formulate-quantum-problem
について
このスキルは、物理的な量子系を明確な数学的問題に変換します。具体的には、関連する自由度を特定し、適切なヒルベルト空間、演算子、境界条件を構築することで実現します。解析的または数値的解法のために、摂動理論やDFTなどの適切な近似手法を開発者が選択することを支援します。量子力学・量子化学計算の設定や、シナリオをシュレーディンガー/ディラック形式に変換する際にご利用ください。
クイックインストール
Claude Code
推奨npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/formulate-quantum-problemこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
ドキュメント
建量子問題
將物理系統譯為良定之量子力學問題:識相關自由度、構建 Hamiltonian 與狀態空間、指定邊界條件、擇合宜近似法、驗表述於已知極限。
適用時機
- 為解析或數值解設量子力學問題
- 建量子化學計算(分子軌道、電子結構)
- 將物理情境譯為 Dirac 或 Schrodinger 形式
- 於擾動論、變分法、DFT 或精確對角化間擇一
- 備理論模型以比光譜或散射之實驗資料
輸入
- 必要:物理系統之描述(原子、分子、固體、場等)
- 必要:所關注之可觀測量(能譜、躍遷率、基態性質)
- 選擇性:實驗之約束或所配之資料(譜線、結合能)
- 選擇性:所期之精度或計算預算
- 選擇性:偏好之形式(波動力學、矩陣力學、二次量子化、路徑積分)
步驟
步驟一:識物理系統與相關自由度
書方程前盡述系統:
- 粒子內容:列所有粒子(電子、原子核、光子、聲子)及其量子數(自旋、電荷、質量)。
- 對稱:識空間對稱(球、柱、平移、晶體群)、內對稱(自旋轉、規範)與離散對稱(宇稱、時反)。
- 能量尺度:定相關能量尺度以擇何自由度為活動,何可凍結或絕熱處理。
- 自由度簡化:若原子核與電子之時間尺度分離,施 Born-Oppenheimer 近似。若多體可簡化,識集體座標。
## 系統特徵
- **粒子**:[列及量子數]
- **活動自由度**:[座標、自旋、場]
- **凍結自由度**:[附凍結之理由]
- **對稱群**:[連續與離散]
- **能量尺度階序**:[如電子 >> 振動 >> 轉動]
預期: 粒子、量子數、對稱之完整清單,附活動與凍結自由度之合理擇。
失敗時: 若能量尺度階序不明,初留所有自由度並標示須尺度分析。過早截斷致物理質變錯。
步驟二:構建 Hamiltonian 與狀態空間
自步驟一所識自由度建數學框架:
- Hilbert 空間:定狀態空間。有限維系統指定基(如自旋半 |上>、|下>)。無限維系統指定函數空間(如三維單粒子 L2(R^3))。
- 動能項:為每粒子書動能算子。位置表象中 T = -hbar^2/(2m) nabla^2。
- 位能項:書所有交互作用位能(Coulomb、諧振、自旋軌道、外場)。明其函數形式與耦合常數。
- 合成 Hamiltonian:組 H = T + V,依交互類型分組。多粒子系統納交換與關聯項或註其何時以近似納入。
- 算子代數:驗 Hamiltonian 為 Hermitian。識運動常數([H, O] = 0),可用以分塊對角化。
## Hamiltonian 結構
- **Hilbert 空間**:[定義與基]
- **H = T + V 分解**:
- T = [動能項]
- V = [位能項,依類型分組]
- **運動常數**:[與 H 交換之算子]
- **對稱適配之基**:[若可分塊對角化]
預期: 完整 Hermitian 之 Hamiltonian,所有項明書,Hilbert 空間已定,運動常數已識。
失敗時: 若 Hamiltonian 非明 Hermitian,核漏共軛項或規範依賴之相位。若 Hilbert 空間不明(如相對論粒子),明指形式並標此問題。
步驟三:指定邊界與初始條件
約束問題以得唯一解:
- 邊界條件:束縛態問題要求可歸一化(psi -> 0 於無窮)。散射問題指定入射波邊界條件。週期系統施 Bloch 或 Born-von Karman 條件。
- 域之限:指定空間域。盒中粒子定壁。氫原子定徑向與角向域。格點模型定格點與其拓撲。
- 初態(時變問題):定 t=0 之態為能量本徵基之展開或中心與寬已指定之波包。
- 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。
## 邊界與初始條件
- **空間域**:[定義]
- **邊界類型**:[Dirichlet / Neumann / 週期 / 散射]
- **歸一化**:[條件]
- **粒子統計**:[玻色 / 費米 / 可區分]
- **初態**(若時變):[指定]
預期: 邊界條件物理合理、與 Hamiltonian 之域數學一致,足以定唯一解(或良定之散射矩陣)。
