Tesi Jacopo Surace Analisi Equazione Di Schrodinger Newton

Universit
`
a degli Studi di Trieste
Facolt` a di Scienze Matematiche, Fisiche e Naturali
Corso di Studi in Fisica
Tesi di Laurea Triennale
ANALISI DELLEQUAZIONE DI
SCHR
ODINGER-NEWTON
Laureando:
Jacopo Surace
Relatore:
prof. Angelo Bassi
ANNO ACCADEMICO 20122013
Indice
Lista delle gure ii
Abbrevizioni iii
Postulati della meccanica quantistica iv
1 Introduzione 1
1.1 Fenomeni alla base della descrizione quantistica: . . . . . . . . . . . 1
1.2 Due postulati della QM in competizione: . . . . . . . . . . . . . . . 3
1.3 Sovrapposizioni, speculazioni, interpretazioni: . . . . . . . . . . . . 4
2 Nascita e motivazioni 6
2.1 Il concetto di macroscopicit` a . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Lidea di Penrose . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 Equazione e sue proprietà 8
3.1 Lequazione di Schr odinger-Newton: . . . . . . . . . . . . . . . . . . 8
3.2 Alcune importanti proprietà: . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Ground state della particella libera: . . . . . . . . . . . . . . . . . . 10
4 Evoluzione temporale 13
4.1 Preparazione: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Semplicazione del potenziale: . . . . . . . . . . . . . 15
4.2 Evoluzione per tempi piccoli . . . . . . . . . . . . . . . . . . . . . . 17
4.3 Evoluzione per tempi lunghi . . . . . . . . . . . . . . . . . . . . . . 22
Calcolo della matrice

