FDTD TüretmesiFDTD Türetmesi
1. Giriş1. Giriş
Bu sayfa, zaman alanında Maxwell denklemlerini çözmek için kullanılan temel sonlu farklar zaman alanı (FDTD) güncelleme denklemlerinin ayrıntılı matematiksel türetmesini sunmaktadır. Bu sayfanın amacı, temel teori sayfasından farklıdır. Buradaki amaç, genel bir bakış sunmak değil, sürekli kıvrım denklemlerinin bir bilgisayarda kullanılan ayrık cebirsel ifadelere nasıl dönüştürüldüğünü açıkça göstermektir. Bu aynı zamanda, FDTD yönteminin kodda en kolay yanlış anlaşılmaya veya hatalı uygulanmaya müsait kısmıdır: işaret hataları, yanlış yerleştirilmiş indeksler veya tutarsız zaman aralıkları, hemen kararsız veya gerçek dışı sonuçlar üretecektir.Bu sayfa, zaman alanında Maxwell denklemlerini çözmek için kullanılan temel sonlu farklar zaman alanı (FDTD) güncelleme denklemlerinin ayrıntılı matematiksel türetmesini sunmaktadır. Bu sayfanın amacı, temel teori sayfasından farklıdır. Buradaki amaç, genel bir bakış sunmak değil, sürekli kıvrım denklemlerinin bir bilgisayarda kullanılan ayrık cebirsel ifadelere nasıl dönüştürüldüğünü açıkça göstermektir. Bu aynı zamanda, FDTD yönteminin kodda en kolay yanlış anlaşılmaya veya hatalı uygulanmaya müsait kısmıdır: işaret hataları, yanlış yerleştirilmiş indeksler veya tutarsız zaman aralıkları, hemen kararsız veya gerçek dışı sonuçlar üretecektir.
Bu nedenle, diferansiyel formdaki Ampère ve Faraday yasalarından başlayarak, bu yasaları Kartezyen bileşenlere genişletiyor ve ardından bunları iki boyutlu bir optik problemine uyguluyoruz. Uzamsal türevler, merkezlenmiş sonlu farklarla değiştirilir, zamansal türevler standart "leapfrog" yöntemi kullanılarak ayrıklaştırılır ve elde edilen ifadeler, elektrik ve manyetik alan bileşenleri için açık güncelleme formülleri elde edecek şekilde yeniden düzenlenir.Bu nedenle, diferansiyel formdaki Ampère ve Faraday yasalarından başlayarak, bu yasaları Kartezyen bileşenlere genişletiyor ve ardından bunları iki boyutlu bir optik problemine uyguluyoruz. Uzamsal türevler, merkezlenmiş sonlu farklarla değiştirilir, zamansal türevler standart "leapfrog" yöntemi kullanılarak ayrıklaştırılır ve elde edilen ifadeler, elektrik ve manyetik alan bileşenleri için açık güncelleme formülleri elde edecek şekilde yeniden düzenlenir.
Türetmenin anlaşılabilirliğini korumak için, burada denklemleri, \(\partial/\partial y = 0\) ve manyetik iletkenliğin sıfıra ayarlandığı iki boyutlu bir duruma indirgiyoruz, \(\sigma_m = 0\). Bu, cebirsel işlemleri çok daha kolay takip etmemizi sağlar ve aynı zamanda boyut küçültmenin pratikte nasıl gerçekleştirildiğini açıkça gösterir. Ancak, tam OghmaNano FDTD çözümleyicisinde, elektromanyetik denklemler üç boyutlu olarak çözülür. Bu nedenle, burada verilen iki boyutlu türetme, temel çözümleyicinin yalnızca 2B ile sınırlı olduğu ifadesinden ziyade, yöntemin açık ve anlaşılır bir örneği olarak tasarlanmıştır.Türetmenin anlaşılabilirliğini korumak için, burada denklemleri, \(\partial/\partial y = 0\) ve manyetik iletkenliğin sıfıra ayarlandığı iki boyutlu bir duruma indirgiyoruz, \(\sigma_m = 0\). Bu, cebirsel işlemleri çok daha kolay takip etmemizi sağlar ve aynı zamanda boyut küçültmenin pratikte nasıl gerçekleştirildiğini açıkça gösterir. Ancak, tam OghmaNano FDTD çözümleyicisinde, elektromanyetik denklemler üç boyutlu olarak çözülür. Bu nedenle, burada verilen iki boyutlu türetme, temel çözümleyicinin yalnızca 2B ile sınırlı olduğu ifadesinden ziyade, yöntemin açık ve anlaşılır bir örneği olarak tasarlanmıştır.
Bu sayfa boyunca, elektrik alan bileşenleri tam sayı zaman adımlarında \(n\Delta t\) değerlendirilirken, manyetik alan bileşenleri yarım tam sayı zaman adımlarında \(\left(n+\tfrac{1}{2}\right)\Delta t\) değerlendirilir. Bu, FDTD'de kullanılan standart Yee ızgara atlama düzenlemesidir. Daha kısa özet sayfadan farklı olarak, burada indeksleme daha açık bir şekilde belirtilmiştir, böylece türetme hem bir uygulama kılavuzu hem de matematiksel bir not olarak okunabilir.Bu sayfa boyunca, elektrik alan bileşenleri tam sayı zaman adımlarında \(n\Delta t\) değerlendirilirken, manyetik alan bileşenleri yarım tam sayı zaman adımlarında \(\left(n+\tfrac{1}{2}\right)\Delta t\) değerlendirilir. Bu, FDTD'de kullanılan standart Yee ızgara atlama düzenlemesidir. Daha kısa özet sayfadan farklı olarak, burada indeksleme daha açık bir şekilde belirtilmiştir, böylece türetme hem bir uygulama kılavuzu hem de matematiksel bir not olarak okunabilir.
