Sie sind auf Seite 1von 67

Monte-Carlo Methoden in der

quantenmechanischen
Vielfachstreuung

Den Naturwissenschaftlichen Fakultaten


der Friedrich-Alexander-Universitat Erlangen-Nurnberg
zur
Erlangung des Doktorgrades

vorgelegt von
Stefan Lenz
aus Treuchtlingen
Als Dissertation genehmigt von den Naturwissenschaftlichen
Fakultaten der Universitat Erlangen-Nurnberg

Tag der mundlichen Prufung: 28. Juli 1994


Vorsitzender der Promotionskommission: Prof. Dr. K. Brodersen
Erstberichterstatter: Prof. Dr. F. Lenz
Zweitberichterstatter: Prof. Dr. J. Koch

2
Zusammenfassung

In dieser Arbeit werden Monte-Carlo-Methoden fur Vielfachstreuprobleme an Atom-


kernen entwickelt und ihre Eigenschaften untersucht.
Im ersten Teil der Arbeit wird ein Modell studiert, bei dem das Projektil keine Ener-
gie an die Nukleonen abgeben kann. Die in diesem Modell auftretenden hochdimensio-
nalen Integrale werden dabei durch Monte-Carlo-Integration numerisch gelost. Man
ndet im Limes starker Wechselwirkung zwischen Projektil und Target, da Einfang
des Projektils durch Ruckstreuprozesse auftritt. Dieser Projektileinfang kann durch die
ublicherweise verwendeten optischen Potentiale, die durch weitere Naherungen aus die-
sem Modell hervorgehen, nicht beschrieben werden. Die numerische Beobachtung wird
durch eine \mean- eld"-Naherung, Zufallsmatrizen und Zufallspotentiale analysiert. Es
wird gezeigt, da durch den Projektileinfang groe inelastische Wirkungsquerschnitte
entstehen.
Im zweiten Teil der Arbeit werden Pfadintegraldarstellungen fur Streuobservablen
bei verschwindender Energie entwickelt und zu numerischen Berechnungen durch Monte-
Carlo-Methoden verwendet. Vier verschiedene Algorithmen werden fur Potentialstreu-
probleme getestet. Es zeigt sich, da die dabei auftretenden Probleme, die in der
Nichtnormierbarkeit von Streuwellenfunktionen begrundet sind, durch Einfuhrung ei-
nes Referenzproblems gelost werden konnen. Auf diese Weise sind Berechnungen mit
hoher Genauigkeit moglich. Die hier entwickelten Methoden sind dazu geeignet, Viel-
fachstreuprobleme ohne einschrankende Modellannahmen zu losen. Das wird an einem
Modellsystem fur die Streuung an 4 He demonstriert.

3
Inhaltsverzeichnis
1 Einleitung 5
2 Das "Fixed-Scatterer\-Modell 7
2.1 Vielfachstreutheorie : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 7
2.2 Streuung bei k = 0 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 11
2.3 Inelastische Wirkungsquerschnitte : : : : : : : : : : : : : : : : : : : : : 18
2.4 p-Wellen-Streuung : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 19
2.5 Ausblick : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 21
3 Pfadintegralmethoden 23
3.1 Einfuhrung : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 23
3.2 Potentialstreuung : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 24
3.3 Monte-Carlo-Algorithmen : : : : : : : : : : : : : : : : : : : : : : : : : : 25
3.3.1 Random-Walk-Monte-Carlo : : : : : : : : : : : : : : : : : : : : : 25
3.3.2 Langevin Simulation : : : : : : : : : : : : : : : : : : : : : : : : : 30
3.3.3 Direkte Berechnung der Streulange : : : : : : : : : : : : : : : : : 42
3.3.4 Zustandssumme und Streuobservable : : : : : : : : : : : : : : : : 47
3.4 Zusammenfassung : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 49
4 Targets mit internen Freiheitsgraden 49
4.1 Einfuhrung : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 49
4.2 Oszillatortargets : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 49
4.3 Restwechselwirkungen : : : : : : : : : : : : : : : : : : : : : : : : : : : : 58
5 Diskussion 59
A Anhang 62
A.1 Potentialstreuung : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 62
A.2 Beweis der Gleichung 65 : : : : : : : : : : : : : : : : : : : : : : : : : : 63

