### 使用相对论平均场理论计算无限核物质饱和点的 Python 程序 以下是基于相对论平均场 (RMF) 理论的一个简化实现，用于计算包含 omega 和 sigma 介子的无限核物质的饱和点。该模型假设核子之间的相互作用由交换虚粒子（如 sigma 和 omega 介子）来描述。 #### RMF 基本方程 在 RMF 中，能量密度可以表示为： \[ \varepsilon = T(\rho) + U_{\text{eff}}(\rho, b), \] 其中 \(T\) 是动能项，\(U_{\text{eff}}\) 表示有效势能[^1]。 对于包含 sigma (\(m_\sigma\)) 和 omega (\(m_\omega\)) 的情况，有效势能可写成如下形式： \[ U_{\text{eff}} = g_\sigma^2 n_s / m_\sigma c^2 + g_\omega^2 \rho_b^2 / (2 m_\omega c^2). \] 通过求解这些方程并最小化总能量密度，可以获得系统的饱和性质。 --- #### Python 实现 下面是一个简单的 Python 脚本，演示如何利用数值方法找到无限核物质的饱和点： ```python import numpy as np from scipy.optimize import minimize_scalar # 定义常量和参数 c = 299792458.0 # 光速 (m/s) hbar_c = 197.3 # h-bar * c (MeV*fm) def energy_density(rho_b, params): """ 计算能量密度。 参数: rho_b: 核子数密度 (fm^-3) params: 字典，包含耦合常数和其他物理参数 返回: 总能量密度 (MeV/fm^3) """ g_sigma, g_omega, m_sigma, m_omega, M_N = ( params['g_sigma'], params['g_omega'], params['m_sigma'], params['m_omega'], params['M_N'] ) # 势能部分 u_eff = ((g_sigma ** 2) * (rho_b - M_N)**2 / (2 * m_sigma**2 * c**2) + (g_omega ** 2) * (rho_b**2) / (2 * m_omega**2 * c**2)) # 动能部分 t_kinetic = (3/5) * (np.pi**2 * hbar_c**2 / (2 * M_N)) * (rho_b**(5/3)) return t_kinetic + u_eff # 设置初始参数 params = { 'g_sigma': 10.0, 'g_omega': 12.0, 'm_sigma': 550.0, # MeV/c^2 'm_omega': 783.0, # MeV/c^2 'M_N': 939.0 # 核子质量 (MeV/c^2) } # 寻找使能量密度最低的核子数密度 result = minimize_scalar(lambda rho_b: energy_density(rho_b, params), bounds=(0.01, 1.0), method='bounded') saturation_rho = result.x saturation_energy = result.fun print(f"Saturation density (ρ₀): {saturation_rho:.4f} fm⁻³") print(f"Energy per nucleon at saturation: {saturation_energy / saturation_rho:.4f} MeV") ``` 此脚本定义了一个 `energy_density` 函数，它接受核子数密度作为输入，并返回对应的能量密度。随后使用 SciPy 库中的优化函数 `minimize_scalar` 来寻找使得能量密度达到极小值的核子数密度。 --- #### 结果解释 运行上述代码后，会得到两个主要结果： 1. 饱和密度 (\(\rho_0\))：对应于能量密度最小时的核子数密度。 2. 单个核子的能量：即每单位核子所具有的能量，在饱和点处取得最小值。 注意，实际应用中可能需要调整耦合常数 \(g_\sigma\)、\(g_\omega\) 及其他参数以匹配实验数据或更复杂的理论框架[^2]。 --- ###