2. Başlangıç denklemleri2. Başlangıç denklemleri
Doğrusal bir ortamda, elektrik iletkenliği \(\sigma\), elektrik geçirgenliği \(\epsilon\), manyetik geçirgenliği \(\mu\) ve genel olarak manyetik iletkenliği \(\sigma_m\) olan bir ortamda, Maxwell'in kıvrım denklemlerinden başlayarak inceleme yapacağız:Doğrusal bir ortamda, elektrik iletkenliği \(\sigma\), elektrik geçirgenliği \(\epsilon\), manyetik geçirgenliği \(\mu\) ve genel olarak manyetik iletkenliği \(\sigma_m\) olan bir ortamda, Maxwell'in kıvrım denklemlerinden başlayarak inceleme yapacağız:
\[ \nabla \times \boldsymbol{H} = \sigma \boldsymbol{E} + \epsilon \frac{\partial \boldsymbol{E}}{\partial t}, \qquad \nabla \times \boldsymbol{E} = - \sigma_m \boldsymbol{H} - \mu \frac{\partial \boldsymbol{H}}{\partial t}. \] \[ \nabla \times \boldsymbol{H} = \sigma \boldsymbol{E} + \epsilon \frac{\partial \boldsymbol{E}}{\partial t}, \qquad \nabla \times \boldsymbol{E} = - \sigma_m \boldsymbol{H} - \mu \frac{\partial \boldsymbol{H}}{\partial t}. \]
Belirlenmiş formda, kıvrımlar şöyledir:Belirlenmiş formda, kıvrımlar şöyledir:
\[ \nabla \times \boldsymbol{H} = \begin{vmatrix} \hat{\boldsymbol{x}} & \hat{\boldsymbol{y}} & \hat{\boldsymbol{z}} \\ \dfrac{\partial}{\partial x} & \dfrac{\partial}{\partial y} & \dfrac{\partial}{\partial z} \\ H_x & H_y & H_z \end{vmatrix}, \qquad \nabla \times \boldsymbol{E} = \begin{vmatrix} \hat{\boldsymbol{x}} & \hat{\boldsymbol{y}} & \hat{\boldsymbol{z}} \\ \dfrac{\partial}{\partial x} & \dfrac{\partial}{\partial y} & \dfrac{\partial}{\partial z} \\ E_x & E_y & E_z \end{vmatrix}. \] \[ \nabla \times \boldsymbol{H} = \begin{vmatrix} \hat{\boldsymbol{x}} & \hat{\boldsymbol{y}} & \hat{\boldsymbol{z}} \\ \dfrac{\partial}{\partial x} & \dfrac{\partial}{\partial y} & \dfrac{\partial}{\partial z} \\ H_x & H_y & H_z \end{vmatrix}, \qquad \nabla \times \boldsymbol{E} = \begin{vmatrix} \hat{\boldsymbol{x}} & \hat{\boldsymbol{y}} & \hat{\boldsymbol{z}} \\ \dfrac{\partial}{\partial x} & \dfrac{\partial}{\partial y} & \dfrac{\partial}{\partial z} \\ E_x & E_y & E_z \end{vmatrix}. \]
Bunlar sürekli zamanlı ve sürekli uzaylı denklemlerdir. Bu sayfanın geri kalanının amacı, bu denklemleri, zaman içinde adım adım ilerletilebilen açık bir sonlu fark şemasına dönüştürmektir.Bunlar sürekli zamanlı ve sürekli uzaylı denklemlerdir. Bu sayfanın geri kalanının amacı, bu denklemleri, zaman içinde adım adım ilerletilebilen açık bir sonlu fark şemasına dönüştürmektir.
3. Kıvrım denklemlerinin bileşen formu3. Kıvrım denklemlerinin bileşen formu
Ampère yasasını Kartezyen bileşenlere genişletmek şu sonucu verir:Ampère yasasını Kartezyen bileşenlere genişletmek şu sonucu verir:
\[ \sigma E_x + \epsilon \frac{\partial E_x}{\partial t} = \frac{\partial H_z}{\partial y} - \frac{\partial H_y}{\partial z}, \] \[ \sigma E_x + \epsilon \frac{\partial E_x}{\partial t} = \frac{\partial H_z}{\partial y} - \frac{\partial H_y}{\partial z}, \]
\[ \sigma E_y + \epsilon \frac{\partial E_y}{\partial t} = \frac{\partial H_x}{\partial z} - \frac{\partial H_z}{\partial x}, \] \[ \sigma E_y + \epsilon \frac{\partial E_y}{\partial t} = \frac{\partial H_x}{\partial z} - \frac{\partial H_z}{\partial x}, \]
\[ \sigma E_z + \epsilon \frac{\partial E_z}{\partial t} = \frac{\partial H_y}{\partial x} - \frac{\partial H_x}{\partial y}. \] \[ \sigma E_z + \epsilon \frac{\partial E_z}{\partial t} = \frac{\partial H_y}{\partial x} - \frac{\partial H_x}{\partial y}. \]
Faraday yasasının genişletilmiş hali şunları verir:Faraday yasasının genişletilmiş hali şunları verir:
\[ -\sigma_m H_x - \mu \frac{\partial H_x}{\partial t} = \frac{\partial E_z}{\partial y} - \frac{\partial E_y}{\partial z}, \] \[ -\sigma_m H_x - \mu \frac{\partial H_x}{\partial t} = \frac{\partial E_z}{\partial y} - \frac{\partial E_y}{\partial z}, \]
\[ -\sigma_m H_y - \mu \frac{\partial H_y}{\partial t} = \frac{\partial E_x}{\partial z} - \frac{\partial E_z}{\partial x}, \] \[ -\sigma_m H_y - \mu \frac{\partial H_y}{\partial t} = \frac{\partial E_x}{\partial z} - \frac{\partial E_z}{\partial x}, \]
\[ -\sigma_m H_z - \mu \frac{\partial H_z}{\partial t} = \frac{\partial E_y}{\partial x} - \frac{\partial E_x}{\partial y}. \] \[ -\sigma_m H_z - \mu \frac{\partial H_z}{\partial t} = \frac{\partial E_y}{\partial x} - \frac{\partial E_x}{\partial y}. \]
Bu aşamada boyutlulukla ilgili henüz bir varsayımda bulunulmadı. Yukarıdaki ifadeler, tam üç boyutlu kıvrım denklemlerinin sadece bileşenler halinde gösterilmiş halidir.Bu aşamada boyutlulukla ilgili henüz bir varsayımda bulunulmadı. Yukarıdaki ifadeler, tam üç boyutlu kıvrım denklemlerinin sadece bileşenler halinde gösterilmiş halidir.
