; это могут быть миллионы электронов или ионов в случае моделирования плазмы или, например, вихревой элемент в моделировании жидкости. Допускается масштабирование количества частиц, поскольку ускорение от Сила Лоренца зависит только от отношения заряда к массе, поэтому суперчастица будет следовать той же траектории, что и настоящая частица.

Число реальных частиц, соответствующих суперчастице, должно быть выбрано таким образом, чтобы можно было собрать достаточную статистику о движении частицы. Если существует значительная разница между плотностью различных частиц в системе (например, между ионами и нейтралами), для них можно использовать отдельные отношения реальных частиц к сверхчастицам.

Движитель частиц

Даже с суперчастицами количество моделируемых частиц обычно очень велико (> 10⁵), и часто движитель частиц является наиболее трудоемкой частью PIC, поскольку он должен выполняться для каждой частицы отдельно. Таким образом, толкатель должен иметь высокую точность и скорость, и много усилий тратится на оптимизацию различных схем.

Схемы, используемые для движка частиц, можно разделить на две категории: неявные и явные решатели. В то время как неявные решатели (например, неявная схема Эйлера) вычисляют скорость частицы из уже обновленных полей, явные решатели используют только старую силу из предыдущего временного шага и, следовательно, проще и быстрее, но требуют меньшего временного шага. В моделировании PIC чехарда используется явный метод второго порядка. ^[6] Так же Алгоритм бориса используется, который компенсирует магнитное поле в уравнении Ньютона-Лоренца. ^{[7] [8]}.

Для плазменных приложений метод чехарда принимает следующий вид:

${ displaystyle { frac { mathbf {x} _ {k + 1} - mathbf {x} _ {k}} { Delta t}} = mathbf {v} _ {k + 1/2}, }$

${ displaystyle { frac { mathbf {v} _ {k + 1/2} - mathbf {v} _ {k-1/2}} { Delta t}} = { frac {q} {m }} left ( mathbf {E} _ {k} + { frac { mathbf {v} _ {k + 1/2} + mathbf {v} _ {k-1/2}} {2} } times mathbf {B} _ {k} right),}$

где нижний индекс ${ displaystyle k}$ относится к "старым" количествам с предыдущего временного шага, ${ displaystyle k + 1}$ к обновленным количествам со следующего временного шага (т.е. ${ displaystyle t_ {k + 1} = t_ {k} + Delta t}$), а скорости вычисляются между обычными временными шагами ${ displaystyle t_ {k}}$.

Уравнения схемы Бориса, которые подставляются в приведенные выше уравнения:

${ displaystyle mathbf {x} _ {k + 1} = mathbf {x} _ {k} + { Delta t} mathbf {v} _ {k + 1/2},}$

${ Displaystyle mathbf {v} _ {к + 1/2} = mathbf {u} '+ q' mathbf {E} _ {k},}$

с

${ displaystyle mathbf {u} '= mathbf {u} + ( mathbf {u} + ( mathbf {u} times mathbf {h})) times mathbf {s},}$

${ Displaystyle mathbf {u} = mathbf {v} _ {k-1/2} + q ' mathbf {E} _ {k},}$

${ displaystyle mathbf {h} = q ' mathbf {B} _ {k},}$

${ displaystyle mathbf {s} = 2 mathbf {h} / (1 + h ^ {2})}$

и ${ displaystyle q '= Delta t times (q / 2m)}$.

Благодаря своей превосходной долговременной точности алгоритм Бориса де-факто является стандартом для продвижения заряженной частицы. Было понято, что превосходная долговременная точность нерелятивистского алгоритма Бориса связана с тем, что он сохраняет объем фазового пространства, хотя и не является симплектическим. Глобальный предел энергетической ошибки, обычно связанный с симплектическими алгоритмами, по-прежнему сохраняется для алгоритма Бориса, что делает его эффективным алгоритмом для многомасштабной динамики плазмы. Также было показано^[9]что можно улучшить релятивистский толчок Бориса, чтобы сохранить его объем и получить решение с постоянной скоростью в скрещенных полях E и B.