Q . . . . . . . . . . . . . . . . . 23
4.3.1 Sotto la massa critica: . . . . . . . . . . . . . . . . . . . . . 27
4.3.2 Sopra la massa critica: . . . . . . . . . . . . . . . . . . . . . 29
4.3.3 Confronto tra ES ed ESN: . . . . . . . . . . . . . . . . . . . 32
5 Conclusioni 33
5.1 Dicolt` a trovate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2 Conclusioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
A Riscalamento della soluzione dellESN 36
Bibliograa 38
i
Elenco delle gure
1.1 Esperimento con il fullerene . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Gatto di Scrhodinger . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1 Prolo della funzione (r) . . . . . . . . . . . . . . . . . . . . . . . 11
4.1 Distribuzione di probabilità radiale (4.2) . . . . . . . . . . . . . . . 14
4.2 A(%) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 B(%) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 m = 1 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 m = 5 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.6 m = 7 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.7 m = 9 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.8 m = 0.25 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.9 m = 0.8 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.10 m = 5 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.11 m = 0.25 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.12 m = 5 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.13 m = 6.5 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.14 m = 8 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.15 m = 15 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.16 m = 50 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.17 m = 15 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.18 m = 50 10
9
u . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.19 Tempo richiesto anchè levoluzione temporale dellESN dierisca
del 1%, 10%, 50% dallES [3] . . . . . . . . . . . . . . . . . . . . . 32
ii
Abbrevizioni
ESN Equazione Schr odinger-Newton
ES Equazione Schr odinger
GS Ground State
QM Quantum Mechanic
CM Classic Mechanic
iii
Postulati della meccanica
quantistica
1. Lo stato del sistema è descritto da un vettore in uno spazio di Hilbert.
2. Levoluzione degli stati è data dallES.
3. Le osservabili sono operatori autoaggiunti, i risultati di una misura sono gli
autovalori reali delloperatore.
4. Regola di Born.
5. Eseguita una misura la funzione donda collassa nellautostato delloperatore
della grandezza misurata corrispondente allautovalore ottenuto.
iv
Capitolo 1
Introduzione
1.1 Fenomeni alla base della descrizione quanti-
stica:
Tra i motivi concorrenti alla nascita della QM sta la necessit` a di descrivere con
una teoria sica e matematica dei fenomeni inspiegabili con il solo impianto della
CM.
Tra i molti esperimenti, di particolare interesse per noi è quello della doppia fen-
ditura. Lesperimento di Young sembrava dare la risposta denita alla domanda
sulla natura corpuscolare od ondulatoria della luce e infatti, facendo passare un
opportuno fascio di luce attraverso due apposite fenditure, si creava sullo schermo
anteposto una gura a frange, segno irrefutabile della presenza di fenomeni di in-
terferenza. La luce aveva quindi le caratteristiche di unonda.
Mentre per la luce la questione onda/corpuscolo era molto sentita, per le particelle
sembrava innegabile che si trattasse di corpuscoli, ma quando nel medesimo espe-
rimento di Young, svolto con elettroni al posto della luce, si osservarono gure di
dirazione analoghe a quelle del caso con la luce, ci si accorse di un problema: la
distinzione tra corpuscolo ed onda non era pi cos` netta.
Seguirono molti altri esperimenti e molte discussioni ma risultò via via sempre pi` u
chiaro che alla base della nuova teoria che stava nascendo (la QM) era necessario
1
Capitolo 1. Introduzione 2
includere la possibilit` a di interferenze anche tra corpuscoli. Il modo in cui ci` o
venne implementato ormai è conosciuto (la QM è ormai una teoria consolidata),
ma è essenziale sottolineare che la possibilità di applicare il principio di sovrappo-
sizione anche alle particelle (per ottenere fenomeni di interferenza) è una richiesta
fondamentale della teoria quantistica.
E chiaro dagli esperimenti -ed è anche il motivo per cui esiste la nozione di
corpuscolo- che le particelle, seppur formino sullo schermo dellesperimento di
Young frange di interferenza, qui arrivino ben localizzate nello spazio. Ogni par-
ticella lascia un puntino e non un alone di intensit` a diverse, come se si infrangesse
un onda.
Al pari della richiesta di includere il principio di sovrapposizione, abbiamo lal-
trettanto essenziale richiesta che al momento della misura la particella si comporti
come un corpuscolo e sia precisamente localizzata.
Quindi, fra le richieste della QM, abbiamo: la necessità del principio di sovrappo-
sizione e la necessità di ottenere quantit` a precise e fenomeni corpuscolari allatto
della misura.
Figura 1.1: Esperimento con il fullerene
Fig. 1.1: Non solo particelle piccole come lelettrone formano gu-
re di dirazione, si è riusciti a far dirarre anche molecole come il
fullerene[1]
1.2 Due postulati della QM in competizione:
Le richieste del paragrafo 1.1 sono implementate nella QM con 2 postulati diversi.
Come gi` a detto, è necessario includere il principio di sovrapposizione e per farlo si
fa evolvere il sistema tramite lES, questa equazione ha le propriet` a di includere
tra le sue soluzioni funzioni ondulatorie e di essere un equazione lineare, quindi
una combinazione lineare di soluzioni rimane una soluzione. Questo postulato de-
nisce levoluzione temporale che chiamiamo U. Per far passare il sistema da un
sistema composto da onde ad uno composto da corpuscoli nellatto della misu-
ra si inserisce un altro postulato: un sistema quantistico osservato collassa in un
suo autostato (quindi una sola soluzione dellES eliminando tutte le combinazioni
lineari tramite regole probabilistiche) tramite levoluzione temporale di collasso
istantanea, chiamata R.
Un sistema quantistico ha dunque solitamente questo comportamento: nche non
è osservato può trovarsi in una sovrapposizione di autostati e si evolve tramite la
trasformazione U continua; appena osservato tramite la trasformazione R precipi-
ta in un solo autostato dellES inserendo cos` una discontinuità nellevoluzione U.
E dunque un problema avere due tipi di evoluzione diversi per un sistema quanti-
stico ed avere la regola che specica quando applicare uno o laltro (U o R) basata
su un concetto mal denito come latto di misurare. Ma questo non è lunico
problema associato a questi postulati, associato al secondo postulato cè forse il
pi` u famoso problema o paradosso della QM, quello del gatto si Schrodinger. Se a
livello microscopico può non creare nessun problema pensare che, a patto di non
osservarlo, un sistema si possa trovare in una sovrapposizione di stati, portare tale
risultato a livello macroscopico risulta in un paradosso. Per legare leetto mi-
croscopico a quello macroscopico, Schrodinger ha idealmente posto in una stessa
scatola un gatto ed una boccetta di gas velenoso con la possibilità che questultima
si rompa in base al decadimento o non decadimento di una particella radioattiva.
Finche non è osservata, la particella, si trover` a in una sovrapposizione di stati
decaduta/non-decaduta, e tramite i vari collegamenti allora anche la boccetta si
troverà in uno stato rotta/non-rotta ed inne anche il povero gatto esisterà in una
sovrapposizione di vivo/non-vivo. Tutto questo nche la scatola resta chiusa. E
evidente per lesperienza di ogni giorno che un gatto simultaneamente vivo e mor-
to non possa esistere. La sovrapposizione di stati diventa problematica a livello
macroscopico.
Figura 1.2: Gatto di Scrhodinger
Fig. 1.2: Una rappresentazione stilistica della sovrapposizione di sta-
ti per il gatto di Schrodinger[2], sono passati molti anni senza una
soluzione pienamente condivisa al paradosso. Ormai è parte dellim-
maginario collettivo.
1.3 Sovrapposizioni, speculazioni, interpretazio-
ni:
E necessario innanzitutto precisare una cosa: la teoria quantistica ore ottime
previsioni. Nonostante i paradossi e le apparenti discordanze che si trovano alla
base della teoria, a livello di previsioni sperimentali no ad ora la QM è stata messa
alla prova non poche volte ed ha sempre avuto successo. Arontare i problemi che
sembrano esserci nelle sue fondamenta è quindi un lavoro particolarmente delicato
ed è per questo che gran parte di questo lavoro si basa fondamentalmente su inter-
pretazioni che non vanno a modicare quasi mai la formulazione matematica ma
principalmente si propongono di trovare una diversa via con la quale raggiungere
gli stessi risultati che gi` a si conoscono della QM.
Tra le interpretazioni, le principali sono l interpretazione di Copenaghen sviluppa-
ta principalmente da Heisenberg e Bohr dove lo stato del sistema è rappresentato
da una matrice o da una funzione donda che descrive le varie possibilit` a del siste-
ma, queste proprietà vengono lette tramite la regola di Born. Nel momento della
misurazione il sistema collassa istantaneamente nello stato misurato. Cè poi lin-
terpretazione della meccanica Bohmiana, che vede le particelle fondamentalmente
corpuscolari controllate da una speciale onda pilota. Cè linterpretazione a molti
mondi in cui esiste un mondo separato per ogni possibile stato quantistico, quando
operiamo una misura scegliamo semplicemente una direzione per il nostro mondo
che si separa quindi dagli altri, ogni misura biforca la strada di un universo dagli
altri inniti universi possibili. A tutte queste teorie cè chi si oppone proponendo
la FAPP (For All Practical Pourpose) dove essenzialmente limportante è il risul-
tato della teoria in esperimenti pratici. Cè poi il lone di teorie, di cui fa parte
quella analizzata in questo testo, che si deniscono come teorie del collasso spon-
taneo le quali invece di eliminare il collasso provocato dallosservatore, postulano
che i collassi siano naturali e avvengano spontaneamente nei sistemi quantistici, e
diventino signicativi quando il sistema interagisce con un oggetto macroscopico
[7]. Le teorie del collasso spontaneo uniscono U ed R in un unica evoluzione.
Capitolo 2
Nascita e motivazioni
2.1 Il concetto di macroscopicità
La teoria di cui ci occuperemo fa parte della famiglia delle teorie del collasso spon-
taneo. In queste teorie il problema nel denire cosa sia esattamente una misura è
trasferito al denire cosa sia eettivamente un sistema macroscopico.
Due sono principalmente le interpretazioni che si possono dare a tale caratterizza-
zione: rimanendo fedeli al concetto di particelle o semplicemente di entit` a singole
che possono costituire un sistema pi` u grande si pu` o aermare che un sistema sia
macroscopico quando il numero di particelle che lo compongono è sucientemente
grande. Nella teoria GRW [9] si fa uso di questa interpretazione e si parla di un
collasso della funzione donda che avviene con velocità direttamente proporzionale
al numero di particelle del sistema.
Nella teoria da noi analizzata, un sistema macroscopico invece è caratterizzato da
masse molto grandi, dunque pi` u grande è la massa, pi` u rapidamente dovrebbe
collassare la funzione donda. Con questa idea in mente risulta aascinante tro-
vare una soluzione al paradosso del gatto di Schr odinger: il gatto è un sistema
macroscopico collegato al sistema microscopico della particella radioattiva, la so-
vrapposizione pu` o esistere ma durerebbe per pochissimo tempo ed è dunque per
questo che nessuno è mai riuscito ad osservarla.
6
Capitolo 2. Nascoita e motivazioni 7
2.2 Lidea di Penrose
Roger Penrose, credendo nella teoria del collasso spontaneo, cominciò a considera-
re latto della misura come lavvicinarsi al sistema da misurare (solitamente molto
poco massivo) di un altro oggetto (il misuratore) tipicamente molto massivo. Que-
sta vicinanza e perturbazione vicendevole tra i due sistemi doveva portare ad un
collasso e dunque il motivo principale di tale collasso doveva essere una attrazione
gravitazionale tra le due masse. Ricordo che quando parliamo di collasso (in teo-
rie del collasso spontaneo) non intendiamo il tipico collasso in un autostato -come
ad esempio il collasso istantaneo in uno stato di spin denito dopo una misura
dello stesso, come descritto dalla QM attuale-, ma un velocissimo, non istantaneo,
restringimento della distribuzione di probabilit` a della posizione della particella at-
torno ad un valore che poi sar` a il valore misurato. Pi` u grande è la massa pi` u è
rapido il collasso, tantè che gli oggetti a misura duomo, quelli oggetto della sica
classica, hanno masse estremamente pi` u grandi di quelle considerate in esperimenti
quantistici e nel loro comportamento non si intravede nulla di macroscopicamente
quantistico. Partendo da queste ipotesi Penrose postul` o con laiuto del principio
di indeterminazione di Heisenberg (TE
' h) che il tempo di collasso T per una