4. İki boyutlu indirgeme4. İki boyutlu indirgeme
Türetmeyi daha kolay hale getirmek için, şimdi problemi iki boyuta indiriyoruz; bunun için \(y\) yönünde herhangi bir değişiklik olmadığı varsayımı yapıyoruz, dolayısıyla \(\partial / \partial y = 0\). Bu adım, yalnızca cebirsel işlemleri basitleştirmek ve güncelleme denklemlerinin yapısını daha kolay anlaşılır hale getirmek amacıyla atılıyor. Aynı yöntem doğrudan üç boyuta genişletilebilir ve uygulamada OghmaNano, Maxwell denklemlerinin tam 3 boyutlu formunu çözmektedir.Türetmeyi daha kolay hale getirmek için, şimdi problemi iki boyuta indiriyoruz; bunun için \(y\) yönünde herhangi bir değişiklik olmadığı varsayımı yapıyoruz, dolayısıyla \(\partial / \partial y = 0\). Bu adım, yalnızca cebirsel işlemleri basitleştirmek ve güncelleme denklemlerinin yapısını daha kolay anlaşılır hale getirmek amacıyla atılıyor. Aynı yöntem doğrudan üç boyuta genişletilebilir ve uygulamada OghmaNano, Maxwell denklemlerinin tam 3 boyutlu formunu çözmektedir.
Bu varsayımla, elektrik alan denklemleri şu hale gelir:Bu varsayımla, elektrik alan denklemleri şu hale gelir:
\[ \sigma E_x + \epsilon \frac{\partial E_x}{\partial t} = - \frac{\partial H_y}{\partial z}, \] \[ \sigma E_x + \epsilon \frac{\partial E_x}{\partial t} = - \frac{\partial H_y}{\partial z}, \]
\[ \sigma E_y + \epsilon \frac{\partial E_y}{\partial t} = - \frac{\partial H_z}{\partial x} + \frac{\partial H_x}{\partial z}, \] \[ \sigma E_y + \epsilon \frac{\partial E_y}{\partial t} = - \frac{\partial H_z}{\partial x} + \frac{\partial H_x}{\partial z}, \]
\[ \sigma E_z + \epsilon \frac{\partial E_z}{\partial t} = \frac{\partial H_y}{\partial x}. \] \[ \sigma E_z + \epsilon \frac{\partial E_z}{\partial t} = \frac{\partial H_y}{\partial x}. \]
Manyetik iletkenliği de sıfıra ayarlarsak, \(\sigma_m = 0\), manyetik alan denklemleri şu hale gelir:Manyetik iletkenliği de sıfıra ayarlarsak, \(\sigma_m = 0\), manyetik alan denklemleri şu hale gelir:
\[ \mu \frac{\partial H_x}{\partial t} = \frac{\partial E_y}{\partial z}, \] \[ \mu \frac{\partial H_x}{\partial t} = \frac{\partial E_y}{\partial z}, \]
\[ \mu \frac{\partial H_y}{\partial t} = \frac{\partial E_z}{\partial x} - \frac{\partial E_x}{\partial z}, \] \[ \mu \frac{\partial H_y}{\partial t} = \frac{\partial E_z}{\partial x} - \frac{\partial E_x}{\partial z}, \]
\[ \mu \frac{\partial H_z}{\partial t} = - \frac{\partial E_y}{\partial x}. \] \[ \mu \frac{\partial H_z}{\partial t} = - \frac{\partial E_y}{\partial x}. \]
Bunlar, şimdi ayrıklaştırılacak olan sürekli denklemlerdir. Açıkça belirtmekte fayda var ki, bu, tam 3 boyutlu problemin 2 boyutlu bir indirgenmesidir. Amaç, tüm FDTD yöntemlerinin doğası gereği iki boyutlu olduğunu iddia etmek değil, yaygın olarak kullanılan ve bir yönde etkileşimin olmadığı durumda, temiz güncelleme denklemleri elde etmektir.Bunlar, şimdi ayrıklaştırılacak olan sürekli denklemlerdir. Açıkça belirtmekte fayda var ki, bu, tam 3 boyutlu problemin 2 boyutlu bir indirgenmesidir. Amaç, tüm FDTD yöntemlerinin doğası gereği iki boyutlu olduğunu iddia etmek değil, yaygın olarak kullanılan ve bir yönde etkileşimin olmadığı durumda, temiz güncelleme denklemleri elde etmektir.
5. Yee ızgarası, indeksleme ve notasyon5. Yee ızgarası, indeksleme ve notasyon
Yukarıdaki denklemleri sayısal olarak çözmek için hem uzay hem de zaman ayrıklaştırılır. \(x\) ve \(z\) yönlerindeki hesaplama ızgara aralıkları sırasıyla \(\Delta x\) ve \(\Delta z\) olsun ve zaman adımı \(\Delta t\) olsun. \(x\) ve \(z\) yönleri için \(i\) ve \(k\) tamsayı indekslerini kullanıyoruz:Yukarıdaki denklemleri sayısal olarak çözmek için hem uzay hem de zaman ayrıklaştırılır. \(x\) ve \(z\) yönlerindeki hesaplama ızgara aralıkları sırasıyla \(\Delta x\) ve \(\Delta z\) olsun ve zaman adımı \(\Delta t\) olsun. \(x\) ve \(z\) yönleri için \(i\) ve \(k\) tamsayı indekslerini kullanıyoruz:
\[ x_i = i \Delta x, \qquad z_k = k \Delta z. \] \[ x_i = i \Delta x, \qquad z_k = k \Delta z. \]
Zaman, \(n\) tamsayısı ile indekslenir, böyleceZaman, \(n\) tamsayısı ile indekslenir, böylece
\[ t^n = n \Delta t. \] \[ t^n = n \Delta t. \]
Yee yönteminde, elektrik ve manyetik alanlar uzay veya zaman içinde aynı konumlarda depolanmaz. Bunun yerine, aralıklı olarak yerleştirilirler. Elektrik alanın bileşenleri tam sayı zaman seviyelerinde \(n\Delta t\) değerlendirilirken, manyetik alanın bileşenleri yarım tam sayı zaman seviyelerinde \(\left(n+\tfrac{1}{2}\right)\Delta t\) değerlendirilir. Bu, FDTD yönteminin "zıplama" yapısını oluşturan temel unsurdur.Yee yönteminde, elektrik ve manyetik alanlar uzay veya zaman içinde aynı konumlarda depolanmaz. Bunun yerine, aralıklı olarak yerleştirilirler. Elektrik alanın bileşenleri tam sayı zaman seviyelerinde \(n\Delta t\) değerlendirilirken, manyetik alanın bileşenleri yarım tam sayı zaman seviyelerinde \(\left(n+\tfrac{1}{2}\right)\Delta t\) değerlendirilir. Bu, FDTD yönteminin "zıplama" yapısını oluşturan temel unsurdur.