失敗時: 邊界條件過或欠定,核 Hamiltonian 於所擇域上之自伴性。非自伴 Hamiltonian 須審慎處理虧指數。
步驟四:擇近似法
擇合問題結構之解法:
-
評估精確可解性:核問題是否簡為已知精確可解模型(諧振子、氫原子、Ising 模型等)。若然,取精確解為主結果,擾動論為修正。
-
擾動論(弱耦合):
- 分 H = H0 + lambda V,H0 精確可解
- 驗 lambda V 小於 H0 之能級間距
- 核簡併;必要時用簡併擾動論
- 宜於:交互作用弱、少體系統、需解析結果
-
變分法(基態為主):
- 擇帶可調參數之試波函數
- 確試函數滿足邊界條件與對稱
- 宜於:基態能量為主目標、多體系統
-
密度泛函理論(多電子系統):
- 擇交換關聯泛函(LDA、GGA、混合)
- 定基組(平面波、Gaussian、數值原子軌道)
- 宜於:多電子系統、需基態密度與能量
-
數值精確法(小系統、基準):
- 精確對角化於小 Hilbert 空間
- 量子 Monte Carlo 為基態取樣
- DMRG 為一維或準一維系統
- 宜於:需高精度且系統夠小
## 近似法擇
- **所擇之法**:[名]
- **理由**:[何以此法合問題結構]
- **預期精度**:[擾動階、變分界之品質、DFT 泛函之精度]
- **計算代價**:[與系統大小之比例]
- **所考他法**:[及拒之理由]
預期: 合理擇定之近似法,明陳預期精度與計算代價,記其他考慮之法。
失敗時: 若無單一法明顯合宜,為兩法建表述並較結果。法間不合揭問題之難,引導進一步精煉。
步驟五:驗表述於已知極限
解前驗表述重現已知物理:
- 古典極限:取 hbar -> 0(或大量子數),驗 Hamiltonian 簡為正確古典力學。
- 非交互極限:置耦合常數為零,驗解為單粒子態之積。
- 對稱極限:驗表述尊所有所識對稱。核 Hamiltonian 於對稱群下正確變換。
- 量綱分析:驗 Hamiltonian 每項具能量單位。核特徵長度、能量、時間尺度物理合理。
- 已知精確結果:若系統於特例中有已知精確解(如 Z=1 氫原子、二次位能諧振子),驗表述重現之。
## 驗證檢查
| 檢 | 預期結果 | 狀態 |
|-------|----------------|--------|
| 古典極限 (hbar -> 0) | [古典 Hamiltonian] | [通過/失敗] |
| 非交互極限 | [積態] | [通過/失敗] |
| 對稱變換 | [正確表示] | [通過/失敗] |
| 量綱分析 | [各項為能量單位] | [通過/失敗] |
| 已知精確情形 | [重現結果] | [通過/失敗] |
預期: 所有驗證檢查通過。表述自洽可解。
失敗時: 驗證失敗示 Hamiltonian 構建或邊界條件有誤。追失敗至特定項或條件,解前改正。
驗證
- 所有粒子與量子數明列
- Hilbert 空間以明確基定
- Hamiltonian 為 Hermitian 且各項單位正確
- 運動常數已識並用於簡化
- 邊界條件物理合理且數學充分
- 粒子統計(玻色/費米)正確施行
- 近似法擇有理由,預期精度已陳
- 古典、非交互、對稱極限已核
- 特例重現已知精確結果
- 表述足以令他研究者實施
常見陷阱
- 過早漏自由度:未核能量尺度階序而凍結自由度,可漏質變要緊之物理。每簡化必以能量尺度之論證為據。
- 非 Hermitian Hamiltonian:漏自旋軌道耦合或複位能之共軛項。必明驗 H = H-dagger。
- 散射用錯邊界條件:散射問題用束縛態邊界條件(歸一化)盡棄連續譜。邊界條件配物理問題。
- 擾動論忽視簡併:對簡併能級施非簡併擾動論致發散修正。展開前必核簡併。
- 過度依單一近似:不同法有互補之失敗模式。變分法得上界但可漏激發態。擾動論於強耦合發散。可能時交互驗證。
- 量綱不一致:同一表達式混用自然單位(hbar = 1)與 SI 單位。始採一致單位系並明陳之。
相關技能
derive-theoretical-result—— 自所建問題導出解析結果survey-theoretical-literature—— 尋類似量子系統之前人工作
GitHub リポジトリ
関連スキル
llamaguard
その他LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
cost-optimization
その他このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
quantizing-models-bitsandbytes
その他このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。
dispatching-parallel-agents
その他このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。