4
1 Einleitung
Vielfachstreuprobleme spielen in vielen Bereichen der Physik eine groe Rolle. Bei Streu-
ung an zusammengesetzten Targets werden Vielfachstreue ekte die Physik bestimmen,
wenn das Target dicht oder die elementare Wechselwirkung stark ist. Zwei wichtige Bei-
spiele dafur sind Transporteigenschaften von Elektronen in ungeordneten Festkorpern
[Ram, Zim] und Kernreaktionen von Hadronen. Im Bereich der starken Wechselwirkung
gibt es eine Reihe von Anwendungen des Vielfachstreuformalismus, zum Beispiel bei
der Beschreibung von exotischen Atomen [Bat], bei der Meson-Kernstreuung [Eis, Huf],
sowie bei Proton- und Antiproton-Kern Streuung [Dov]. Theoretische Arbeiten und ex-
perimentelle Daten existieren fur eine Reihe von Reaktionen wie zum Beispiel elastische
Streuung, Anregung einzelner Kernzustande, \Knockout"-Reaktionen sowie Ladungs-
austausch.
Im Bereich niedriger Energien ist das optische Potential sowohl fur elastische Streu-
ung als auch fur inelastische Reaktionen [Eis] das Standardwerkzeug der Vielfachstreu-
theorie. Die Freiheitsgrade des Kerns werden durch ein e ektives Einteilchen-Potential
ersetzt, das nur auf die Projektilfreiheitsgrade wirkt. Dieses Potential ist im allgemei-
nen nichtlokal, komplex und energieabhangig. Im Prinzip existiert immer ein optisches
Potential, das die elastische Streuung an einem zusammengesetzten Target korrekt be-
schreibt, seine explizite Konstruktion ist jedoch ein genauso schwieriges Vielkorperpro-
blem wie die ursprungliche Aufgabe. Daher sind Naherungen notig, deren Gultigkeit a
priori oft schwer zu rechtfertigen ist. Hau g wird die erste Ordnung in der optischen
Potential-Naherung verwendet: man nimmt an, da der Kern sich im Grundzustand
be ndet, wahrend das Projektil von einem Nukleon zu einem anderen gestreut wird.
In Kapitel 2 der vorliegenden Arbeit wird gezeigt werden, da in einem Modell,
in dem die Kerndynamik nicht vollstandig eliminiert wurde, Phanomene auftreten, die
man nicht durch ein einfaches optisches Potential erklaren kann. Das benutzte \Fixed-
Scatterer"-Modell beruht auf der Annahme, da die elastische Streuung am Atomkern
berechnet werden kann, indem man erst die Streuamplitude fur raumlich xierte Nu-
kleonen bestimmt und anschlieend uber ihre Verteilung im Grundzustand des Kerns
mittelt. Fur unendlich schwere Nukleonen ist das Modell exakt. Es wurde in einer
Reihe von Rechnungen verwendet (siehe z.B. [Gib, Le1, Sto]). Die Mittelung uber die
Grundzustandsverteilung ist ein schwieriges technisches Problem, da ein hochdimen-
sionales Integral ausgefuhrt werden mu. Eine Moglichkeit zur Vereinfachung ist die
Vernachlassigung von Ruckstreukorrelationen, d.h. von Prozessen, bei denen das Pro-
jektil zweimal am gleichen Nukleon streut. In diesem Fall ist das Modell identisch mit
der ersten Ordnung in der optischen Potential Naherung [Fol]. Die exakte Integration
fuhrt zu einem dynamisch reicheren Modell, da hier korrelierte Streuprozesse des Pro-
jektils berucksichtigt werden. Diese Korrelationen fuhren zum Einfang des Projektils
und zu groen inelastischen Wirkungsquerschnitten. Man sieht an diesem Beispiel, da
uber die seit langem benutzten Modellpotentiale hinaus alternative theoretische Metho-
den entwickelt werden mussen, um Fortschritte im Bereich der Vielfachstreuphysik zu
machen.
Eine Moglichkeit ware es, verbesserte optische Potentiale zu nden, indem man z.B.
angeregte Zwischenzustande des Kerns berucksichtigt. Das optische Potential kann dann