Mekânsal olarak, alan bileşenleri de öyle bir şekilde yer değiştirir ki, her bir merkezlenmiş sonlu fark kıvrımı, komşu ızgara noktaları arasında doğal olarak tanımlanır. Tam bir kod uygulamasında, her alan bileşeni kendi mekânsal indeks çiftini taşır; örneğin \(E_x^n(i,k)\), \(H_y^{n+\frac{1}{2}}(i+\tfrac{1}{2},k+\tfrac{1}{2})\) ve benzeri. Cebirsel ifadelerin anlaşılabilirliğini korumak için, aşağıda belirtilen adımlarda bazı tekrarlayan "gözlemci" indeksler her zaman açıkça yazılmaz. Ancak, yorum her zaman aynıdır:Mekânsal olarak, alan bileşenleri de öyle bir şekilde yer değiştirir ki, her bir merkezlenmiş sonlu fark kıvrımı, komşu ızgara noktaları arasında doğal olarak tanımlanır. Tam bir kod uygulamasında, her alan bileşeni kendi mekânsal indeks çiftini taşır; örneğin \(E_x^n(i,k)\), \(H_y^{n+\frac{1}{2}}(i+\tfrac{1}{2},k+\tfrac{1}{2})\) ve benzeri. Cebirsel ifadelerin anlaşılabilirliğini korumak için, aşağıda belirtilen adımlarda bazı tekrarlayan "gözlemci" indeksler her zaman açıkça yazılmaz. Ancak, yorum her zaman aynıdır:
- \(i\), \(x\) yönünü gösterir.\(i\), \(x\) yönünü gösterir.
- \(k\), \(z\) yönünü gösterir.\(k\), \(z\) yönünü gösterir.
- \(n\), tamsayı değerli elektrik alan zaman seviyelerini gösterir ve\(n\), tamsayı değerli elektrik alan zaman seviyelerini gösterir ve
- \(n+\tfrac{1}{2}\) indeksi, yarım adım aralıklarla değişen manyetik alanın zaman içindeki seviyelerini gösterir.\(n+\tfrac{1}{2}\) indeksi, yarım adım aralıklarla değişen manyetik alanın zaman içindeki seviyelerini gösterir.
Örneğin, \(\partial H_y / \partial z\) için kullanılan merkezlenmiş sonlu fark yaklaşımı şudur:Örneğin, \(\partial H_y / \partial z\) için kullanılan merkezlenmiş sonlu fark yaklaşımı şudur:
\[ \frac{\partial H_y}{\partial z} \approx \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}, \] \[ \frac{\partial H_y}{\partial z} \approx \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}, \]
ve benzer şekilde, \(\partial H_z / \partial x\)'e uygulanan merkezli yaklaşım da şudur:ve benzer şekilde, \(\partial H_z / \partial x\)'e uygulanan merkezli yaklaşım da şudur:
\[ \frac{\partial H_z}{\partial x} \approx \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}. \] \[ \frac{\partial H_z}{\partial x} \approx \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}. \]
Bu gösterimin açıkça belirtilmesiyle, aşağıda verilen türetme işlemi, doğru bir Yee ızgara güncelleme şeması olarak anlaşılabilir.Bu gösterimin açıkça belirtilmesiyle, aşağıda verilen türetme işlemi, doğru bir Yee ızgara güncelleme şeması olarak anlaşılabilir.
6. Elektrik alan güncelleme denklemlerinin türetilmesi6. Elektrik alan güncelleme denklemlerinin türetilmesi
Elektrik alanı, tam sayı zaman adımlarında \(n\Delta t\) hesaplanırken, manyetik alan, yarım tam sayı zaman adımlarında \(\left(n+\tfrac{1}{2}\right)\Delta t\) hesaplanır. Güncelleme denklemlerini elde etmek için, zaman türevi, merkezlenmiş sonlu fark yöntemiyle yaklaşık olarak hesaplanır ve iletken terim, eski ve yeni elektrik alanlarının ortalaması kullanılarak belirlenir. Bu, sayısal olarak kararlı bir yamuk şeklindeki iletkenlik yaklaşımı sağlar.Elektrik alanı, tam sayı zaman adımlarında \(n\Delta t\) hesaplanırken, manyetik alan, yarım tam sayı zaman adımlarında \(\left(n+\tfrac{1}{2}\right)\Delta t\) hesaplanır. Güncelleme denklemlerini elde etmek için, zaman türevi, merkezlenmiş sonlu fark yöntemiyle yaklaşık olarak hesaplanır ve iletken terim, eski ve yeni elektrik alanlarının ortalaması kullanılarak belirlenir. Bu, sayısal olarak kararlı bir yamuk şeklindeki iletkenlik yaklaşımı sağlar.
Bu ortalama alma adımı önemlidir. Eğer iletkenlik terimi tutarlı bir şekilde ele alınmazsa, güncelleme katsayıları artık standart sönümlü forma sahip olmaz ve geleneksel FDTD denklemleriyle olan uyum ortadan kalkar.Bu ortalama alma adımı önemlidir. Eğer iletkenlik terimi tutarlı bir şekilde ele alınmazsa, güncelleme katsayıları artık standart sönümlü forma sahip olmaz ve geleneksel FDTD denklemleriyle olan uyum ortadan kalkar.
6.1 \(E_x\) için denklemi güncelleyin.6.1 \(E_x\) için denklemi güncelleyin.
Şuradan başlayın.Şuradan başlayın.
