Zurück zu Fähigkeiten

formulate-quantum-problem

pjt222
Aktualisiert 2 days ago
8 Ansichten
17
2
17
Auf GitHub ansehen
Anderegeneral

Über

Diese Fähigkeit unterstützt Entwickler dabei, Quantenmechanik- oder Chemieprobleme zu formulieren, indem sie den mathematischen Rahmen definiert, einschließlich Hilbert-Raum, Operatoren und Randbedingungen. Sie hilft dabei, physikalische Szenarien in Formalismen wie Schrödinger- oder Dirac-Gleichungen zu übersetzen und geeignete Lösungsmethoden auszuwählen. Nutzen Sie sie bei der Vorbereitung eines Problems für eine analytische oder numerische Lösung, beispielsweise bei der Wahl zwischen Störungstheorie, Variationsmethoden, DFT oder exakter Diagonalisierung.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/formulate-quantum-problem

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

量子問題之立

譯物理系為善立量子力學問題:識自由度、構哈密頓與態空、定邊界條件、擇近似法、末以已知極限驗。

用時

  • 為解析或數值解立量子力學問題
  • 立量子化學算(分子軌道、電子結構)
  • 譯物理情景入狄拉克或薛定諤形式
  • 於微擾論、變分法、DFT、精確對角化間擇
  • 備理論模型以比光譜或散射實驗

  • 必要:物理系之描述(原子、分子、固體、場等)
  • 必要:所觀量(能譜、躍遷率、基態性)
  • 可選:所匹實驗約束或數據(譜線、束縛能)
  • 可選:欲精度或算力預算
  • 可選:偏好形式(波動、矩陣、二次量子化、路徑積分)

第一步:識物理系與相關自由度

立方程前先全描之:

  1. 粒子:列所有粒子(電子、核、光子、聲子)及量子數(自旋、電荷、質量)。
  2. 對稱:識空間對稱(球、柱、平移、晶體群)、內對稱(自旋、規範)、離散對稱(宇稱、時反)。
  3. 能級:定相關能級以斷哪自由度活躍,哪可凍或絕熱處。
  4. 自由度簡:核與電子時標分者施玻恩-奧本海默近似。多體簡化可用者識集體座標。
## System Characterization
- **Particles**: [list with quantum numbers]
- **Active degrees of freedom**: [coordinates, spins, fields]
- **Frozen degrees of freedom**: [and justification for freezing]
- **Symmetry group**: [continuous and discrete]
- **Energy scale hierarchy**: [e.g., electronic >> vibrational >> rotational]

得: 粒子、量子數、對稱之全清冊,活凍自由度之擇有能級理由。

敗則: 若能級不明,始保全自由度,標需作尺度分析。過早截斷致定性錯物理。

第二步:構哈密頓與態空

由第一步所識自由度建數學框架:

  1. 希爾伯特空間:定態空。有限維系定基(如自旋-1/2 基 |up>、|down>)。無限維定函數空(如單粒子三維 L2(R^3))。
  2. 動能項:書每粒子之動能算符。位置表象 T = -hbar^2/(2m) nabla^2。
  3. 勢能項:書所有相互作用勢(庫侖、諧振、自旋軌道、外場)。函數形式與耦合常數須明。
  4. 合成哈密頓:成 H = T + V,以相互類分項。多粒子系納交換與關聯項或註於近似中入處。
  5. 算符代數:驗哈密頓為厄米。識運動常量([H, O] = 0),可分塊對角化。
## Hamiltonian Structure
- **Hilbert space**: [definition and basis]
- **H = T + V decomposition**:
  - T = [kinetic terms]
  - V = [potential terms, grouped by type]
- **Constants of motion**: [operators commuting with H]
- **Symmetry-adapted basis**: [if block diagonalization is possible]

得: 完整厄米哈密頓,諸項皆顯,態空已定,運動常量已識。

敗則: 若哈密頓非顯厄米,察漏共軛項或規範依相。若態空模糊(如相對論粒子),明定形式並標問題。

第三步:定邊界與初始條件

約束問題以得唯一解:

  1. 邊界條件:束縛態問題須可歸一(psi -> 0 於無窮)。散射問題定入射波邊界。週期系施布洛赫或玻恩-馮·卡門條件。
  2. 域限:定空間域。粒子於箱者定壁。氫原子者定徑與角域。晶格模型者定晶格與拓撲。
  3. 初始態(時依問題):定 t=0 之態為能量本徵基展開或有心寬之波包。
  4. 約束方程:不可區分粒子施對稱化(玻色子)或反對稱化(費米子)。規範論施規範固定條件。
## Boundary and Initial Conditions
- **Spatial domain**: [definition]
- **Boundary type**: [Dirichlet / Neumann / periodic / scattering]
- **Normalization**: [condition]
- **Particle statistics**: [bosonic / fermionic / distinguishable]
- **Initial state** (if time-dependent): [specification]

