投影严格对角化经典Python代码（Numpy向量化，Numba优化）

精髓是这一段

核心代码段如下： 

@jit(nopython=True)
def solve_Heff(nk, V):
    L, nk = V.shape
    def  Mterm2(q):
        M2 = np.zeros((nk, nk), dtype=np.complex128)
        Ap = np.power(np.absolute(V),2).sum(axis=1).copy()  # 预处理一个常数项
        for i in range(nk):
            M2[i,i] += np.sum(Ap*np.power(np.absolute(V[:,(i - q + nk) % nk]), 2))
        return M2 / nk

    def Mterm3(q):
        M3 = np.zeros((nk, nk), dtype=np.complex128)
        for i in range(nk):
            for j in range(nk):
                M3[i, j] += np.sum(np.conj(V[:, (i - q + nk) % nk]) * V[:, i] * V[:,(j - q + nk) % nk] * np.conj(V[:,j]))
        return M3 / nk

    Ek = np.zeros((nk, nk))
    for i in range(nk):
        Heff = Mterm2(i) - Mterm3(i)
        E, _ = LA.eigh(Heff)
        Ek[:,i] = E
    return Ek

其中用Numba优化时，需要查阅文档，看是否支持对应numpy操作，如果不支持，需要改位支持的形式。

最后

以上就是高大书本为你收集整理的投影严格对角化经典Python代码（Numpy向量化，Numba优化）的全部内容，希望文章能够帮你解决投影严格对角化经典Python代码（Numpy向量化，Numba优化）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。