\[ \sigma E_x + \epsilon \frac{\partial E_x}{\partial t} = - \frac{\partial H_y}{\partial z}. \] \[ \sigma E_x + \epsilon \frac{\partial E_x}{\partial t} = - \frac{\partial H_y}{\partial z}. \]
İletkenlik terimini \(E_x^{n+1}\) ve \(E_x^n\)'nin ortalamasını kullanarak değerlendirin ve zaman türevini merkezlenmiş sonlu fark yöntemiyle hesaplayın:İletkenlik terimini \(E_x^{n+1}\) ve \(E_x^n\)'nin ortalamasını kullanarak değerlendirin ve zaman türevini merkezlenmiş sonlu fark yöntemiyle hesaplayın:
\[ \sigma \frac{E_x^{n+1}(i,k) + E_x^n(i,k)}{2} + \epsilon \frac{E_x^{n+1}(i,k) - E_x^n(i,k)}{\Delta t} = - \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}. \] \[ \sigma \frac{E_x^{n+1}(i,k) + E_x^n(i,k)}{2} + \epsilon \frac{E_x^{n+1}(i,k) - E_x^n(i,k)}{\Delta t} = - \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}. \]
\(E_x^{n+1}\) terimlerini sol tarafta toplayın:\(E_x^{n+1}\) terimlerini sol tarafta toplayın:
\[ \left( \frac{\sigma}{2} + \frac{\epsilon}{\Delta t} \right) E_x^{n+1}(i,k) = - \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} + \left( \frac{\epsilon}{\Delta t} - \frac{\sigma}{2} \right) E_x^n(i,k). \] \[ \left( \frac{\sigma}{2} + \frac{\epsilon}{\Delta t} \right) E_x^{n+1}(i,k) = - \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} + \left( \frac{\epsilon}{\Delta t} - \frac{\sigma}{2} \right) E_x^n(i,k). \]
Bu nedenleBu nedenle
\[ E_x^{n+1}(i,k) = \frac{ \left( \dfrac{\epsilon}{\Delta t} - \dfrac{\sigma}{2} \right) E_x^n(i,k) - \dfrac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} }{ \dfrac{\epsilon}{\Delta t} + \dfrac{\sigma}{2} }. \] \[ E_x^{n+1}(i,k) = \frac{ \left( \dfrac{\epsilon}{\Delta t} - \dfrac{\sigma}{2} \right) E_x^n(i,k) - \dfrac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} }{ \dfrac{\epsilon}{\Delta t} + \dfrac{\sigma}{2} }. \]
Paydayı ve payı \(2\Delta t\) ile çarpmak, bize aşina olan katsayı formunu verir:Paydayı ve payı \(2\Delta t\) ile çarpmak, bize aşina olan katsayı formunu verir:
\[ E_x^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_x^n(i,k) - \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}. \] \[ E_x^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_x^n(i,k) - \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}. \]
6.2. \(E_y\) için denklemi güncelleyin.6.2. \(E_y\) için denklemi güncelleyin.
Şuradan başlayın.Şuradan başlayın.
\[ \sigma E_y + \epsilon \frac{\partial E_y}{\partial t} = - \frac{\partial H_z}{\partial x} + \frac{\partial H_x}{\partial z}. \] \[ \sigma E_y + \epsilon \frac{\partial E_y}{\partial t} = - \frac{\partial H_z}{\partial x} + \frac{\partial H_x}{\partial z}. \]
Yee ızgarasında her iki türev terimini de ayrıklaştırın:Yee ızgarasında her iki türev terimini de ayrıklaştırın:
\[ \sigma \frac{E_y^{n+1}(i,k) + E_y^n(i,k)}{2} + \epsilon \frac{E_y^{n+1}(i,k) - E_y^n(i,k)}{\Delta t} = - \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x} + \frac{ H_x^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_x^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}. \] \[ \sigma \frac{E_y^{n+1}(i,k) + E_y^n(i,k)}{2} + \epsilon \frac{E_y^{n+1}(i,k) - E_y^n(i,k)}{\Delta t} = - \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x} + \frac{ H_x^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_x^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}. \]
Yeniden düzenlemek şunları sağlar:Yeniden düzenlemek şunları sağlar:
\[ E_y^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_y^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \left[ - \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x} + \frac{ H_x^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_x^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} \right]. \] \[ E_y^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_y^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \left[ - \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x} + \frac{ H_x^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_x^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} \right]. \]
Bu, iki farklı manyetik alan türevinin katkılarını içeren ve iki boyutlu indirgemede bulunan tek elektrik alan bileşenidir ve bu nedenle kodda en kolay yanlışlıkla değiştirilebilecek olanıdır. Özellikle, \(x\) ve \(z\) türev terimleri arasındaki göreli işaret, doğrudan dönme genişlemesinden türetilir ve değiştirilmemelidir.Bu, iki farklı manyetik alan türevinin katkılarını içeren ve iki boyutlu indirgemede bulunan tek elektrik alan bileşenidir ve bu nedenle kodda en kolay yanlışlıkla değiştirilebilecek olanıdır. Özellikle, \(x\) ve \(z\) türev terimleri arasındaki göreli işaret, doğrudan dönme genişlemesinden türetilir ve değiştirilmemelidir.
6.3. \(E_z\) için denklemi güncelleyin.6.3. \(E_z\) için denklemi güncelleyin.
Şuradan başlayın.Şuradan başlayın.
\[ \sigma E_z + \epsilon \frac{\partial E_z}{\partial t} = \frac{\partial H_y}{\partial x}. \] \[ \sigma E_z + \epsilon \frac{\partial E_z}{\partial t} = \frac{\partial H_y}{\partial x}. \]
Ayırma işlemi sonucunda elde edilir.Ayırma işlemi sonucunda elde edilir.
\[ \sigma \frac{E_z^{n+1}(i,k) + E_z^n(i,k)}{2} + \epsilon \frac{E_z^{n+1}(i,k) - E_z^n(i,k)}{\Delta t} = \frac{ H_y^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_y^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}. \] \[ \sigma \frac{E_z^{n+1}(i,k) + E_z^n(i,k)}{2} + \epsilon \frac{E_z^{n+1}(i,k) - E_z^n(i,k)}{\Delta t} = \frac{ H_y^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_y^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}. \]
Bu nedenle / Bundan dolayıBu nedenle / Bundan dolayı
\[ E_z^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_z^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_y^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}. \] \[ E_z^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_z^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_y^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}. \]
Bu aşamada, ayrık elektrik alan güncelleme denklemleri standart sönümlü biçiminde elde edilmiştir. Bir sonraki adım, buna karşılık gelen manyetik alan denklemlerini, yarım tam sayılı zaman seviyelerinde ilerletilmiş olarak türetmektir.Bu aşamada, ayrık elektrik alan güncelleme denklemleri standart sönümlü biçiminde elde edilmiştir. Bir sonraki adım, buna karşılık gelen manyetik alan denklemlerini, yarım tam sayılı zaman seviyelerinde ilerletilmiş olarak türetmektir.