sovrapposizione di due stati di posizione avrebbe dovuto essere proporzionale a
h
E
che non è altro che lenergia gravitazionale propria della dierenza tra le distribu-
zioni di massa delle due funzioni donda considerate, cioè lenergia necessaria per
separare al massimo le masse delle due funzioni donda [6]. Applicare alla forma-
lizzazione di tali concetti la teoria della relatività generale è troppo complesso per
quella che sarebbe comunque una teoria puramente fenomenologica, ci sarebbero
molti problemi da superare e interrogativi (i quali questa teoria non si propone
di risolvere) da sistemare. LESN (cioè la formalizzazione matematica delle idee
di Penrose) si baserà quindi nellapprossimazione della teoria della gravitazione di
Newton.
Capitolo 3
Equazione e sue proprietà
3.1 Lequazione di Schr odinger-Newton:
Lequazione che analizzeremo è lequazione di Schrodinger-Newton (abbreviata
ESN):
i h
t
(~r, t) =
h
2
2m
2
(~r, t) Gm
2
_
|(~ r
1
, t)|
2
||~r ~ r
1
||
d
3
r
1
(~r, t) (3.1)
dove h è la costante di Planck ridotta,
t
è loperatore di derivazione parziale ri-
spetto a t,
2
è loperatore laplaciano, G è la costante di gravitazione universale
di Newton.
Non è altro che la classica equazione di Schr odinger con un potenziale gravitazio-
nale Newtoniano dovuto alla massa della particella stessa.
La riscriviamo esplicitando il potenziale (la parte integrale è la soluzione di une-
quazione di Poisson con condizione a contorno che la funzione vada a 0 allinnito):
_
_
i h
t
(~r, t) =
h
2
2m
2
(~r, t) + m(~r, t)(~r, t)
2
(~r, t) = 4Gm|(~r, t)|
2
(3.2)
Risulta chiaro, osservando la seconda equazione del sistema, il punto fondamentale
su cui si basa tutta questa teoria: la distribuzione di probabilit` a che si ottiene con
8
Capitolo 3. Equazione e sue proprietà 9
la regola di Born (mettendosi nella base della posizione) non è altro che la distri-
buzione spaziale della massa della particella considerata. Il potenziale considerato
è quello generato da una distribuzione di massa m|(~r, t)|
2
secondo la gravitazione
di Newton.
Come per lequazione di Schr odinger usuale richiediamo che la funzione sia C
(almeno C
2
) per tutti x R
3
e normalizzabile e che il potenziale sia C
e tenda
a 0 per grandi valori di ~r (le condizioni a contorno usate per risolvere lequazione
di Poisson).
Per trovare lespressione indipendente dal tempo usiamo la separazione di variabili:
(x, y, z, t) = (x, y, z)e
i
E
h
t
.Nellespressione del potenziale rimane solo il termine
spaziale, dunque:
_
_
E(~r) =
h
2
2m
2
(~r) + m(~r)(~r)
2
(~r) = 4Gm|(~r)|
2
(3.3)
è lESN indipendente dal tempo.
3.2 Alcune importanti proprietà:
Cerchiamo di caratterizzare lESN descrivendo alcune proprietà di cui gode la
soluzione:
1. Simmetria per traslazioni di fase:
Come per lES, operando una traslazione di fase sulla funzione donda:
(~r, t)
0
(~r, t) = e
i
(~r, t) (3.4)
con R,
0
(~r, t) rimane una soluzione.
Si pu` o dimostrare che questa simmetria implica la conservazione dellinte-
grale sullo spazio di |(~r, t)|
2
, dunque lESN conserva la norma.
2. Simmetria per inversione spaziale o temporale:
Denendo:
: R
4
R
4
, (~r, t) (~r, t)
: R
4
R
4
, (~r, t) (~r, t)
è possibile applicarle alla funzione donda in questo modo:
P(~r, t)
0
(~r, t) = (~r, t)
1
T(~r, t)
00
(~r, t) = C (~r, t)
1
dove C C. In questo modo è possibile eseguire inversioni spaziali e
temporali mandando soluzioni in soluzioni.
3. Invarianza per riscalamento dei parametri m, ~r, t: E possibile dimostrare
(appendice A) che la trasformazione:
S
(~r, t) =
0
(~r, t) =
9
2
(
3
~r,
5
t) (3.5)
manda soluzioni (~r, t) calcolate per il parametro di massa m, in soluzioni
(~r, t) calcolate per il parametro di massa m
0
= m.
Sarà conveniente dora in poi considerare m = 1 nei calcoli analitici, per
lasciarci solo alla ne il compito di cambiare la massa tramite il riscalamento.
3.3 Ground state della particella libera:
Riscriviamo la forma indipendente dal tempo della (3.3) usando U =
2m
h
2
(E
m) e deniamo m = 1:
_
_
U(~r)(~r) =
2
(~r)
2
U(~r) =
8G
h
2
|(~r)|
2
(3.6)
Eliminiamo il fattore a fronte di |(~r)|
2
denendo:
:=
8G
h
(~r) := (~r)
(3.7)
In questo modo otteniamo ||(~r)||= ||(~r)|| e possiamo scrivere la (3.6) in
forma pi` u compatta:
_
_
U(~r)(~r) =
2
(~r)
2
U(~r) = |(~r)|
2
(3.8)
Trovando la soluzione a questo sistema ci baster` a trasformare (~r) in (~r)
e operare loperazione di riscalamento per ottenere il GS per una massa
qualunque.
(~r) = S
m
[
1
(~r)] =
(8G)
3
2
m
9
2
h
3
||||
4
(
8Gm
3
h
2
||||
2
~r) (3.9)
La funzione (~r), autostato a simmetria sferica, soluzione del sistema (3.8),
è stata trovata numericamente da Moroz et al. [4] ed assume, troncandola
al 4 termine del suo sviluppo in serie, la forma:
(r) =
0
(1
1
6
r
2
+

2
0
+1
120
r
4
+...)
0
1.08864
(3.10)
Figura 3.1: Prolo della funzione (r)
Fig. 3.1: La funzione (r) trovata numericamente da Moroz et al.
[4] per renderla normalizzabile è stata troncata al punto r = 2.2
dove passa la retta verticale
La soluzione (r) è un polinomio che solitamente non è normalizzabile ma
si pu` o far tendere a 0 per innito scegliendo correttamente
0
. Qui abbia-
mo troncato il polinomio al termine quarto e quindi usando una soluzione
approssimata siamo costretti anche a troncare la funzione (r) da un certo
r in poi. Dal graco si vede che un buon taglio può essere fatto nel minimo
della funzione per r 2.2. Tale tagli ci permette di normalizzare la funzio-
ne (r) con la costante di normalizzazione ||||
2
=
_
2.2
0
4r
2
(r)
2
dr 26.
Lespressione esplicita del GS (approssimato) dellESN:
(~r) = 4r
2
(8G)
3
2
m
9
2
h
3
||||
4

0
(1
1
6
(
8Gm
3
h
2
||||
2
r)
2
+
2
0
+ 1
120
(
8Gm
3
h
2
||||
2
r)
4
) (3.11)
Come ci si aspettava da considerazioni sullintegrabilit` a del termine non li-
neare dellequazione, il GS dell ESN non ha densità di probabilità uni-
forme in tutto lo spazio, come invece accade per le onde piane soluzioni
dellequazione di Schrodinger per la particella libera.
Capitolo 4
Evoluzione temporale
4.1 Preparazione:
LESN è nata con lidea di determinare per le funzioni donda una specie
di collasso spontaneo, un comportamento che unisca le evoluzioni U ed R
dellequazione di Schrodinger classica sotto un aspetto pi` u generale. La
caratteristica pi` u interessante e che necessita uno studio pi` u approfondito è
levoluzione temporale
Partiremo da un pacchetto donda gaussiano 3D:
(~r, t) = (
1
a
2
)
3
4
e
r
2
2a
2
(4.1)
che possedendo simmetria sferica risulta particolarmente comodo, infatti ci
consentir` a di operare solo sulla dimensione radiale trasformando il problema
da 3D ad 1D.
La distribuzione di probabilit` a che ci interesser` a sarà dunque la radiale:
2
(r, t) = 4r
2
|(r, t)|
2
(4.2)
Durante lanalisi andremo spesso a cercare il picco di questa distribuzione,
è dunque opportuno notare che il picco inizialmente si trova al punto r = a,
dove a è la larghezza del pacchetto donda e compare nellequazione (4.1).
13
Capitolo 5. Evoluzione temporale 14
Figura 4.1: Distribuzione di probabilità radiale (4.2)
Fig 4.1: Distribuzione di probabilità radiale (4.2) con parametro
a = 0.5: come si vede il picco della distribuzione si trova ad r = 0.5
e la funzione è prossima allo 0 per r > 3a
Nel caso dellES un pacchetto gaussiano è soggetto ad una dispersione, cioè al
passare del tempo la larghezza della distribuzione di probabilità del pacchetto
donda in rappresentazione della posizione aumenta.
Infatti a conti fatti, levoluzione temporale tramite lES di un pacchetto
donda gaussiano è:
2
(r, t) =
4
(a
2
)
3/2
r
2
a
2
q
a
4
+(
t h
m
)
2
3
e
a
2
r
2
a
4
+
(
t h
m
)
2
(4.3)
dove il termine t a denominatore, aumentando, abbassa la funzione e quindi
(lES conserva la norma) allarga la distribuzione.
Ci accorgeremo che con l ESN il pacchetto donda gaussiano, dipendente-
mente dalla massa, si allarga, resta stabile o addirittura si restringe.
Per poter trasformare il problema completamente da 3D a 1D dobbiamo
manipolare anche il termine potenziale. Essendo la funzione donda a sim-
metria sferica e dipendendo il potenziale da
|( ~ r
1
,t)|
2
||~r~ r
1
||
, mi aspetto che anche il
potenziale possegga simmetria sferica. Ed in eetti tramite uno sviluppo a
multipolo e susseguente manipolazioni e considerazioni sui polinomi riesco a
riscrivere il termine potenziale:
_
|(~ r
1
, t)|
2
||~r ~ r
1
||
d
3
r
1
=
4
r
_
r
0
|(~ r
1
, t)|
2
r
02
dr
0
+ 4
_