5
durch Losung eines Systems gekoppelter Integralgleichungen gefunden werden. Der Re-
chenaufwand steigt dabei in etwa mit der dritten Potentz der Zahl der Basiszustande.
Deswegen sind derartige Methoden nur hilfreich fur Systeme mit sehr wenigen Freiheits-
graden oder wenn nur sehr wenige Basiszustande beitragen. Dieses Problem tritt immer
auf, wenn versucht wird die Schrodingergleichung durch Projektion auf einen endlichen
Teilraum zu losen.
Wesentliche Fortschritte bei der Behandlung von Systemen mit vielen Freiheitsgra-
den konnten in der Vergangenheit durch die Verwendung von Monte-Carlo-Methoden
erzielt werden. Beispiele fur erfolgreiche Anwendungen ist die Berechnung von Grund-
zustandeigenschaften von Quantenfeldtheorien [Cre], Atomkernen [Lan] und Quan-
ten ussigkeiten [Hel]. Bei der Berechnung von Grundzustandswellenfunktionen fur
Heliumtropfen haben Monte-Carlo-Rechnungen Ober achenstrukturen ergeben, die
zunachst von Variationsrechnungen wegen des eingeschrankten Funktionenraums nicht
gefunden wurden. Die Ergebnisse der stochastischen Rechnung haben dann Variations-
rechnungen mit verbesserten Ansatzen fur die Wellenfunktionen stimuliert [Chi]. Dieses
Beispiel zeigt eine groe Starke stochastischer Methoden. Sie erlauben eine im Prin-
zip exakte Losung bestimmter Probleme. Anhand dieser exakten Losungen fur Mo-
dellprobleme konnen dann verbesserte Naherungsverfahren entwickelt, beziehungsweise
die Gultigkeit bestehender Methoden uberpruft werden. Aus diesem Grund scheint es
wunschenswert diese Techniken auch zur Losung von Streuproblemen zu verwenden.
Bisher wurden Monte-Carlo-Methoden ausschlielich fur Probleme mit gebundenen
Zustanden oder fur Tunnelprozesse entwickelt und verwendet. Die Verallgemeinerung
auf Streuwellenfunktionen ist formal einfach. Wegen der Nichtnormierbarkeit der Wel-
lenfunktionen und dem kontinuierlichen Spektrum des Hamiltonoperators treten aber
Probleme auf, die es notig machen, neue Methoden zu entwickeln, die auf Streupro-
bleme zugeschnitten sind. In Abschnitt 3 der vorliegenden Arbeit werden Pfadintegral-
darstellungen fur den Wirkungsquerschnitt und fur Streuphasen hergeleitet und damit
Algorithmen zur numerischen Berechnung dieser Groen formuliert. Diese Algorith-
men werden auf Potentialstreuprobleme und auf Streuung an Targets mit dynamischen
internen Freiheitsgraden angewandt. Es wird gezeigt, da es moglich ist, Streuobser-
vablen bei verschwindender Energie damit zu berechnen. Wie in Anwendungen fur
gebundene Zustande werden durch einen stochastischen Proze Pfade erzeugt und mit
diesen Pfaden Erwartungswerte von Observablen berechnet. Je kleiner die Varianz der
verwendeten Observablen ist, umso genauer wird das Ergebnis sein. Mit den in dieser
Arbeit konstruierten Observablen kann eine hohe Genauigkeit erzielt werden, weil sie
auf dem Vergleich des ursprunglichen Problems mit einem Referenzproblem beruhen.
Es wird das Verhaltnis der Wirkungsquerschnitte des untersuchten Systems und eines
exakt losbaren Referenzsystems berechnet. Wenn das Referenzsystem gut an das zu un-
tersuchende System angepat ist, wird die dadurch konstruierte Observable eine kleine
Varianz haben, was die numerische Konvergenz stark verbessert.
Damit steht ein Werkzeug zur Verfugung, das es erlaubt, Vielfachstreurechnungen
ohne Naherungen an die Dynamik des Targets durchzufuhren.
Die Arbeit ist wie folgt aufgebaut: in Kapitel 2 wird das "Fixed-Scatterer"-Modell
vorgestellt. In Abschnitt 2.1 wird dieses Modell und das optische Potential aus der
Watson-Theorie hergeleitet. Anschlieend werden die beiden Modelle in 2.2 fur Streu-

6
ung bei niedrigen Energien verglichen, wobei zunachst s-Wellen-Streuung (Abschnitt
2.3) und anschlieend p-Wellen-Streuung (Abschnitt 2.4) behandelt wird. Im zweiten
Teil dieser Arbeit werden Pfadintegraldarstellungen fur den Wirkungsquerschnitt bei
verschwindender Energie entwickelt und auf Potentialstreuung (Kapitel 3) angewandt.
Eines diser Verfahren wird schlielich in Kapitel 4 fur Targets mit internen Freiheits-
graden verallgemeinert. In Kapitel 5 werden dann die Ergebnisse diskutiert und ein
Ausblick gegeben.