Решатель поля

Наиболее часто используемые методы решения уравнений Максвелла (или, в более общем смысле, уравнения в частных производных (PDE)) принадлежат к одной из следующих трех категорий:

• Конечно-разностные методы (FDM)
• Методы конечных элементов (FEM)
• Спектральные методы

С помощью FDM непрерывная область заменяется дискретной сеткой точек, на которых электрический и магнитный поля рассчитываются. Затем производные аппроксимируются с помощью разностей между значениями соседних точек сетки, и таким образом УЧП превращаются в алгебраические уравнения.

С помощью МКЭ непрерывная область разбивается на дискретную сетку элементов. PDE рассматриваются как проблема собственных значений и сначала пробное решение рассчитывается с использованием базисные функции которые локализованы в каждом элементе. Окончательное решение затем получается путем оптимизации до достижения требуемой точности.

Также спектральные методы, такие как быстрое преобразование Фурье (БПФ), преобразовывают PDE в проблему собственных значений, но на этот раз базисные функции имеют высокий порядок и определены глобально во всей области. Сама область в этом случае не дискретизируется, она остается непрерывной. Опять же, пробное решение находится путем вставки базисных функций в уравнение собственных значений и затем оптимизируется для определения наилучших значений исходных параметров испытания.

Взвешивание частиц и поля

Название «частица в клетке» происходит от того, что макровеличины плазмы (числовая плотность, плотность токаи т. д.) приписываются имитационным частицам (т.е. взвешивание частиц). Частицы могут быть расположены в любом месте непрерывной области, но макровеличины вычисляются только в точках сетки, как и поля. Чтобы получить макровеличины, предполагается, что частицы имеют заданную «форму», определяемую функцией формы.

${ Displaystyle S ( mathbf {x} - mathbf {X}),}$

куда ${ displaystyle mathbf {x}}$ - координата частицы, а ${ displaystyle mathbf {X}}$ точка наблюдения. Возможно, самый простой и наиболее часто используемый выбор для функции формы - это так называемый облако в ячейке (CIC), которая представляет собой (линейную) схему взвешивания первого порядка. Какой бы ни была схема, функция формы должна удовлетворять следующим условиям:^[10]изотропия пространства, сохранение заряда и повышение точности (сходимости) для членов высшего порядка.

Поля, полученные с помощью решателя поля, определяются только в точках сетки и не могут использоваться непосредственно в движке частиц для расчета силы, действующей на частицы, но должны быть интерполированы через взвешивание поля:

${ displaystyle mathbf {E} ( mathbf {x}) = sum _ {i} mathbf {E} _ {i} S ( mathbf {x} _ {i} - mathbf {x}), }$

где нижний индекс ${ displaystyle i}$ отмечает точку сетки. Чтобы гарантировать, что силы, действующие на частицы, получаются самосогласованным образом, способ вычисления макровеличин из положений частиц в точках сетки и интерполяции полей из точек сетки в положения частиц также должен быть согласованным, поскольку оба они появляются в Уравнения Максвелла. Прежде всего, схема интерполяции полей должна сохранять импульс. Этого можно достичь, выбрав одну и ту же схему взвешивания для частиц и полей и обеспечив соответствующую пространственную симметрию (т. Е. Отсутствие самодействия и выполнение закон действия-противодействия) решателя поля одновременно^[10]

Столкновения

Поскольку решатель поля должен быть свободен от сил самодействия, внутри ячейки поле, создаваемое частицей, должно уменьшаться с уменьшением расстояния от частицы, и, следовательно, силы между частицами внутри ячеек недооцениваются. Это можно уравновесить с помощью Кулоновские столкновения между заряженными частицами. Моделирование взаимодействия для каждой пары большой системы было бы слишком затратным в вычислительном отношении, поэтому несколько Методы Монте-Карло были разработаны вместо этого. Широко используемый метод - бинарная модель столкновений,^[11] в котором частицы сгруппированы в соответствии с их ячейками, затем эти частицы объединяются в пары случайным образом и, наконец, пары сталкиваются.