7. Manyetik alan güncelleme denklemlerinin türetilmesi7. Manyetik alan güncelleme denklemlerinin türetilmesi
Manyetik alan, yarı tam sayılı zaman aralıklarında güncellenir. \(\sigma_m = 0\) kullanıldığında, manyetik alan denklemlerinde sönümleme terimi bulunmaz, bu nedenle güncelleme formülleri daha basit bir şekilde ifade edilir. Bu türetme bölümü, elektriksel alan durumuna göre daha kısadır, çünkü hesaplamalara dahil edilecek yamuk şeklindeki iletkenlik terimi bulunmaz.Manyetik alan, yarı tam sayılı zaman aralıklarında güncellenir. \(\sigma_m = 0\) kullanıldığında, manyetik alan denklemlerinde sönümleme terimi bulunmaz, bu nedenle güncelleme formülleri daha basit bir şekilde ifade edilir. Bu türetme bölümü, elektriksel alan durumuna göre daha kısadır, çünkü hesaplamalara dahil edilecek yamuk şeklindeki iletkenlik terimi bulunmaz.
7.1. \(H_x\) için denklemi güncelleyin.7.1. \(H_x\) için denklemi güncelleyin.
Şuradan başlayın.Şuradan başlayın.
\[ \mu \frac{\partial H_x}{\partial t} = \frac{\partial E_y}{\partial z}. \] \[ \mu \frac{\partial H_x}{\partial t} = \frac{\partial E_y}{\partial z}. \]
\(n-\tfrac{1}{2}\) ve \(n+\tfrac{1}{2}\) ara adımları arasında zaman ekseninde ayrıklaştırma yapmak ve \(z\) yönünde merkezlenmiş farklar kullanarak uzay ekseninde ayrıklaştırma yapmak, şu sonucu verir:\(n-\tfrac{1}{2}\) ve \(n+\tfrac{1}{2}\) ara adımları arasında zaman ekseninde ayrıklaştırma yapmak ve \(z\) yönünde merkezlenmiş farklar kullanarak uzay ekseninde ayrıklaştırma yapmak, şu sonucu verir:
\[ \mu \frac{ H_x^{n+\frac{1}{2}}(i,k+\frac{1}{2}) - H_x^{n-\frac{1}{2}}(i,k+\frac{1}{2}) }{\Delta t} = \frac{ E_y^n(i,k+1) - E_y^n(i,k) }{\Delta z}. \] \[ \mu \frac{ H_x^{n+\frac{1}{2}}(i,k+\frac{1}{2}) - H_x^{n-\frac{1}{2}}(i,k+\frac{1}{2}) }{\Delta t} = \frac{ E_y^n(i,k+1) - E_y^n(i,k) }{\Delta z}. \]
Genellikle türetmelerde kullanılan, daha kısa gösterime sahip yarı indeks notasyonunda aynı sonuç şu şekilde yazılabilir:Genellikle türetmelerde kullanılan, daha kısa gösterime sahip yarı indeks notasyonunda aynı sonuç şu şekilde yazılabilir:
\[ \mu \frac{ H_x^{n+\frac{1}{2}} - H_x^{n-\frac{1}{2}} }{\Delta t} = \frac{ E_y^n\!\left(k+\frac{1}{2}\right) - E_y^n\!\left(k-\frac{1}{2}\right) }{\Delta z}. \] \[ \mu \frac{ H_x^{n+\frac{1}{2}} - H_x^{n-\frac{1}{2}} }{\Delta t} = \frac{ E_y^n\!\left(k+\frac{1}{2}\right) - E_y^n\!\left(k-\frac{1}{2}\right) }{\Delta z}. \]
Bu nedenleBu nedenle
\[ H_x^{n+\frac{1}{2}} = H_x^{n-\frac{1}{2}} + \frac{\Delta t}{\mu} \frac{ E_y^n\!\left(k+\frac{1}{2}\right) - E_y^n\!\left(k-\frac{1}{2}\right) }{\Delta z}. \] \[ H_x^{n+\frac{1}{2}} = H_x^{n-\frac{1}{2}} + \frac{\Delta t}{\mu} \frac{ E_y^n\!\left(k+\frac{1}{2}\right) - E_y^n\!\left(k-\frac{1}{2}\right) }{\Delta z}. \]
\(H_y\) için denklemi güncelleyin (7.2).\(H_y\) için denklemi güncelleyin (7.2).
Şuradan başlayın.Şuradan başlayın.
\[ \mu \frac{\partial H_y}{\partial t} = \frac{\partial E_z}{\partial x} - \frac{\partial E_x}{\partial z}. \] \[ \mu \frac{\partial H_y}{\partial t} = \frac{\partial E_z}{\partial x} - \frac{\partial E_x}{\partial z}. \]
Ayırma işlemi sonucunda elde edilir.Ayırma işlemi sonucunda elde edilir.
\[ \mu \frac{ H_y^{n+\frac{1}{2}}(i+\frac{1}{2},k+\frac{1}{2}) - H_y^{n-\frac{1}{2}}(i+\frac{1}{2},k+\frac{1}{2}) }{\Delta t} = \frac{ E_z^n(i+1,k+\frac{1}{2}) - E_z^n(i,k+\frac{1}{2}) }{\Delta x} - \frac{ E_x^n(i+\frac{1}{2},k+1) - E_x^n(i+\frac{1}{2},k) }{\Delta z}. \] \[ \mu \frac{ H_y^{n+\frac{1}{2}}(i+\frac{1}{2},k+\frac{1}{2}) - H_y^{n-\frac{1}{2}}(i+\frac{1}{2},k+\frac{1}{2}) }{\Delta t} = \frac{ E_z^n(i+1,k+\frac{1}{2}) - E_z^n(i,k+\frac{1}{2}) }{\Delta x} - \frac{ E_x^n(i+\frac{1}{2},k+1) - E_x^n(i+\frac{1}{2},k) }{\Delta z}. \]
Yine, kısaltılmış yarı indeks gösteriminde,Yine, kısaltılmış yarı indeks gösteriminde,
\[ \mu \frac{ H_y^{n+\frac{1}{2}} - H_y^{n-\frac{1}{2}} }{\Delta t} = \frac{ E_z^n\!\left(i+\frac{1}{2}\right) - E_z^n\!\left(i-\frac{1}{2}\right) }{\Delta x} - \frac{ E_x^n\!\left(k+\frac{1}{2}\right) - E_x^n\!\left(k-\frac{1}{2}\right) }{\Delta z}. \] \[ \mu \frac{ H_y^{n+\frac{1}{2}} - H_y^{n-\frac{1}{2}} }{\Delta t} = \frac{ E_z^n\!\left(i+\frac{1}{2}\right) - E_z^n\!\left(i-\frac{1}{2}\right) }{\Delta x} - \frac{ E_x^n\!\left(k+\frac{1}{2}\right) - E_x^n\!\left(k-\frac{1}{2}\right) }{\Delta z}. \]
Bu nedenle / Bundan dolayıBu nedenle / Bundan dolayı
\[ H_y^{n+\frac{1}{2}} = H_y^{n-\frac{1}{2}} + \frac{\Delta t}{\mu} \left[ \frac{ E_z^n\!\left(i+\frac{1}{2}\right) - E_z^n\!\left(i-\frac{1}{2}\right) }{\Delta x} - \frac{ E_x^n\!\left(k+\frac{1}{2}\right) - E_x^n\!\left(k-\frac{1}{2}\right) }{\Delta z} \right]. \] \[ H_y^{n+\frac{1}{2}} = H_y^{n-\frac{1}{2}} + \frac{\Delta t}{\mu} \left[ \frac{ E_z^n\!\left(i+\frac{1}{2}\right) - E_z^n\!\left(i-\frac{1}{2}\right) }{\Delta x} - \frac{ E_x^n\!\left(k+\frac{1}{2}\right) - E_x^n\!\left(k-\frac{1}{2}\right) }{\Delta z} \right]. \]
7.3. \(H_z\) için güncelleme denklemi.7.3. \(H_z\) için güncelleme denklemi.
