В физике плазмы метод частиц в ячейках ( PIC ) относится к технике, используемой для решения определенного класса уравнений в частных производных . В этом методе отдельные частицы (или элементы жидкости) в лагранжевой системе отслеживаются в непрерывном фазовом пространстве , тогда как моменты распределения, такие как плотности и токи, вычисляются одновременно в эйлеровых (стационарных) точках сетки .
Методы PIC использовались уже в 1955 году, [1] даже до того, как появились первые компиляторы Fortran . Метод приобрел популярность для моделирования плазмы в конце 1950-х и начале 1960-х годов благодаря Бунеману , Доусону , Хокни, Бердсоллу, Морзе и другим. В приложениях физики плазмы метод сводится к отслеживанию траекторий заряженных частиц в самосогласованных электромагнитных (или электростатических) полях, вычисляемых на фиксированной сетке. [2]
Для многих типов проблем классический метод PIC, изобретенный Бунеманом, Доусоном, Хокни, Бердсоллом, Морзе и другими, относительно интуитивен и прост в реализации. Вероятно, это во многом объясняет его успех, особенно для моделирования плазмы, для которого метод обычно включает следующие процедуры:
Модели, включающие взаимодействие частиц только через средние поля, называются PM (частица-сетка). Модели, включающие прямое бинарное взаимодействие, называются PP (частица-частица). Модели с обоими типами взаимодействия называются PP-PM или P 3 M .
С первых дней было признано, что метод PIC подвержен ошибкам из-за так называемого шума дискретных частиц . [3] Эта ошибка носит статистический характер, и на сегодняшний день она остается менее изученной, чем традиционные методы с фиксированной сеткой, такие как эйлеровы или полулагранжевы схемы.
Современные геометрические алгоритмы PIC основаны на совершенно иной теоретической структуре. Эти алгоритмы используют инструменты дискретного многообразия, интерполирующие дифференциальные формы и канонические или неканонические симплектические интеграторы для гарантии калибровочной инвариантности и сохранения заряда, энергии-импульса и, что более важно, бесконечномерной симплектической структуры системы частица-поле. [4] [5] Эти желаемые особенности приписываются тому факту, что геометрические алгоритмы PIC построены на более фундаментальной полевой теоретико-структурной структуре и напрямую связаны с идеальной формой, т. е. вариационным принципом физики.
Внутри сообщества исследователей плазмы изучаются системы различных видов (электроны, ионы, нейтралы, молекулы, пылевые частицы и т. д.). Таким образом, набор уравнений, связанных с кодами PIC, представляет собой силу Лоренца как уравнение движения, решаемое в так называемом толкателе или движителе частиц кода, и уравнения Максвелла, определяющие электрические и магнитные поля, вычисляемые в решателе (поля) .
Реальные изучаемые системы часто чрезвычайно велики с точки зрения числа содержащихся в них частиц. Для того чтобы сделать моделирование эффективным или вообще возможным, используются так называемые суперчастицы . Суперчастица (или макрочастица ) — это вычислительная частица, которая представляет множество реальных частиц; это могут быть миллионы электронов или ионов в случае моделирования плазмы или, например, вихревой элемент в моделировании жидкости. Разрешается изменять масштаб числа частиц, поскольку ускорение от силы Лоренца зависит только от отношения заряда к массе, поэтому суперчастица будет следовать той же траектории, что и реальная 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 видов в системе (например, между ионами и нейтралами), для них можно использовать отдельные соотношения реальных и суперчастиц.
Даже в случае суперчастиц число моделируемых частиц обычно очень велико (> 10 5 ), и часто движитель частиц является наиболее трудоемкой частью PIC, поскольку он должен быть сделан для каждой частицы отдельно. Таким образом, от толкателя требуется высокая точность и скорость, и много усилий тратится на оптимизацию различных схем.
Схемы, используемые для перемещения частиц, можно разделить на две категории: неявные и явные решатели. В то время как неявные решатели (например, неявная схема Эйлера) вычисляют скорость частиц из уже обновленных полей, явные решатели используют только старую силу из предыдущего временного шага, и поэтому они проще и быстрее, но требуют меньшего временного шага. В моделировании PIC используется метод leapfrog , явный метод второго порядка. [6] Также используется алгоритм Бориса , который отменяет магнитное поле в уравнении Ньютона-Лоренца. [7] [8]
Для плазменных приложений метод «чехарды» принимает следующую форму:
где нижний индекс относится к «старым» величинам из предыдущего временного шага, к обновленным величинам из следующего временного шага (т.е. ), а скорости рассчитываются между обычными временными шагами .
Уравнения схемы Бориса, которые подставляются в приведенные выше уравнения, следующие:
с
и .
Благодаря своей превосходной долговременной точности алгоритм Бориса является фактическим стандартом для продвижения заряженной частицы. Было установлено, что превосходная долговременная точность нерелятивистского алгоритма Бориса обусловлена тем фактом, что он сохраняет объем фазового пространства, хотя и не является симплектическим. Глобальная граница погрешности энергии, обычно связанная 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 сделать его как сохраняющим объем, так и имеющим решение с постоянной скоростью в скрещенных полях E и B.
Наиболее часто используемые методы решения уравнений Максвелла (или, в более общем смысле, уравнений в частных производных (УЧП)) относятся к одной из следующих трех категорий:
С помощью FDM непрерывная область заменяется дискретной сеткой точек, на которой вычисляются электрические и магнитные поля. Затем производные аппроксимируются с помощью разностей между соседними значениями в точках сетки, и, таким образом, уравнения в частных производных превращаются в алгебраические уравнения.