2 Das "Fixed-Scatterer\-Modell
2.1 Vielfachstreutheorie
Die formale Theorie der Vielfachstreuung und ihre Anwendung auf Kernreaktionen ist
Lehrbuchwissen [Rod, Eis]. Deshalb sollen in diesem Abschnitt nur kurz die fur diese
Arbeit notwendigen Groen de niert und die Modelle vorgestellt werden, die im weiteren
benutzt werden. Startpunkt der Diskussion ist ein Hamiltonoperator der Form
X
A
H = Hint + K + V = Hint + K + va : (1)
a=1
Er beschreibt einen Kern, bestehend aus A Nukleonen, deren Dynamik von Hint be-
stimmt wird, und ein Projektil mit kinetischer Energie K , das mit den Nukleonen
uber kurzreichweitige Zweiteilchen-Potentiale va wechselwirkt. Bestimmt werden soll
der U bergangsoperator T , der Losung der Lippmann-Schwinger-Gleichung
T = V + V GT
ist. G ist die Greensfunktion fur den Kern und das freie Projektil
G = [E Hint K + i] 1: (2)
Eine formale Losung dieses Streuproblem kann man in zwei Stufen formulieren. Zunachst
summiert man die Prozesse an einem Nukleon in eine U bergangsmatrix
a = va + vaGa; (3)
auf. Die Operatoren a sind Vielkorperoperatoren, da G die gesamte Kerndynamik
enthalt. Sie beschreiben die Streuung an einem Nukleon, das im Kern gebunden ist.
Die T -Matrix fur die Streuung an allen Nukleonen lat sich dann mit den Operatoren
a und G als Losung eines linearen Gleichungsystems ausdrucken [Rod]:
X
T = Ti
i X
Ti = i + i G Tj : (4)
i=
6 j
Der Vielfachstreuformalismus trennt formal die elementaren Prozesse, bei denen das Pro-
jektil nur an einem Nukleon streut, und Prozesse bei denen mehrere Nukleonen beteiligt
7
sind, also die eigentliche Vielfachstreudynamik. Die Komplexitat des ursprunglichen
Problems ist in den Gleichungen (3) und (4) erhalten.
Der Vorteil dieser Formulierung ist die Moglichkeit, fur die Hintereinanderstreuung
an einem Nukleon und fur Prozesse, bei denen mehrere Nukleonen beteiligt sind, unter-
schiedliche Naherungen machen zu konnen.
Auf der Ebene der elementaren Streuung macht man hau g die sogenannte Sto-
Naherung. Die \In-Medium"-Operatoren a werden durch die freien U bergangsampli-
tuden ta ersetzt. Sie sind die Losung der Lippmann-Schwinger-Gleichung von Typ (3),
jedoch mit einer freien Projektil-Nukleon Greensfunktion als Propagator [Le1]. Diese
Naherung bedeutet, da die Bindungse ekte wahrend der Wechselwirkung zwischen Pro-
jektil und Nukleon vernachlassigt werden konnen. Deswegen kann man die Operatoren
ta aus Projektil-Nukleon Streuexperimenten bestimmen.
Um ein losbares Modell zu erhalten sind weitere Naherungen an den Propagator
in Gleichung (4) notig, also fur die Propagation von Kern und Projektil zwischen zwei
Streuereignissen an unterschiedlichen Nukleonen. Beim optischen Potential \erster Ord-
nung" besteht die Naherung darin, nur den Kerngrundzustand j0i als Zwischenzustand
zuzulassen. Dazu ersetzt man in (4) die Greensfunktion durch
G  Gopt: = j0ih0j[E E0 K + i] 1
E0 ist die Grundzustandsenergie des Kerns. Man sieht hier, wie es der Vielfachstreufor-
malismus moglich macht, getrennte Naherungen fur elementare Prozesse und Vielfach-
streuprozesse zu machen. Der U bergangsoperator fur elastische Streuung T00 = h0jT j0i
kann in dieser Naherung durch Losen der Einteilchen-Gleichung
X
A
T00 = U + U [E E0 K + i] 1 T00 U = AA 1 h0jtaj0i (5)
a=1
mit dem optischen Potential U gefunden werden [Fol, Eis]. Alle Operatoren in der
Lippmann-Schwinger Gleichung fur T00 wirken nur noch im Projektilraum. Der Faktor
(A 1)=A stammt von der Summationseinschrankung (i 6= j ) in Gleichung (4). In Glei-
chung (5) sind Korrelationen zwischen einzelnen Nukleonen durch die Projektion auf den
Grundzustand verschwunden. Das optische Potential de niert eine e ektive Wechsel-
wirkung im Projektilraum. Es wird im Allgemeinen komplex sein. Der Imaginarteil ist
ein Rest der Vielkorpernatur des ursprunglichen Problems. Er hangt mit der Tatsache
zusammen, da U bergange in angeregte Zustande des Kerns erfolgen.
Das \Fixed Scatterer" Modell erhalt man, indem man die Anregungsenergien des
Kerns vernachlassigt. Dazu setzt man in (4) die \closure"-Greensfunktion [Eis, Fol, Le1]
G  Gclosure = [E E0 K + i] 1; (6)
ein. E0 ist die Grundzustandsenergie des Kerns. Diese Naherung bedeutet, da man
die Bewegung der Nukleonen vernachlassigt, wahrend das Projektil im Kern propagiert
[Huf]. Das ist gerechtfertigt, wenn die Masse der Nukleonen sehr viel groer als die Pro-
jektilmasse ist. Die Folge dieser Naherung ist, da das Projektil durch die Streuvorgange