Şuradan başlayın.Şuradan başlayın.
\[ \mu \frac{\partial H_z}{\partial t} = - \frac{\partial E_y}{\partial x}. \] \[ \mu \frac{\partial H_z}{\partial t} = - \frac{\partial E_y}{\partial x}. \]
Ayrıklaştırma işlemi şunları sağlar:Ayrıklaştırma işlemi şunları sağlar:
\[ \mu \frac{ H_z^{n+\frac{1}{2}}(i+\frac{1}{2},k) - H_z^{n-\frac{1}{2}}(i+\frac{1}{2},k) }{\Delta t} = - \frac{ E_y^n(i+1,k) - E_y^n(i,k) }{\Delta x}. \] \[ \mu \frac{ H_z^{n+\frac{1}{2}}(i+\frac{1}{2},k) - H_z^{n-\frac{1}{2}}(i+\frac{1}{2},k) }{\Delta t} = - \frac{ E_y^n(i+1,k) - E_y^n(i,k) }{\Delta x}. \]
Benzer şekilde, daha kısa bir gösterimle:Benzer şekilde, daha kısa bir gösterimle:
\[ \mu \frac{ H_z^{n+\frac{1}{2}} - H_z^{n-\frac{1}{2}} }{\Delta t} = - \frac{ E_y^n\!\left(i+\frac{1}{2}\right) - E_y^n\!\left(i-\frac{1}{2}\right) }{\Delta x}. \] \[ \mu \frac{ H_z^{n+\frac{1}{2}} - H_z^{n-\frac{1}{2}} }{\Delta t} = - \frac{ E_y^n\!\left(i+\frac{1}{2}\right) - E_y^n\!\left(i-\frac{1}{2}\right) }{\Delta x}. \]
Bu nedenleBu nedenle
\[ H_z^{n+\frac{1}{2}} = H_z^{n-\frac{1}{2}} - \frac{\Delta t}{\mu} \frac{ E_y^n\!\left(i+\frac{1}{2}\right) - E_y^n\!\left(i-\frac{1}{2}\right) }{\Delta x}. \] \[ H_z^{n+\frac{1}{2}} = H_z^{n-\frac{1}{2}} - \frac{\Delta t}{\mu} \frac{ E_y^n\!\left(i+\frac{1}{2}\right) - E_y^n\!\left(i-\frac{1}{2}\right) }{\Delta x}. \]
Bu ikameler tamamlandıktan sonra, standart "leapfrog" FDTD güncelleme denklemleri doğrudan uygulanabilir.Bu ikameler tamamlandıktan sonra, standart "leapfrog" FDTD güncelleme denklemleri doğrudan uygulanabilir.
8. Son güncelleme denklemleri8. Son güncelleme denklemleri
Elde edilen sonuçları bir araya getirdiğimizde, iki boyutlu FDTD güncelleme denklemleri şunlardır:Elde edilen sonuçları bir araya getirdiğimizde, iki boyutlu FDTD güncelleme denklemleri şunlardır:
\[ E_x^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_x^n(i,k) - \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}, \] \[ E_x^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_x^n(i,k) - \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_y^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z}, \]
\[ E_y^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_y^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \left[ - \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x} + \frac{ H_x^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_x^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} \right], \] \[ E_y^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_y^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \left[ - \frac{ H_z^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_z^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x} + \frac{ H_x^{n+\frac{1}{2}}\!\left(i,k+\frac{1}{2}\right) - H_x^{n+\frac{1}{2}}\!\left(i,k-\frac{1}{2}\right) }{\Delta z} \right], \]
\[ E_z^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_z^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_y^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}, \] \[ E_z^{n+1}(i,k) = \frac{ 2\epsilon - \sigma \Delta t }{ 2\epsilon + \sigma \Delta t } E_z^n(i,k) + \frac{ 2 \Delta t }{ 2\epsilon + \sigma \Delta t } \frac{ H_y^{n+\frac{1}{2}}\!\left(i+\frac{1}{2},k\right) - H_y^{n+\frac{1}{2}}\!\left(i-\frac{1}{2},k\right) }{\Delta x}, \]
\[ H_x^{n+\frac{1}{2}}(i,k+\tfrac{1}{2}) = H_x^{n-\frac{1}{2}}(i,k+\tfrac{1}{2}) + \frac{\Delta t}{\mu} \frac{ E_y^n(i,k+1) - E_y^n(i,k) }{\Delta z}, \] \[ H_x^{n+\frac{1}{2}}(i,k+\tfrac{1}{2}) = H_x^{n-\frac{1}{2}}(i,k+\tfrac{1}{2}) + \frac{\Delta t}{\mu} \frac{ E_y^n(i,k+1) - E_y^n(i,k) }{\Delta z}, \]
\[ H_y^{n+\frac{1}{2}}(i+\tfrac{1}{2},k+\tfrac{1}{2}) = H_y^{n-\frac{1}{2}}(i+\tfrac{1}{2},k+\tfrac{1}{2}) + \frac{\Delta t}{\mu} \left[ \frac{ E_z^n(i+1,k+\tfrac{1}{2}) - E_z^n(i,k+\tfrac{1}{2}) }{\Delta x} - \frac{ E_x^n(i+\tfrac{1}{2},k+1) - E_x^n(i+\tfrac{1}{2},k) }{\Delta z} \right], \] \[ H_y^{n+\frac{1}{2}}(i+\tfrac{1}{2},k+\tfrac{1}{2}) = H_y^{n-\frac{1}{2}}(i+\tfrac{1}{2},k+\tfrac{1}{2}) + \frac{\Delta t}{\mu} \left[ \frac{ E_z^n(i+1,k+\tfrac{1}{2}) - E_z^n(i,k+\tfrac{1}{2}) }{\Delta x} - \frac{ E_x^n(i+\tfrac{1}{2},k+1) - E_x^n(i+\tfrac{1}{2},k) }{\Delta z} \right], \]