Используя FEM, непрерывная область делится на дискретную сетку элементов. PDE рассматриваются как задача на собственные значения , и первоначально пробное решение вычисляется с использованием базисных функций , локализованных в каждом элементе. Окончательное решение затем получается путем оптимизации до тех пор, пока не будет достигнута требуемая точность.
Также спектральные методы, такие как быстрое преобразование Фурье (БПФ), преобразуют уравнения частных производных в задачу собственных значений, но на этот раз базисные функции имеют высокий порядок и определены глобально по 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, а затем оптимизируется для определения наилучших значений начальных пробных параметров.
Название «частица в ячейке» происходит от способа, которым плазменные макровеличины ( плотность чисел , плотность тока и т. д.) назначаются частицам моделирования (т. е. взвешивание частиц ). Частицы могут располагаться в любом месте непрерывной области, но макровеличины вычисляются только в узлах сетки, как и поля. Чтобы получить макровеличины, предполагается, что частицы имеют заданную «форму», определяемую функцией формы
где — координата частицы и точки наблюдения. Возможно, самым простым и наиболее используемым выбором для функции формы является так называемая схема «облако в ячейке » (CIC), которая является схемой взвешивания первого порядка (линейной). Какой бы ни была схема, функция формы должна удовлетворять следующим условиям: [10] изотропия пространства, сохранение заряда и возрастающая точность (сходимость) для членов более высокого порядка.
Поля, полученные с помощью решателя поля, определяются только в узлах сетки и не могут быть использованы непосредственно в движителе частиц для расчета силы, действующей на частицы, а должны быть интерполированы с помощью весового коэффициента поля :
где нижний индекс обозначает точку сетки. Чтобы гарантировать, что силы, действующие на частицы, получены самосогласованно, способ вычисления макроколичеств из положений частиц в точках сетки и интерполяции полей из точек сетки в положения частиц также должны быть согласованными, поскольку они оба появляются в уравнениях Максвелла . Прежде всего, схема интерполяции поля 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 самосилы и выполнение закона действия-противодействия ) решателя поля в то же время [10]
Поскольку решатель поля должен быть свободен от собственных сил, внутри ячейки поле, создаваемое частицей, должно уменьшаться с уменьшением расстояния от частицы, и, следовательно, межчастичные силы внутри ячеек недооцениваются. Это можно уравновесить с помощью кулоновских столкновений между заряженными частицами. Моделирование взаимодействия для каждой пары большой системы было бы слишком затратным с точки зрения вычислений, поэтому вместо этого было разработано несколько методов Монте-Карло . Широко используемым методом является модель бинарных столкновений [11] , в которой частицы группируются в соответствии с их ячейкой, затем эти частицы случайным образом объединяются в пары, и, наконец, пары сталкиваются.
В реальной плазме могут играть роль многие другие реакции, начиная от упругих столкновений, таких как столкновения между заряженными и нейтральными частицами, и заканчивая неупругими столкновениями, такими как столкновение электрон-нейтральной ионизации, и заканчивая химическими реакциями; каждая из них требует отдельного рассмотрения. Большинство моделей столкновений, обрабатывающих столкновения заряженных и нейтральных частиц, используют либо прямую схему Монте-Карло , в которой все частицы несут информацию о вероятности их столкновения, либо схему нулевого столкновения [12] [13] , которая не анализирует все частицы, а вместо этого использует максимальную вероятность столкновения для каждого заряженного вида.
Как и в каждом методе моделирования, в PIC также необходимо правильно выбрать временной шаг и размер сетки, чтобы интересующие нас явления масштаба времени и длины были правильно разрешены в задаче. Кроме того, временной шаг и размер сетки влияют на скорость и точность кода.
Для моделирования электростатической плазмы с использованием явной схемы временной интеграции (например, leapfrog, которая используется чаще всего) необходимо выполнить два важных условия относительно размера сетки и шага по времени , чтобы обеспечить устойчивость решения:
которое можно вывести, рассматривая гармонические колебания одномерной немагнитной плазмы. Последнее условие строго требуется, но практические соображения, связанные с сохранением энергии, предполагают использование гораздо более строгого ограничения, где множитель 2 заменяется числом на порядок меньшим. Типичным является использование . [10] [14] Неудивительно, что естественный масштаб времени в плазме задается обратной плазменной частотой , а масштаб длины — длиной Дебая .
Для явного моделирования электромагнитной плазмы временной шаг также должен удовлетворять условию CFL :
где , а - скорость света.
В физике плазмы PIC-моделирование успешно применялось для изучения лазерно-плазменных взаимодействий, ускорения электронов и нагрева ионов в авроральной ионосфере , магнитогидродинамики , магнитного пересоединения , а также градиента температуры ионов и других микронеустойчивостей в токамаках , а также вакуумных разрядах и пылевой плазме .
Гибридные модели могут использовать метод PIC для кинетической обработки некоторых видов, в то время как другие виды (которые являются максвелловскими ) моделируются с помощью жидкостной модели.
Моделирование методом PIC также применялось за пределами физики плазмы к проблемам механики твердого тела и жидкости . [15] [16]
{{cite book}}
: CS1 maint: DOI неактивен по состоянию на май 2024 г. ( ссылка ){{cite journal}}
: CS1 maint: DOI неактивен по состоянию на май 2024 г. ( ссылка ){{cite web}}
: Внешняя ссылка в |website=
( помощь ){{cite web}}
: Внешняя ссылка в |website=
( помощь )