r
|(~ r
1
, t)|
2
r
0
dr
0
(4.4)
Semplicazione del potenziale: Per prima cosa sviluppiamo il poten-
ziale in multipolo[5]:
_
|( ~ r
1
,t)|
2
||~r~ r
1
||
d
3
r
1
=
_
0
dr
0
_
0
d
0
_
2
0
d
0
l=0
l
m=0
||
2
2l+1
r
l
min
r
l+1
max
Y
m
l
(, )(Y
m
l
(
0
,
0
))
r
02
sin(
0
)
(4.5)
Con:
r
min
= min(r, r
0
) (4.6a)
r
max
= max(r, r
0
) (4.6b)
Sostituiamo alle armoniche sferiche una loro rappresentazione [8]:
Y
m
l
(, ) = (1)
m
2l + 1
4
(l m)!
(l +m)!
_1
2
P
m
l
(cos)e
im
Dove P
l
() è un polinomio di Legendre. La funzione || è a simmetria sfe-
rica dunque lintegrale (4.5) dipende dallangolo solo nel fattore e
im(
0
)
appartenente al termine Y
m
l
Y
m
l
(appartenente allo sviluppo di
1
||~r~ r
1
||
). In-
tegriamo quindi su d
0
ed otteniamo 0, essendo gli estremi di integrazione
0 e 2, per tutti gli m, tranne il caso m = 0. Una somma ed un segno
di integrale si sono semplicati. Rimane il termine con m = 0. Operia-
mo una sostituzione di variabile:
0
= cos(
0
) che trasforma gli estremi di
integrazione per d negli estremi 1 e 1 di d
0
. Lntegrale (4.5) è dunque:
2
l=0
_

0
dr
0
_
1
1
d
0
||
2
r
l
min
r
l+1
max
P
l
()P
l
(
0
)r
02
(4.7)
Sostituiamo ai polinomi di Legendre la loro rappresentazione (formula di
Rodriguez):
P
l
() = (2
l
l! )
1
d
l
d
l
(
2
1)
n
ed otteniamo:
_
_
_
2
l=1
P
l
()
_
0
dr
0
_
1
1
d
0
||
2
r
l
min
r
l+1
max
_
1
2l+1
(
dP
l+1
d
0

dP
l1
d
0
)
_
r
02
d l 6= 0
2
_
0
dr
0
_
1
1
d
0
||
2 1
rmax
P
0
()P
0
(
0
)r
02
l = 0
(4.8)
I polinomi di Legendre godono della propriet` a P
l
(1) = (1)
n
, dunque
integrando per l 6= 0 ed applicando il teorema fondamentale del calco-
lo,otteniamo 0. Abbiamo semplicato la formula (4.5) no ad ottenere
soltanto il termine del sistema (4.7) per l = 0. Il polinomio di Legendre
P
0
() = 1 quindi abbiamo nalmente ottenuto la formula radiale per il po-
tenziale (4.4).
Posso quindi riscrivere lESN per (r, t) radiale:
i h
t
r(r, t)
=
h
2
2m
2
r(r, t)
Gm
2
4
r
_
r
0
|(r
0
, t)|
2
r
02
dr
0
+ 4
_

r
|(r
0
, t)|
2
r
0
dr
0
r(~r, t)
(4.9)
operando il passaggio alla funzione (r, t) = r(r, t) denisco già quella che
poi sar` a la funzione di distribuzione radiale e rendo il tutto pi` u leggibile :
i h
t
(r, t) =
h
2
2m
2
(r, t)
Gm
2
4
r
_
r
0
|(r, t)|
2
dr
0
+ 4
_

r
|(r, t)|
2
r
0
dr
0
(r, t)
(4.10)
Questa è lequazione della quale ci occuperemo.
Lanalisi dellevoluzione sarà svolta tramite metodi numerici implementati
al computer e tali metodi richiedono un tempo macchina elevato. Siamo
particolarmente interessati a trovare quale sia il parametro di massa per il
quale lESN determina un comportamento del pacchetto donda nettamente
dierente di quello dellES ed a studiare questo comportamento dierente.
E quindi assolutamente sconveniente ricercare tale parametro tramite tali
metodi numerici, abbiamo quindi diviso lanalisi in due parti: prima tramite
approssimazioni analitiche calcoleremo quali sono i parametri di massa che
ci interessano (sezione evoluzione temporale per tempi piccoli ), una volta
individuati procederemo al calcolo numerico dellevoluzione temporale del
pacchetto solo per queste precise masse (sezione evoluzione temporale per
tempi grandi ).
4.2 Evoluzione per tempi piccoli
Per calcolare levoluzione temporale a tempi brevi della distribuzione di pro-
babilità radiale utilizzeremo lapprossimazione allordine pi` u basso diverso
da 0 dello sviluppo in serie rispetto al t, partendo da t = 0 [3]. Al tempo
t = 0 sappiamo che:
0
(r) := (r, 0) =
r
(a
2
)
3
4
e
r
2
2a
2
(4.11)
Per trovare il primo termine utile dello sviluppo in serie calcoliamo
n
t
|(r, t)|
2
t=0
partendo da n = 1 e proseguendo no ad ottenere un
n
t
|(r, t)|
2
t=0
6= 0.
Riscriviamo la formula (4.10) in forma pi` u compatta:
_
_
_
t
(r, t) =
ih
2m
2
(r, t)
im
h
(r, t)(r, t)
(r, t) = Gm
4
r
_
r
0
|(r, t)|
2
dr
0
+ 4
_
r
|(r,t)|
2
r
0
dr
0
(4.12)
E facilmente vericabile che
t
|(r, t)|
2
t=0
= 0 (basta moltiplicare la prima
equazione del sistema (4.12) per la sua complessa coniugata).
Procediamo al calcolo di
2
t
|(r, t)|
2
t=0
.
2
t
=
h
2
4m
2
4
r
+
1
2
(
2
r
) + (
r
)(
r
) +(
2
r
)
m
2
h
2