得: 邊界條件物理有據、與哈密頓域數學相容、足以定唯一解(或善散射矩陣)。

敗則: 若邊界條件過或欠定,察哈密頓於所擇域之自伴性。非自伴哈密頓須謹處缺陷指數。

第四步:擇近似法

依問題結構擇解策:

  1. 察精確可解:察問題是否降為已知精確可解模型(諧振、氫原子、伊辛模型等)。若然,以精確解為主果,微擾論作校正。

  2. 微擾論(弱耦合):

    • 分 H = H0 + lambda V,H0 精確可解
    • 驗 lambda V 小於 H0 能級間距
    • 察簡併;必要時用簡併微擾論
    • 宜:相互作用弱、少體系、需解析結果
  3. 變分法(基態為重):

    • 擇可調參數試波函數
    • 試函數須滿邊界條件與對稱
    • 宜:基態能為主目標之多體系
  4. 密度泛函論(多電子系):

    • 擇交換關聯泛函(LDA、GGA、混合)
    • 定基集(平面波、高斯、數值原子軌道)
    • 宜:多電子系、需基態密度與能
  5. 數值精確法(小系、基準):

    • 小希爾伯特空間之精確對角化
    • 基態採樣之量子蒙特卡洛
    • 一維或準一維之 DMRG
    • 宜:需高精度且系足小
## Approximation Method Selection
- **Method chosen**: [name]
- **Justification**: [why this method fits the problem structure]
- **Expected accuracy**: [order of perturbation, variational bound quality, DFT functional accuracy]
- **Computational cost**: [scaling with system size]
- **Alternatives considered**: [and why they were rejected]

得: 近似法擇有理由,明預期精度與算力,記所慮替代。

敗則: 若無單一法明宜,以二法立並比較。法間不合示問題難度,導後續精煉。

第五步:以已知極限驗立

解之前驗立重現已知物理:

  1. 經典極限:取 hbar -> 0(或大量子數),驗哈密頓降為正確經典力學。
  2. 非相互作用極限:耦合常數置零,驗解為單粒子態之積。
  3. 對稱極限:驗立尊所識對稱。察哈密頓於對稱群下變換正確。
  4. 量綱分析:驗哈密頓每項有能量單位。察特徵長、能、時尺度物理合理。
  5. 已知精確結果:系於特殊情況有已知精確解(如 Z=1 氫原子、二次勢諧振)者,驗立重現之。
## Validation Checks
| Check | Expected Result | Status |
|-------|----------------|--------|
| Classical limit (hbar -> 0) | [classical Hamiltonian] | [Pass/Fail] |
| Non-interacting limit | [product states] | [Pass/Fail] |
| Symmetry transformation | [correct representation] | [Pass/Fail] |
| Dimensional analysis | [all terms in energy units] | [Pass/Fail] |
| Known exact case | [reproduced result] | [Pass/Fail] |

得: 諸驗皆過。立自洽待解。

敗則: 驗敗示哈密頓構造或邊界條件誤。溯誤至具體項或條件改之,方繼解。

  • 粒子與量子數皆顯列
  • 希爾伯特空間以清基定義
  • 哈密頓為厄米,諸項單位正
  • 運動常量已識並用簡化
  • 邊界條件物理有據、數學充足
  • 粒子統計(玻色/費米)強制正確
  • 近似法擇有理由並陳預期精度
  • 經典、非相互作用、對稱極限已察
  • 特殊情況重現已知精確結果
  • 立足使他研究者實現

  • 過早略自由度:不察能級而凍自由度致缺定性要緊物理。每簡化必以能級論證
  • 非厄米哈密頓:忘自旋軌道耦合或複勢之共軛項。必顯驗 H = H-dagger
  • 散射之邊界條件誤:以束縛態邊界條件(可歸一)用於散射問題棄連續譜。配邊界條件於物理問題
  • 微擾論忽簡併:對簡併能級用非簡併微擾論致發散校正。展前必察簡併
  • 過賴單一近似:不同法有互補失效模式。變分法得上界但失激發態。微擾論強耦合發散。可則交叉驗
  • 量綱不一:同式中混自然單位(hbar = 1)與 SI。始採一致單位系並明陳

  • derive-theoretical-result — 自立問題推解析結果
  • survey-theoretical-literature — 尋類量子系之前人工作

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan/skills/formulate-quantum-problem
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

llamaguard

Andere

LlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.

Skill ansehen

cost-optimization

Andere

Diese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.

Skill ansehen

quantizing-models-bitsandbytes

Andere

Diese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.

Skill ansehen

dispatching-parallel-agents

Andere

Diese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.

Skill ansehen