Fermi–Dirac-statistik

Fermi-Dirac-funktionens temperaturberoende

Fermi-Dirac-statistik, uppkallad efter fysikerna Enrico Fermi och Paul Dirac, är en sannolikhetsfördelning för ett stort antal identiska fermioner, med tillämpning inom främst fasta tillståndets fysik. Till skillnad från Bose–Einstein-statistik innebär Paulis uteslutningsprincip, att högst ett objekt får finnas i varje kvanttillstånd. Fördelningen kan tillämpas på exempelvis protoner, neutroner och elektroner. Fermi och Dirac härledde fördelningen oberoende av varandra 1926.[1]

Den används främst för att beskriva elektroner i fasta kroppar tillhörande valens- och ledningsbanden, med energitillstånd som funktion av temperaturen. Sannolikheten n(ε) för att en fermion befinner sig i ett kvanttillstånd med energin ε vid temperaturen T kan tecknas

där

  är den aktuella energinivån
 är den kemiska potentialen
  är Boltzmanns konstant
 är temperaturen

Vid temperaturer nära absoluta nollpunkten är för varje energinivå sannolikheten nära 1 för att energinivån är besatt. Vid låga temperaturer () är lika med Ferminivån.

Se även

Källor

  • William Feller, An Introduction to Probability Theory and its Applications, John Wiley & Sons, New York 1950.
  • Eugen Merzbacher, Quantum Mechanics, John Wiley & Sons, Toppan Company, New York 1961.
  • R.E. Peierls, Quantum Theory of Solids, Clarendon Press, Oxford 1955.

Noter

  1. ^ Pais, Abraham (1988). Inward Bound – Of Matter and Forces in the Physical World. Oxford University Press. sid. 255. ISBN 978-0-19-851997-3 

Media som används på denna webbplats

FD e mu.svg
Författare/Upphovsman: Krishnavedala, Licens: CC BY-SA 3.0
Fermi-Dirac distribution for 4 different temperatures.

Created using python

from matplotlib.pyplot import *
from numpy import *
from mpl_toolkits.axisartist import *

kT = lambda t: 1./t
ni = lambda x, t: 1. / ( exp((x-1.)/kT(t)) + 1. )
x = linspace(0,5,100)

fig = figure(figsize=(4,4))
ax = Subplot(fig,"111",axisbg='none')
fig.add_subplot(ax)
ax.axis["right"].set_visible(False)
ax.axis["top"].set_visible(False)
ax.plot(x,ni(x,100),'c',label=r'$kT=\mu/100$',lw=2)
ax.plot(x,ni(x,10),'b',label=r'$kT=\mu/10$',lw=2)
ax.plot(x,ni(x,2),'r',label=r'$kT=\mu/2$',lw=2)
ax.plot(x,ni(x,1),'y',label=r'$kT=\mu$',lw=2)

ax.set_ylabel(r'$\bar{n}$',fontsize=15)
ax.set_xlabel(r'$\epsilon/\mu$',fontsize=12)
ax.set_yticks(arange(0,1.2,.2))
ax.grid(True)
ax.minorticks_on()
ax.set_xlim(0,5)
ax.set_ylim(-.1,1.1)
ax.legend(frameon=False, handletextpad=0,loc='upper right',\
	labelspacing=.05)
setp(ax.get_legend().get_texts(),fontsize=12)
fig.savefig("FD_e_mu.svg",bbox_inches="tight",\
	pad_inches=.15)