2

im
h
(
t
)
(4.13)
2
t
=
h
2
4m
2
4
r
+
1
2
(
2
r
)
+ (
r
)(
r
) +(
2
r
)
m
2
h
2

2
+
im
h
(
t
)
(4.14)
Le moltiplichiamo ed otteniamo:
(4.15)
2
t
||
2
=
h
2
4m
2
[(
4
r
)
2(
2
r
)(
2
r
) + (
4
r
)]
+ (
2
r
)||
2
+ (
2
r
)((
r
) + (
r
))
Per semplicare la lettura introduciamo delle nuove costanti:
= (a
2
)
3
2
= a
1
1
= 4
1
2
G
2
= 2G
3
= h
2
2
Il cambio di variabile % = r, e le nuove funzioni:
(r, t) =
1
1
m
1
(r, t) (4.16)
A(%) =
((
2
r
)
2
0
+ 2(
r
)(
r
0
)
0
) (4.17)
B(%) =
h
2
2
(
0
(
2
r
0
) (
2
r
0
)
2
) (4.18)
Nelle funzioni A(%) e B(%) sono presenti derivate parziali rispetto ad r, abbia-
mo operato il cambio di variabile r %, trasformiamole dunque in derivate
parziali rispetto a % e calcoliamole se applicate al potenziale (r, 0) che dalla
forma (4.12) è passato a:
(r, 0) =
1
%
_
%
0
%
02
e
%
02
d%
0
+
_

%
%
0
e
%
02
d%
0
=
4
erf(%)
%
. (4.19)
Le derivate sono quindi:
1
(r, 0) =
%
(r, 0) =
1
2%
e
%
2
4
erf(%
%
2
(4.20)
1
2
r
(r, 0) =
2
%
(r, 0) =
2
erf(%)
%
3
(1 +
1
%
2
)e
%
2
(4.21)
Le funzioni A(%) e B(%) assumono nalmente la forma esplicita:
A(%) = 2
1
%
2
e
2%
2
2
%e
%
2
erf(%) (4.22a)
B(%) =
3
%
2
(2%
2
3)e
%
2
(4.22b)
Figura 4.2: A(%) Figura 4.3: B(%)
Fig. 4.2, Fig. 4.3: Le due funzioni A e B. Si nota che la funzione
A ha comportamento attrattivo, la funzione B ha comportamento
repulsivo
Dove erf(%) =
2
_
%
0
e
x
2
dx.
Fatto ciò la (4.15) diventa:
2
t
||
2
t=0
= mA(%) +
1
m
2
B(%)
(4.23)
il primo termine utile dello sviluppo. Possiamo nalmente scrivere la prima
parte dello sviluppo in serie di |(%, t)|
2
:
|(%, t)|
2
=
2
0
+
t
2
2
(mA(%) +
1
m
2
B(%)) +O(t
3
)
(4.24)
Questa è una soluzione approssimata e quindi vale solo per piccoli intorni
di t = 0. Dai graci vediamo che A(%) è la componente attrattiva dellevo-
luzione, mentre B(%) è quella repulsiva. Al crescere della massa il termine
A(%) aumenta linearmente il suo contributo, mentre il termine B(%) diminui-
sce quadraticamente il suo contributo. In pieno accordo con le previsioni di
Penrose, per grandi masse il pacchetto donda gaussiano non subisce alcuna
dispersione ma anzi si restringe. Può restringersi no a diventare perfetta-
mente localizzato in un punto? Se cos` fosse, per il principio di indetermi-
nazione di Heisenberg, la distribuzione di probabilità del pacchetto donda
in rappresentazione del momento dovrebbe allargarsi indenitamente. Nel
prossimo paragrafo vedremo, con una simulazione dellevoluzione tempora-
le per tempi lunghi, che il pacchetto Gaussiano mantiene sempre una certa
larghezza minima. Sarebbe bello per` o trovare levoluzione temporale del mo-
mento della particella.
Soermiamoci ora, però, su ciò che abbiamo appena calcolato e vediamo di
analizzare il comportamento per masse dierenti. Cerchiamo, in particolare,
qualè la massa limite sopra la quale aspettarci un comportamento attrattivo
tra le varie parti del pacchetto.
Mettiamoci innanzitutto in un contesto pi` u reale, diamo delle grandezze al
pacchetto donda.
Come detto ad inizio capitolo, la variabile a è la posizione del picco di pro-
babilità radiale al tempo 0 rispetto al centro della simmetria sferica, ma è
anche una misura della larghezza della funzione donda (12). Quale larghezza
diamo allonda che stiamo considerando? Tenendo a mente di voler speri-
mentare in laboratorio i risultati ottenuti analiticamente da questa equazio-
ne scegliamo una larghezza a = 0.5m che è la tipica grandezza usata negli
esperimenti in laboratorio. Pi` u avanti daremo un idea di come creare un
esperimento di verica in laboratorio.
a = 0.5m
Con questa larghezza abbiamo che A(%) assume valori dellordine massimo
di 10
20
, mentre B(%) assume valori dellordine massimo di 10
10
. (g. 4.2,
g. 4.3)
Quindi anchè il termine A(%) prevalga su B(%) dovremo avere un massa
m 10
10
u. E plottata di seguito la funzione (mA(%) +
1
m
2
B(%)) per valori
m [10
9
u, 10
11
u].
Figura 4.4: m = 1 10
9
u Figura 4.5: m = 5 10
9
u
Figura 4.6: m = 7 10
9
u Figura 4.7: m = 9 10
9
u
Figure 4.4, 4.5, 4.6, 4.7: graco di (mA(%) +
1
m
2
B(%)) per varie
masse. Le lunghezze sono sempre segnate in m e a = 0.5m
E evidente che il cambio di tendenza da dispersivo ad attrattivo avviene per
masse attorno a 6 10
9
u.
Abbiamo trovato il valore del parametro di massa attorno al quale concen-
trare lanalisi numerica.
4.3 Evoluzione per tempi lunghi
Loperazione fondamentale per qualsiasi valutazione numerica è la discretiz-
zazione del problema. Dividiamo lo spazio ed il tempo in una griglia di passo
t per la dimensione temporale e r per la dimensione radiale
Levoluzione temporale della funzione donda è descritta dalloperatore (r, t) =
e
i

Ht
h
(r, 0), che banalmente discretizzato diventa:
(jr, nt) = e
i

Hnt
h
(jr, 0) (4.25)
Con n, j gli indici della posizione sulla griglia rispettivamente lungo las-
se del tempo e dello spazio. Segue banalmente che indicando con
n
j
=
(jr, nt) vale la seguente identità:
e
i

Ht
2 h
n+1
j
= e
i

Ht
2 h
n
j
(4.26)
Sviluppiamo i due esponenziali in serie di Taylor otteniamo fermandoci al
primo ordine:
_
1 +
i

Ht
2 h
_
n+1
j
=
_
1
i

Ht
2 h
_
n
j
(4.27)
portando a destra:
n+1
j
=
1
i

Ht
2 h
1 +
i

Ht
2 h
n
j
=

U(t)
n
j
(4.28)
Questa è chiamata Rappresentazione di Cayley ed è molto conveniente es-
sendo

U(t) uno sviluppo al secondo ordine nel tempo delloperatore di
evoluzione temporale e preservando lunitarietà dello stesso.
Vediamo di scriverlo in una forma pi` u semplice da dare al computer:
n+1
j
=
1 +
i

