概要
tkfermi_core.c は、半導体物理や固体系の物性計算において重要なフェルミ・ディラック積分(Fermi-Dirac integrals)を高速かつ高精度に評価するためのC言語ライブラリです。退縮(degenerate)および非退縮(nondegenerate)領域における近似計算関数と、 scipy の LowLevelCallable インターフェースを利用した数値積分用の被積分関数を提供します。
特徴
退縮状態および非退縮状態におけるフェルミ・ディラック積分の近似計算アルゴリズムを実装。
Pythonの
scipy連携を想定したLowLevelCallable互換のC関数を提供。OSに依存しない共有ライブラリ用のエクスポートマクロ(
EXPORT)を搭載し、Windows環境およびUNIX系環境の両方に対応。外部依存ライブラリを最小限に抑え、標準の算術ライブラリ(
math.h)のみを使用。
動作原理と数学的背景
本プログラムは、フェルミ・ディラック積分を計算します。一般的なフェルミ・ディラック積分は以下の式で定義されます。
ここで、\(E\) はエネルギー、\(\eta\) は無次元化されたフェルミ準位(縮退度)、\(r\) は次数を表します。
退縮状態の近似計算
関数 fd_degenerate は、\(\eta \gg 0\) の退縮(degenerate)領域における近似計算を実装しています。Sommerfeld展開をベースにした多項式による展開を用いており、以下の形式で計算されます。
ここで \(z_k\) はあらかじめ定義された係数配列であり、\(P_k(r)\) は \(r\) に依存する階乗的な係数です。プログラム内ではループを用いて逐次的に各項を計算し、総和を求めています。
非退縮状態の級数展開
関数 fd_nondegenerate は、\(\eta \ll 0\) の非退縮(nondegenerate)領域における計算を行います。これは以下の交代級数を用いた解析的な展開に基づいています。
プログラム内では、追加される項の絶対値が \(1.0 \times 10^{-8}\) 未満になるまでループを繰り返し、総和を求めています。ガンマ関数の計算には tgamma 関数が使用されています。
数値積分用関数
関数 fd_integrand は、変数変換 \(x = E^{1/2}\) を適用した数値積分用の被積分関数です。この変換により、積分は以下のように変形されます。
プログラム内では \(x > 26.0\) の範囲では被積分関数の値が実質的にゼロであるとみなし、計算の打ち切り(カットオフ)を行って 0.0 を返します。
依存関係と実行環境
Cコンパイラ(
gcc、clang、msvcなど)C標準ライブラリ(
math.h)Python環境および
scipy(Pythonから呼び出して実行する場合)
入出力仕様
本プログラムはコマンドラインからの直接実行を想定しておらず、共有ライブラリとしてコンパイルして他言語(特にPython)から呼び出すことを前提としています。
fd_degenerateおよびfd_nondegenerate入力: 縮退度
eta(倍精度実数)、次数r(倍精度実数)出力: フェルミ・ディラック積分の計算結果 (倍精度実数)
fd_integrand入力: 引数の数
n(整数、未使用)、パラメータ配列xx(倍精度実数へのポインタ)。xx[0]には積分変数x、xx[1]にはeta、xx[2]にはrが格納されます。出力: 被積分関数の値 (倍精度実数)
実行例
tkfermi_core.c を共有ライブラリとしてコンパイルし、Pythonから scipy を用いて呼び出す例を示します。
共有ライブラリのコンパイル(Linux/macOS環境の場合):
gcc -shared -fPIC -O3 tkfermi_core.c -o libtkfermi_core.so -lm
Pythonからの呼び出しスクリプト例:
import ctypes
import os
from scipy import LowLevelCallable
# 共有ライブラリの読み込み
lib_path = os.path.abspath("libtkfermi_core.so")
lib = ctypes.CDLL(lib_path)
# fd_integrandの戻り値と引数型を指定
lib.fd_integrand.restype = ctypes.c_double
lib.fd_integrand.argtypes = [ctypes.c_int, ctypes.POINTER(ctypes.c_double)]
# 評価するパラメータの設定
eta_val = 2.0
r_val = 0.5
# python側のラッパー関数による単一ポイントでの計算テスト
def integrand_wrapper(x, eta, r):
# xx配列を準備
DoubleArray3 = ctypes.c_double * 3
xx = DoubleArray3(x, eta, r)
return lib.fd_integrand(3, xx)
print(f"integrand at x=1.0: {integrand_wrapper(1.0, eta_val, r_val)}")