[物理学与PDEs]第1章第9节 Darwin 模型 9.3 Darwin 模型

简介: 1. $\Omega$ 中 ${\bf A}={\bf A}_T+{\bf A}_L$, 其中 $\Div{\bf A}_T=0$, $\rot{\bf A}_L={\bf 0}$. 若 $$\bex {\bf A}_L\times{\bf n}={\bf 0},\mbox{ on }\p\Omeg...

1. $\Omega$ 中 ${\bf A}={\bf A}_T+{\bf A}_L$, 其中 $\Div{\bf A}_T=0$, $\rot{\bf A}_L={\bf 0}$. 若 $$\bex {\bf A}_L\times{\bf n}={\bf 0},\mbox{ on }\p\Omega, \eex$$ 则分解唯一, 且有形式 ${\bf A}_L=-\n\psi$, 其中 $\psi$ 为 $$\beex \bea -\lap\psi=\Div{\bf A},&\quad\mbox{in }\Omega,\\ \psi=C,&\quad\mbox{on }\p\Omega \eea \eeex$$ 的解.

 

 

2. 设 ${\bf E}={\bf E}_T+{\bf E}_L$, 其中 $\Div{\bf E}_T=0$, $\rot{\bf E}_L={\bf 0}$, 且在 $\p\Omega$ 上, ${\bf E}_L\times{\bf n}={\bf 0}$, 则在 Maxwell 方程组中忽略 $\ve\cfrac{\p{\bf E}_T}{\p t}$ 得 $$\beex \bea \ve\cfrac{\p {\bf E}_L}{\p t}-\cfrac{1}{\mu}\rot{\bf B}&=-{\bf j},\\ \cfrac{\p {\bf B}}{\p t}+\rot{\bf E}_T&={\bf 0},\\ \Div{\bf E}_L&=\cfrac{\rho}{\ve},\\ \Div {\bf E}_T&=0,\\ \rot{\bf E}_L&={\bf 0},\\ \Div {\bf B}&=0. \eea \eeex$$

 

 

3. 边界条件: $$\beex \bea {\bf E}_L\times{\bf n}&={\bf 0},\\ {\bf E}_T\times {\bf n}&={\bf 0},\quad\quad\mbox{on }\p\Omega. \\ {\bf B}\cdot{\bf n}&={\bf B}_0\cdot{\bf n}_0, \eea \eeex$$

 

 

4. 初始条件: $$\bex {\bf E}_L={\bf E}_{0L},\quad{\bf B}={\bf B}_0,\quad\mbox{on }\sed{t=0}\times \Omega. \eex$$ 其中 ${\bf E}_{0L}$ 为 ${\bf E}_0$ 的纵场部分, 满足相容性条件.

 

 

5. Darwin 模型的定解问题 $\lra \forall\ t$ 求解

 

(1) ${\bf E}_L=-\n\phi$, 其中 $\phi$ 满足 $\cdots$;

 

(2) ${\bf B}$ 满足 $\cdots$;

 

(3) ${\bf E}_T$ 满足 $\cdots$.

 

 

6. 在一定条件下, Darwin 模型为 Maxwell 方程组的一个好的近似

 

(1) 当 $\cfrac{\omega l}{c}\to 0$ 时, $({\bf E}^D,{\bf B}^D)\to ({\bf E},{\bf B})$.

 

(2) ${\bf E}_L^D={\bf E}_L$.

目录
相关文章
|
4月前
|
人工智能 并行计算 异构计算
NVIDIA破局第二曲线创新问题之Megatron-LM的定义如何解决
NVIDIA破局第二曲线创新问题之Megatron-LM的定义如何解决
30 0
|
7月前
|
人工智能 并行计算 Ubuntu
极智AI | ubuntu编译Darknet与YOLO训练
大家好,我是极智视界,本文介绍了在 ubuntu 上编译 darknet 及 yolo 训练的方法。
124 0
|
机器学习/深度学习 传感器 算法
NGO-VMD北方苍鹰算法NGO优化VMD变分模态分解 可直接运行 分解效果好 适合作为创新点
NGO-VMD北方苍鹰算法NGO优化VMD变分模态分解 可直接运行 分解效果好 适合作为创新点
|
机器学习/深度学习 自然语言处理 监控
Lecture 1:强化学习简介
Lecture 1:强化学习简介
101 0
|
Python
【数学建模】Python+Gurobi——零基础学优化建模线性规划模型(LP)
【数学建模】Python+Gurobi——零基础学优化建模线性规划模型(LP)
844 0
|
UED Python
用Python构建贝叶斯信念网络解决Monty Hall三门问题
本文将向你展示如何利用Python构建简单的贝叶斯信念网络,并用它来进行严格的推理。我们要建模的问题是著名的蒙提霍尔问题(也叫三门问题)。
173 0
用Python构建贝叶斯信念网络解决Monty Hall三门问题
|
机器学习/深度学习 算法 量子技术
量子机器学习Variational Quantum Classifier (VQC)简介
变分量子分类器(Variational Quantum Classifier,简称VQC)是一种利用量子计算技术进行分类任务的机器学习算法。它属于量子机器学习算法家族,旨在利用量子计算机的计算能力,潜在地提升经典机器学习方法的性能。
246 0
MOTOROLA MVME-167 脉宽调制器的非线性操作引起
MOTOROLA MVME-167 脉宽调制器的非线性操作引起
128 0
MOTOROLA MVME-167 脉宽调制器的非线性操作引起
|
机器学习/深度学习 Web App开发 人工智能
Meta AI & UC Berkeley 新作 | Early Dropout: Make Hinton‘s Drouout Great Again!
Meta AI & UC Berkeley 新作 | Early Dropout: Make Hinton‘s Drouout Great Again!
143 0
|
机器学习/深度学习 搜索推荐
因子分解机(Factorization machine,FM),DIFM模型
因子分解机(Factorization machine,FM),DIFM模型
311 0
因子分解机(Factorization machine,FM),DIFM模型