Ht
2h
1
i

Ht
2 h
n
j
=
=
1 +
i

Ht
2 h
n
j
=
=
Q
1
n
j
=
=

Q
1
n
j

n
j
=
=
n
j

n
j
(4.29)
Dove evidentemente

Q
1
= 2
1 +
i

Ht
2 h
1
e
n
j
=

Q
1
n
j
.
Conoscendo

Q quindi ci basterà risolvere
n
j
=

Q
1
n
j
per trovare
n
j
e sot-
trarci
n
j
per ottenere
n+1
j
=
n
j

n
j
.
La forma discretizzata che otteniamo dellESN è quella utilizzata dal Metodo
di Crank-Nicolson. Questo metodo fortunatamente è stabile e non richiede
nessuna condizione particolare sui parametri t e r della griglia anchè
le soluzioni convergano. Ciò ci facilita di molto limplementazione al com-
puter.
Ci resta quindi solo da calcolare

Q. Per fare questo serve un paragrafo a
parte.
Calcolo della matrice

Q Nella matrice

Q appare tutta lHamiltoniana.
Calcolare

Q quindi signica discretizzare lHamiltoniana nel suo termine
cinetico e in quello potenziale. Ricordiamo che per passare ad un problema
unidimensionale abbiamo usato un sistema di riferimento polare, ci troviamo
quindi a dover discretizzare la parte radiale del Laplaciano che sappiamo
essere [5]
1
r
2
r
(r
2
r
) =
2
r
+
2
r
r
. (4.30)
Con una rappresentazione alle dierenze nite le derivate parziali sono facil-
mente discretizzabili, ma a creare qualche problema è la r al denominatore
quando si va a derivare nellorigine (
1
r
e
r
0, è un caso 0 ). Per
risolverlo sviluppiamo la derivata parziale rispetto ad r in serie di Taylor e
facciamo il limite per r 0.
lim
r0
2
r
r
= lim
r0
2
r
_
r
0 |
r
0
=0
+r
2
r
0 |
r
0
=0
+
r
2
2

3
r
0 |
r
0
=0
+...) = 2
2
r
(4.31)
Dunque nello 0 il laplaciano radiale da discretizzare sarà (ricordando lequa-
zione 4.30): 3
2
r
.
Procediamo:
Q =
1
2
1 +
it

H
2 h
=
=
1
2
1 +
it
2 h
h
2
2m
2
+V
=
=
_
_
1
2
_
1 +
it
2 h
V
n
j

it
4m
1
r
2
r
(r
2
r
)
_
r 6= 0
1
2
_
1 +
it
2 h
V
n
j

3iht
4m

2
r
r = 0
(4.32)
A questo punto come noto dal metodo delle dierenze nite possiamo ap-
prossimare le derivate prime e seconde che appariranno in

Q
n
j
come:
n
j
=
j+1
n
n
j1
2r
2
r
n
j
=
n
j+1
2
n
j
+
n
j1
r
2
E discretizzo molto semplicemente il potenziale nella forma (17):
n
j
= 4Gmr
2
_
1
j
j1
i=0
|
n
i
|
2
i
2
+
N1
i=j
|
n
i
|
2
i
_
Ottengo dopo dei semplici calcoli una

Q di forma tridiagonale:
Q =
_
_
_
_
_
_
_
_
_
_
_
b
0
c
0
0 0
a
1
b
1
c
1
0
0 a
2
b
2
c
2

.
.
.
.
.
.
.
.
.
0 a
N1
b
N1
_
_
_
_
_
_
_
_
_
_
_
(4.33)
Con:
a
0
= non compare a
j
=
j1
j
(0 < j N 1)
b
0
=
1
2
6
0
b
j
=
1
2
2
j
(0 < j N 1)
c
0
= 6 c
j
=
j+1
j
(0 < j N 1)
=
iht
8mr
2
=
imt
4 h
(4.34)
Ora che abbiamo calcolato Q passiamo allalgoritmo per calcolare levoluzio-
ne temporale.
(a) Discretizzare la funzione donda (4.1) restringendone il dominio (la fun-
zione ha simmetria sferica e abbiamo sfruttato ci` o passando alle coordi-
nate sferiche, la parte che ci interessa è la parte radiale, dunque prendia-
mo un dominio [0, ] individuato da ) e prendendo su questo dominio
ristretto N valori da salvare nel vettore
0
j
.
(b) Creare la matrice

Q
(c) Risolvere il sistema lineare
n
j
=

Q
1
n
j
per trovare
n
j
(d) Ottenere
n+1
j
=
n
j

n
j
(e) Ripartire dal punto 2 per tante volte no a raggiungere il passo J tale
che Jt è il tempo per il quale si vuole avere levoluzione.
Ora che abbiamo la linea teorica da seguire, passiamo a qualcosa di pi` u pra-
tico.
Come scegliere le quantit` a r, N, , t?
: I fattori che ci guidano nella scelta di sono due: il primo ci por-
ta a sceglierla pi` u grande possibile volendo includere nellintervallo di
discretizzazzione della funzione donda la maggior parte dellintegrale
della distribuzione di probabilità (dalla gura 4.1 notiamo che la quasi
totalit` a della probabilità è compresa tra r = 0 ed r = 3a), il secondo
che ci porta a sceglierla pi` u piccola possibile avendo utilizzato come
metodo di integrazione del potenziale il metodo dei rettangoli che ha
un errore r
2
. Abbiamo raggiunto un compromesso ssando:
= 2.5a (4.35)
N e r : Fissato le grandezze N e r sono legate dalla formula r =
N
per rendere il programma pi` u preciso possibile r deve essere il pi` u
piccolo possibile cos` da rendere literpolazione della funzione donda,
come la risoluzione dellequazione dierenziale, pi` u precisa (ed anche,
come si vede dalla formula nelle considerazioni su , minimizzare lerrore
sul calcolo dellintegrale del potenziale). Ma rendere pi` u piccolo r
signica aumentare N, il numero dei campionamenti nellintervallo e
la dimensione della matrice