В реальной плазме могут играть роль многие другие реакции, от упругих столкновений, таких как столкновения между заряженными и нейтральными частицами, до неупругих столкновений, таких как электронно-нейтральное ионизационное столкновение, до химических реакций; каждый из них требует отдельного лечения. Большинство моделей столкновений, обрабатывающих столкновения заряженных нейтралов, используют либо прямой Монте-Карло схема, в которой все частицы несут информацию о вероятности их столкновения, или нулевая коллизия схема,^[12][13] который не анализирует все частицы, но вместо этого использует максимальную вероятность столкновения для каждого заряженного вида.

Условия точности и устойчивости

Как и в любом методе моделирования, также в PIC, временной шаг и размер сетки должны быть правильно выбраны, чтобы интересующие явления масштаба времени и длины были должным образом разрешены в проблеме. Кроме того, временной шаг и размер сетки влияют на скорость и точность кода.

Для моделирования электростатической плазмы с использованием явной схемы интегрирования по времени (например, чехарда, которая используется чаще всего), два важных условия, касающихся размера сетки ${ displaystyle Delta x}$ и временной шаг ${ displaystyle Delta t}$ необходимо выполнить для обеспечения устойчивости раствора:

${ displaystyle Delta x <3.4 lambda _ {D},}$

${ displaystyle Delta t leq 2 omega _ {pe} ^ {- 1},}$

которое можно получить, рассматривая гармонические колебания одномерной безмагниченной плазмы. Последнее условие является строго обязательным, но практические соображения, связанные с сохранением энергии, предлагают использовать гораздо более строгое ограничение, когда множитель 2 заменяется числом на порядок меньшим. Использование ${ displaystyle Delta t leq 0.1 omega _ {pe} ^ {- 1},}$ типично.^[10][14] Неудивительно, что естественный масштаб времени в плазме задается обратной величиной плазменная частота ${ displaystyle omega _ {pe} ^ {- 1}}$ и масштаб длины Длина Дебая ${ displaystyle lambda _ {D}}$.

Для явного моделирования электромагнитной плазмы временной шаг также должен удовлетворять условию Состояние CFL:

${ Displaystyle Delta t < Delta x / c,}$

куда ${ displaystyle Delta x sim lambda _ {D}}$, и ${ displaystyle c}$ это скорость света.

Приложения

В физике плазмы моделирование методом PIC успешно использовалось для изучения взаимодействий лазер-плазма, ускорения электронов и нагрева ионов в полярных сияниях. ионосфера, магнитогидродинамика, магнитное пересоединение, а также ионно-температурный градиент и другие микронеустойчивости в токамаки, более того вакуумные разряды, и пыльная плазма.

Гибридные модели могут использовать метод PIC для кинетической обработки некоторых видов, в то время как другие виды ( Максвелловский) моделируются с помощью модели жидкости.

PIC-моделирование также применялось за пределами физики плазмы для решения задач в твердый и механика жидкости.^[15][16]

Вычислительные приложения с электромагнитными частицами в ячейках

Смотрите также

• Плазменное моделирование
• Метод многофазных частиц в ячейках

Рекомендации

Библиография

• Бердсолл, Чарльз К .; А. Брюс Лэнгдон (1985). Физика плазмы с помощью компьютерного моделирования. Макгроу-Хилл. ISBN 0-07-005371-5.

• Хокни, Роджер У .; Джеймс У. Иствуд (1988). Компьютерное моделирование с использованием частиц. CRC Press. ISBN 0-85274-392-0.

внешняя ссылка

• Центр программного обеспечения для моделирования частиц в ячейках и кинетического моделирования (PICKSC), Калифорнийский университет в Лос-Анджелесе.
• Открытый исходный код 3D Particle-In-Cell для взаимодействия космического корабля с плазмой (требуется обязательная регистрация пользователя).
• Простой код частицы в ячейке в MATLAB
• Группа теории плазмы и моделирования (Беркли) Содержит ссылки на свободно распространяемое программное обеспечение.
• Введение в коды PIC (Техасский университет)
• open-pic - Трехмерное гибридное моделирование динамики плазмы методом частиц в ячейках