\[ H_z^{n+\frac{1}{2}}(i+\tfrac{1}{2},k) = H_z^{n-\frac{1}{2}}(i+\tfrac{1}{2},k) - \frac{\Delta t}{\mu} \frac{ E_y^n(i+1,k) - E_y^n(i,k) }{\Delta x}. \] \[ H_z^{n+\frac{1}{2}}(i+\tfrac{1}{2},k) = H_z^{n-\frac{1}{2}}(i+\tfrac{1}{2},k) - \frac{\Delta t}{\mu} \frac{ E_y^n(i+1,k) - E_y^n(i,k) }{\Delta x}. \]
Bu şekilde ifade edildiğinde, ardışık hesaplama yönteminin anlamı açıkça ortaya konmaktadır. \(n+1\) zaman seviyesindeki elektrik alanı, \(n+\tfrac{1}{2}\) zaman seviyesindeki manyetik alandan elde edilirken, \(n+\tfrac{1}{2}\) zaman seviyesindeki manyetik alan, \(n\) zaman seviyesindeki elektrik alanından elde edilir. Bu nedenle, alanlar zaman içinde birbirini izleyen bir sıra içinde ilerler.Bu şekilde ifade edildiğinde, ardışık hesaplama yönteminin anlamı açıkça ortaya konmaktadır. \(n+1\) zaman seviyesindeki elektrik alanı, \(n+\tfrac{1}{2}\) zaman seviyesindeki manyetik alandan elde edilirken, \(n+\tfrac{1}{2}\) zaman seviyesindeki manyetik alan, \(n\) zaman seviyesindeki elektrik alanından elde edilir. Bu nedenle, alanlar zaman içinde birbirini izleyen bir sıra içinde ilerler.
9. Uygulama ile ilgili açıklamalar9. Uygulama ile ilgili açıklamalar
Pratik bir kodda, eski alan değerlerini ve kıvrım terimlerini çarpan katsayılar genellikle önceden hesaplanır ve depolanır; özellikle \(\epsilon\), \(\mu\) veya \(\sigma\) değerleri hücreden hücree değiştiğinde bu durum daha da önemlidir. Örneğin, elektrik alanının güncellenmesi genellikle şu şekilde yapılır:Pratik bir kodda, eski alan değerlerini ve kıvrım terimlerini çarpan katsayılar genellikle önceden hesaplanır ve depolanır; özellikle \(\epsilon\), \(\mu\) veya \(\sigma\) değerleri hücreden hücree değiştiğinde bu durum daha da önemlidir. Örneğin, elektrik alanının güncellenmesi genellikle şu şekilde yapılır:
\[ E^{n+1} = C_a E^n + C_b (\nabla \times H), \] \[ E^{n+1} = C_a E^n + C_b (\nabla \times H), \]
burada yerel katsayılar \(C_a\) ve \(C_b\), malzeme parametrelerini ve zaman aralığını temsil eder. Bu durum, uygulamanın daha düzenli olmasını sağlar ve her zaman aralığında aynı faktörlerin yeniden hesaplanması ihtiyacını ortadan kaldırır.burada yerel katsayılar \(C_a\) ve \(C_b\), malzeme parametrelerini ve zaman aralığını temsil eder. Bu durum, uygulamanın daha düzenli olmasını sağlar ve her zaman aralığında aynı faktörlerin yeniden hesaplanması ihtiyacını ortadan kaldırır.
Ayrıca, yukarıda verilen formülün yalnızca temel FDTD güncelleme şemasını sağladığını vurgulamak önemlidir. Kullanılabilir bir simülasyon için ayrıca kaynaklar, sınır koşulları, mükemmel eşleşmeli katmanlar (PML) gibi yutucu katmanlar ve Courant kararlılık koşulunu sağlayan bir zaman adımı da gereklidir. Bu eklemelerden hiçbiri burada türetilen temel "kurbağa zıplaması" yapısını değiştirmez, ancak her biri güncelleme denklemlerinin belirli ızgara noktalarında nasıl uygulandığını değiştirir.Ayrıca, yukarıda verilen formülün yalnızca temel FDTD güncelleme şemasını sağladığını vurgulamak önemlidir. Kullanılabilir bir simülasyon için ayrıca kaynaklar, sınır koşulları, mükemmel eşleşmeli katmanlar (PML) gibi yutucu katmanlar ve Courant kararlılık koşulunu sağlayan bir zaman adımı da gereklidir. Bu eklemelerden hiçbiri burada türetilen temel "kurbağa zıplaması" yapısını değiştirmez, ancak her biri güncelleme denklemlerinin belirli ızgara noktalarında nasıl uygulandığını değiştirir.
Son olarak, yukarıda verilen gösterim, uygulanabilirliği sağlayacak şekilde yeterince dikkatli bir şekilde hazırlanmış olsa da, her bir bileşenin kesin mekânsal konumu, kodda kullanılan ızgara düzenine bağlıdır. En önemli gereklilik, tipografinin kendisi değil, tutarlılıktır: kıvrılma operatörü, kaydırma ve işaretler, tüm düzen boyunca aynı Yee hücresi düzeniyle uyumlu olmalıdır.Son olarak, yukarıda verilen gösterim, uygulanabilirliği sağlayacak şekilde yeterince dikkatli bir şekilde hazırlanmış olsa da, her bir bileşenin kesin mekânsal konumu, kodda kullanılan ızgara düzenine bağlıdır. En önemli gereklilik, tipografinin kendisi değil, tutarlılıktır: kıvrılma operatörü, kaydırma ve işaretler, tüm düzen boyunca aynı Yee hücresi düzeniyle uyumlu olmalıdır.