Q (dim(

Q) = N). Aumentare la dimensione
di

Q signica aumentare il numero di equazioni nel sistema (4.29) e
dunque rallentare il programma. Nel programma è ssato:
N = 500 (4.36)
Con il quale è stato raggiunto un compromesso tra precisione e velocit` a.
Il programma è scritto in Wolfram Mathematica e il sistema è risolto
con la funzione LinearSolve[] che implementa al suo interno routine
speciche per risolvere sistemi con matrici tridiagonali come quello che
stiamo prendendo in considerazione.
t : Oltre a determinare il numero di iterazioni necessarie per rag-
giungere un certo tempo di simulazione, questo parametro determina la
seghettatura dei graci di evoluzione temporale del picco di probabilit` a.
A seconda della rapidità di variazione dierente per le varie masse è sta-
to utilizzato un parametro t dierente che poteva variare da t = 1
a t = 50.
Abbiamo svolto 7 simulazioni. Stabilendo che la massa critica per la
quale levoluzione temporale della distribuzione di probabilità passa da
dispersiva ad attrattiva a m = 6.510
9
u, i valori di masse utilizzati sono:
m = 25 10
7
u, m = 8 10
8
u, m = 5 10
9
u, m = 6.5 10
9
u, m = 8 10
9
u,
m = 15 10
9
u, m = 50 10
9
u.
4.3.1 Sotto la massa critica:
In gura 4.8 e gura 4.9 è rappresentato landamento del picco di distri-
buzione di probababilità radiale nel tempo. Lintervallo temporale usato è
t = 10s per entrambi i graci quindi la scala temporale sullascisse è di
10s. In ordinata è rappresentata la distanza del picco dal centro della distri-
buzione, usando i nm come unità di misura. Per entrambi i casi vediamo che
inizialmente la distribuzione si allarga come nel caso dellES, poi si instaura
in entrambi, ma con periodicit` a inversamente proporzionale alla massa, un
andamento periodico. E un comportamento inaspettato ma facilmente giu-
sticale ricordando i parametri di discretizzazione. Infatti la funzione donda
viene sempre discretizzata nellintervallo spaziale [0, ], e procedendo il picco
sempre pi` u a destra, porta con se fuori dallintervallo gran parte dellinte-
grale della distribuzione di probabilit` a ed inserisce nellevoluzione successiva
una grande imprecisione. In gura 4.8 si vede che attorno al tempo 15500s
(1550 sullasse x) il picco sembra tornare indietro nel tempo (da cui la forma
simmetrica di ogni periodo. Questo perchè al tempo 15500 la forma della
distribuzione di probabilità è quella in gura 4.11 (in blu il prolo iniziale,
Figura 4.8: m = 0.25
10
9
u
Figura 4.9: m = 0.8
10
9
u
Figura 4.10: m = 510
9
u
Fig. 4.8, Fig. 4.9, Fig. 4.10: Andamento radiale della posizione
del picco della distribuzione di probabilità per tre valori di massa
sotto la massa critica
in rosso il prolo al tempo 15500s, in giallo la dierenza tra le due curve)
e come visto dall equazione (4.28) lalgoritmo che usiamo per far evolvere il
sistema deriva da un operatore unitario.
Come per lequazione di Schr odinger classica pi` u piccola è la massa pi` u
rapidamente la distribuzione di probabilit` a si allarga. Vediamo quindi di
analizzare un caso in cui la massa non è troppo distante dalla massa criti-
ca. In gura 4.10 è riportato landamento del picco della distribuzione, in
gura 4.12 sono riportati i proli della distribuzione di probabilit` a radiale al
tempo iniziale (prolo blu), dopo 60000s (prolorosso) e la loro dierenza
(prolo giallo). Lintervallo di tempo t utilizzato è sempre di 10s e si vede
chiaramente che con lESN il picco si muove molto pi` u lentamente infatti in
soli 1500s lES allarga la distribuzione di pi` u di quanto non lo faccia lESN
in 60000s.
La dierenza tra le due distribuzioni (in giallo in gura 4.12) denota come
levoluzione approssimativa per tempi piccoli calcolata nella sezione 4.2 si
modica per mantenere lintegrale della probabilità costante.
Figura 4.11: m = 0.25 10
9
u Figura 4.12: m = 5 10
9
u
Fig. 4.11, Fig. 4.12: Proli delle distribuzioni radiali di probabi-
lità per due masse dierenti. In blu su ogni graco è rappresentato
il prolo di partenza, in rosso il prolo dopo 15500s per la 4.11 e
dopo 60000s per la 4.12, in giallo è rappresentata la dierenza tra
il prolo blu e rosso. Si confronti il prolo giallo con quello delle
gure 4.4, 4.5, 4.6, 4.7 per notare il contributo dei termini pi` u alti
allo sviluppo in serie della soluzione.
4.3.2 Sopra la massa critica:
Figura 4.13: m = 6.5 10
9
u Figura 4.14: m = 810
9
u
Figura 4.15: m = 15
10
9
u
Figura 4.16: m = 50
10
9
u
Fig. 4.13, Fig. 4.14, Fig. 4.15, Fig. 4.16:Andamento radiale della
posizione del picco della distribuzione di probabilità per 4 valori di
massa sopra la massa critica
Per prima cosa vediamo (g. 4.13) il comportamento per la massa di 6.510
9
u
che abbiamo denito critica, cioè quella per la quale ci aspettiamo un bi-
lanciamento tra collasso dovuto al potenziale gravitazionale e allargamento
dovuto allES. Come si vede dal graco questa non è esattamente la massa
critica in quanto il picco non rimane costante nella stessa posizione. La di-
stribuzione subisce inizialmente un restringimento per poi allargarsi ancora
un p` o, restringersi ed allargarsi in un comportamento che poi prosuguirà
quasi periodico.Vediamo quindi il primo esempio di distribuzione di proba-
bilità che si restringe.
Aumentiamo ancora la massa no a 8 10
9
u e 15 10
9
u per vedere questo
comportamento ancora pi` u marcato ed otteniamo i casi di g. 4.14 e g.
4.15. Qui lintervallo di tempo usato è sempre t = 10s, in un caso levo-
luzione è calcolata no 100000s nellaltro è bastato arrivare a 30000s. In
entrambi i casi si osserva il comportamento oscillante accennato in g. 4.13.
Notiamo che il raggio minimo per il picco di probabilit` a è inversamente pro-
porzionale alla massa (da questi tre graci il t migliore per landamento
raggio-minimo.vs.massa è un iperbole).
Dalla gura4.15 inoltre risulta che lo stato iniziale è molto instabile per
grandi masse, le oscillazioni sono molto pi` u piccole e veloci. Masse grandi
sono molto pi` u localizzate. Infatti la forma della distribuzione di probabilit` a
radiale al crescere della massa cambia molto. Si passa da un picco di pro-
babilit` a ad una certa distanza dal centro della distribuzione ad una serie di
creste sempre pi` u basse a partire dal centro.
Come si vede nella gura a 4.17, in blu è rappresentata la distribuzione di
probabilit` a radiale iniziale, mentre in rosso è rappresentata la distribuzione di
probabilità dopo 30000s. Sono presenti due creste principali: quella molto
alta vicino al centro della distribuzione si sposta oscillando a destra e a
sinistra di poco; laltra pi` u bassa allesterno oscilla di pi` u.
In gura 4.16 è rappresentata lultima evoluzione calcolata, quella con massa
m = 50 10
9
u. Lintervallo temporale usato è t = 5s quindi la scala sulle
ascisse è di 5s. Come ci aspettavamo le oscillazioni della distribuzione di
probabilità sono molto piccole e rapidissime. La precisione richiesta per una
buona simulazione è pi` u elevata di quella che abbiamo usato, infatti vediamo
intorno ai 6000s un comportamento nettamente discontinuo ed il raggio del
picco a volte tocca lo 0. Anchè il picco sia a 0 dovremmo avere che la
larghezza della distribuzione sia 0, il che la trasformerebbe in una , il che
è impossibile. Nonostante gli errori questultimo graco insieme a quello di
g. 4.18 conferma le osservazioni fatte per le g. 4.14, g. 4.15.
Figura 4.17: m = 15
10
9
u
Figura 4.18: m = 50
10
9
u
Fig. 4.17, Fig. 4.18: Proli delle distribuzioni radiali di proba-
bilità per due masse dierenti. Nella 4.17 in blu è rappresentato
il prolo di partenza, in rosso il prolo dopo 30000s, in giallo la
dierenza tra il prolo blu e rosso. Nella 4.18 in blu è rappresen-
tato il prolo dopo 7000s, in rosso la dierenza tra questo e quello
iniziale (non rappresentato)
4.3.3 Confronto tra ES ed ESN:
Figura 4.19: Tempo richiesto anchè levoluzione temporale dellESN
dierisca del 1%, 10%, 50% dallES [3]
Capitolo 5
Conclusioni
5.1 Dicoltà trovate
Nellanalisi appena eettuata siamo stati costretti a restringere il campo
di indagine ad un caso particolarissimo: una funzione donda a simmetria
sferica centrata sullorigine. Certamente questi risultati illustrano bene le
propriet` a fenomenologiche dellESN, e in parte sono adeguati alle specula-
zioni di Penrose. Diciamo in parte perche, per arontare nella sua interezza
lipotesi di Penrose, avremmo dovuto calcolare levoluzione temporale tra-
mite ESN di una sovrapposizione di pacchetti donda. E chiaro che in uno
scenario del genere, mancante di simmetria sferica, gran parte delle sem-
plicazioni da noi eseguite non possono pi` u essere utilizzate. Ad esempio lo
sviluppo in multipolo del potenziale, seppur possibile, non porterebbe ad una
semplice equazione radiale e saremmo costretti ad operare con un problema
tridimensionale.
5.2 Conclusioni
Nonostante la nostra elaborazione si riferisca ad un caso molto particolare
(come detto nella sezione 5.1), è in grado comunque di fornire qualche predi-
zione sperimentale. Siamo riusciti infatti a quanticare la massa ed il tempo
33
Capitolo 6. Conclusioni 34
necessari anche un pacchetto donda si restringa e questo restringimento è
misurabile in laboratorio tramite esperimenti di dirazione da fenditure.
Costruendo un apparato sperimentale in grado di ottenere una gura di dif-
frazione da un usso di particelle preparate nello stato iniziale (4.1), possia-
mo essere in grado con il passare del tempo (e quindi con il restringimento
della funzione donda) di osservare una soppressione della gura di inter-
ferenza. Infatti diminuendo la larghezza delle particelle, le fenditure nella
griglia risultano pi` u grandi delle particelle.
Un tale esperimento seppur in linea teorica è eseguibile, presenta delle note-
voli dicolt` a pratiche.
Innanzitutto per ottenere una gura di interferenza è necessario che la lar-
ghezza delle fenditure o dei buchi nella grata sia paragonabile a quella della
lunghezza donda di deBroglie della particella che vogliamo far dirarre. La
lunghezza donda di deBroglie è inversamente proporzionale alla massa, dun-
que pi` u grande è la massa pi` u è dicile fabbricare la grata adatta. Fino ad
ora la particella pi` u pesante che si è riusciti a far dirarre è una macro-
molecola con m 10000 (con una spaziatura far le grate di 0.5m) ben
pi` u piccola della massa a noi necessaria. I sici sperimentali aermano che
potrebbe essere possibile arrivare a breve a dirarre molecole no a 10
6
u,
ed inoltre in tutta lanalisi abbiamo sempre mantenuto la larghezza della
distribuzione a = 0.5m.
Questo quindi non sembra un problema insormontabile.
Come seconda sda nella costruzione dellesperimento cè il lungo tempo di
attesa prima che gli eetti dovuti allESN siano distinguibili da quelli dellES
(g. 4.19). Ma i pacchetti donda subiscono inevitabilmente una decoerenza
al passare del tempo, e mantenerli coerenti è dicile. Grossardt et al. [4]
suggeriscono di usare la propriet` a di riscalamento dellappendice A e quindi
facendo riferimento ai parametri (A.4) potremmo incrementare la massa di
un parametro e diminuire la larghezza di un fattore
3
, in questo modo
la scala del tempo sarebbe riscalata per un fattore di
5
. Per il primo pro-
blema dunque vorremmo cercare di mantenere la massa delle particelle pi` u
Capitolo 6. Conclusioni 35
bassa possibile per rendere pi` u facile la costruzione della grata e questo im-
plica mantenere coerente i pacchetti per pi` u tempo, per il secondo problema
vorremmo aumentare la massa della particella il pi` u possibile per diminuire
il tempo durante il quale è necessario mantenere la coerenza e questo implica
maggiori dicoltà per la costruzione dellapparato di dirazione.
E necessario trovare un giusto compromesso.
Appendice A
Riscalamento della soluzione
dellESN
Prendiamo S
tale che
0
(~r, t) = S
=
c
(
b
~r,
a
t) (A.1)
Inseriamo la
0
(~r, t) cos` ottenuta nellequazione (3.1) e riscaliamo per una
certa massa m
, esplicitando per (~r, t) otteniamo per i vari termini:

