当前位置：首页 > news >正文

手把手用Python模拟单缝衍射：从公式到可视化光强分布图

news 2026/7/15 16:13:33

用Python模拟单缝衍射：从公式到可视化光强分布图

当一束光穿过比波长略宽的狭缝时，会在屏幕上形成明暗相间的条纹——这就是著名的单缝衍射现象。作为波动光学的基础实验之一，单缝衍射不仅揭示了光的波动本质，其数学描述和模拟实现更是理解现代光学系统的关键。本文将带你用Python从零构建单缝衍射模型，通过代码实现理论公式的可视化，直观展示缝宽、波长等参数如何影响衍射图样。

1. 理论基础与模型搭建

单缝夫琅禾费衍射的光强分布由经典公式决定：

$$ I = I_0 \left( \frac{\sin u}{u} \right)^2 $$

其中 $u = \frac{\pi a \sin \theta}{\lambda}$，$a$为缝宽，$\lambda$为波长，$\theta$为衍射角。中央明纹强度$I_0$与入射光强成正比。

关键参数关系表：

参数	物理意义	典型值范围	影响规律
a	单缝宽度	0.01-1mm	与条纹宽度成反比
λ	光波长	400-700nm	波长越长衍射越明显
f	透镜焦距	0.5-2m	决定屏幕上的实际尺度

建立计算模型需要三个核心步骤：

定义参数空间：设置合理的物理参数和计算范围
离散化处理：将连续角度θ转换为数值计算可处理的离散点
归一化处理：将光强统一缩放到[0,1]区间便于可视化

import numpy as np import matplotlib.pyplot as plt # 基础参数设置 wavelength = 632.8e-9 # 氦氖激光波长(单位:m) a = 0.1e-3 # 单缝宽度(单位:m) f = 1.0 # 透镜焦距(单位:m)

2. 光强分布计算实现

采用NumPy进行向量化计算可显著提升效率。衍射角的处理需要注意：

实际实验中θ通常很小（<5°），故采用小角度近似$\sinθ ≈ \tanθ = x/f$
计算范围应覆盖多个明暗条纹周期

def calculate_intensity(a, wavelength, f, screen_width=0.02): """计算单缝衍射光强分布""" x = np.linspace(-screen_width/2, screen_width/2, 2000) # 屏幕坐标 theta = np.arctan(x/f) # 衍射角计算 u = np.pi * a * np.sin(theta) / wavelength intensity = (np.sin(u)/u)**2 # 光强公式 intensity[np.isnan(intensity)] = 1 # 处理u=0处的奇异点 return x, intensity

常见问题处理技巧：

当u接近0时会出现0/0不定式，需特殊处理
使用np.sinc函数可能产生精度问题，建议显式计算
屏幕采样点数需足够多（建议>1000）以避免aliasing效应

3. 结果可视化与参数分析

Matplotlib提供了灵活的绘图工具，我们可以创建专业级可视化：

def plot_diffraction(x, intensity, params): """绘制衍射光强分布图""" plt.figure(figsize=(12, 6)) # 光强曲线绘制 plt.subplot(1, 2, 1) plt.plot(x*1000, intensity, 'b-', linewidth=1.5) plt.xlabel('屏幕位置 (mm)') plt.ylabel('相对光强') plt.title('单缝衍射光强分布曲线') # 二维灰度图模拟 plt.subplot(1, 2, 2) pattern = np.outer(intensity, np.ones(100)) # 扩展为二维 plt.imshow(pattern.T, cmap='gray', extent=[x[0]*1000, x[-1]*1000, 0, 1], aspect='auto') plt.xlabel('屏幕位置 (mm)') plt.title('衍射条纹灰度模拟') plt.tight_layout() plt.show()

执行计算与绘图：

x, intensity = calculate_intensity(a, wavelength, f) plot_diffraction(x, intensity, {'a': a, 'λ': wavelength})

4. 参数影响与交互探索

通过改变关键参数观察衍射图样变化，可以验证光学原理：

缝宽a的影响：

widths = [0.05e-3, 0.1e-3, 0.2e-3] # 不同缝宽 plt.figure(figsize=(10, 6)) for a in widths: x, intensity = calculate_intensity(a, wavelength, f) plt.plot(x*1000, intensity, label=f'a={a*1e3:.2f}mm') plt.legend() plt.title('不同缝宽下的衍射图样对比')

波长λ的影响：

wavelengths = [400e-9, 550e-9, 700e-9] # 可见光范围 plt.figure(figsize=(10, 6)) for λ in wavelengths: x, intensity = calculate_intensity(a, λ, f) plt.plot(x*1000, intensity, label=f'λ={λ*1e9:.0f}nm') plt.legend() plt.title('不同波长下的衍射图样对比')

衍射反比律验证：中央明纹宽度$\Delta x = 2fλ/a$，可通过测量不同参数组合下的实际条纹宽度验证这一基本规律。

5. 高级扩展与实验对比

将理论模拟与实际实验数据对比是验证模型准确性的好方法。我们可以：

添加噪声模拟：

noisy_intensity = intensity + 0.02*np.random.randn(len(intensity)) noisy_intensity = np.clip(noisy_intensity, 0, 1) # 保持物理合理性

考虑非理想因素：

光源尺寸效应
透镜像差影响
缝边缘衍射效应

创建交互工具：使用IPython widgets构建参数调节界面：

from ipywidgets import interact @interact(a=(0.01, 0.5, 0.01), λ=(400, 700, 10)) def interactive_diffraction(a=0.1, λ=632.8): a *= 1e-3 # 转换为米 λ *= 1e-9 x, intensity = calculate_intensity(a, λ, f) plot_diffraction(x, intensity, {'a': a, 'λ': λ})

在实际教学中，这种可视化模拟可以帮助学生直观理解：