i h
t
0
(~r, t) = i h
t
S
=
a
S
Il laplaciano agisce come una derivata su r dunque:
h
2
2m
0
(~r, t) = (
m
m
)(
h
2
2m
2
S
(~r, t)) =
= (
m
2b
m
)(
h
2
2m
2
(~r, t))
Nella parte potenziale
0
compare 2 volte:
Gm
2
_
|
0
(~ r
1
, t)|
2
||~r ~ r
1
||
d~r
0
(~r, t) = (
m
2
m
2
)Gm
2
_
|S
(~ r
1
, t)|
2
||~r ~ r
1
||
d~rS
(~r, t) =
= (
m
2
b
m
2
)Gm
2
(
_
|(~ r
1
, t)|
2
||~r ~ r
1
||
d~r(~r, t))
36
Appendice A. Riscalamento della soluzione dellESN 37
Dunque lequazione per
0
(~r, t) risulta equivalente a quella per (~r, t) solo
se i coecienti di ognuno dei 3 termini dellequazione sono uguali, cioè se:
a
= (
m
2b
m
) = (
m
2
b
m
2
) = (A.2)
Tale condizione è soddisfatta se:
m
m
=
b
3
=
a
5
(A.3)
Otteniamo una relazione che lega a e b ma per descrivere completamente S
,
ci manca da conoscere c. Dobbiamo imporre unaltra condizione: imponiamo
che la trasformazione S
preservi la norma:
||
0
(~r, t)||= ||S
(~r, t)||=
2c
||S
(~r, t)||=
c
||(
b
~r,
a
t)||= ||(~r, t)||
E sapendo che per fare la norma integriamo su un volume, otteniamo che
deve essere 2c + 3b = 0, cioè c =
3b
2
.
Ora sappiamo tutto quello che ci serve, prendendo ad esempio il caso in
cui
m
m
= (che è quello che eettivamente utilizziamo ponendo m = 1)
abbiamo che i parametri di S
sono
a = 5 b = 3 c =
9
2
(A.4)
Siamo ora in grado, conoscendo una soluzione dellequazione (3.1) per la
massa m, di passare ad una soluzione per la massa m
.
Bibliograa
[1] http://www.univie.ac.at/qfp/research/matterwave/c60/
[2] http://www.google.com/doodles/erwin-schrodingers-126th-birthday
[3] Domenico Giulini and Andre Groardt. Gravitationally induced inhi-
bitions of dispersion according to the Schrodinger-Newton Equation. ar-
Xiv:1105.1921 [gr-qc].
[4] Irene Moroz, Roger Pernrose, and Paul Tod. Spherically-symmetric solu-
tions to the Schro dingerNewton equations. Classical and Quantum Gravity,
15(9):2733 2742, 1998.
[5] P. Salzman. Investigation of the Time Dependent Schr odinger-Newton
Equation, Ph.D. thesis. Univ. of California at Davis, 2005.
[6] Roger Penrose. On Gravitys Role in Quantum State Reduction. General
Relativity and Gravitation, Vol. 28, No.5, 1996.
[7] Hans Christian Von Baeyer. Il paradosso dei paradossi quantistici. Le
scienze, agosto 2013.
[8] Claude Cohen-Tannoudji, Bernard Diu, Franck Laloe; transl. from the
French by Susan Reid Hemley ... [et (1996). Quantum mechanics. Wiley-
Interscience: Wiley. ISBN 9780471569527.
[9] Ghirardi, G.C., Rimini, A., and Weber, T. (1985). A Model for a Unied
Quantum Description of Macroscopic and Microscopic Systems. Quantum
Probability and Applications, L. Accardi et al. (eds), Springer, Berlin.
38

Tesi Jacopo Surace Analisi Equazione Di Schrodinger Newton

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tesi Jacopo Surace Analisi Equazione Di Schrodinger Newton

Diunggah oleh

Hak Cipta:

Format Tersedia

Universit

' h) che il tempo di collasso T per una

E discretizzo molto semplicemente il potenziale nella forma (17):

, esplicitando per (~r, t) otteniamo per i vari termini:

Il laplaciano agisce come una derivata su r dunque:

Anda mungkin juga menyukai