8
keine Energie verlieren kann. Die Greensfunktion (6) ist konstant in den Kernfreiheits-
graden, d.h.
Y
A
h~r0; ~r10 ; : : :;~rA0 jGclosurej~r; ~r1; : : :;~rAi = (~ra0 ~ra)G(~r0;~r);
a=1
wobei j~r; ~r1; : : :;~rAi ein Ortseigenzustand des Projektils (~r) und des Kerns (~ra) ist.
Deswegen kann man die elastische Streuamplitude im \Fixed-Scatterer"-Modell berech-
nen, indem man die Amplituden fur raumlich feste Kon gurationen F~k ;~k (~r1; : : :;~rA) 0

bestimmt und dann mit der Kerngrundzustandsdichte 0(~r1; : : :;~rA) := jh~r1; : : :;~rAj0ij2
mittelt:
Z
~ 0 ~
Felast(k ; k) = h0jF~k ;~k (~r1; : : :;~rA)j0i = d3r1 : : :d3 rA 0(~r1; : : :;~rA)F~k ;~k (~r1; : : :;~rA ):
0 0

(7)
Auf die gleiche Weise kann auch die Amplitude fur die Anregung eines bestimmten
Kernzustands n durch Berechnung eines Integrals der Form hnjF j0i gefunden werden.
Obwohl das Projektil nur raumlich xierte Nukleonen sieht, ist der Vielkorperaspekt
des Problems nicht wie beim optischen Potential ganz verschwunden. Die Mittelung
uber Amplituden beinhaltet Anregungen des Kerns, wobei allerdings das Projektil keine
Energie verlieren kann. Man kann mit Hilfe des optischen Theorems den totalen und
den inklusiv-inelastischen Wirkungsquerschnitt nden:
 = 4 ImF ( = 0) 
tot k = inelast  : tot elast (8)
Da das Projektil im \Fixed-Scatterer"-Modell keine Energie abgeben kann, ist es
moglich, den inklusiv-inelastischen di erentiellen Wirkungsquerschnitt auf die folgende
Weise zu berechnen:
 d  Z  d 
d
= h0jjF~k ;~k j2j0i
0 jh0jF~k ;~k j0ij2
0 inelast = d
d
(9)
inelast inelast
Bemerkenswert ist an dieser Gleichung, da der inelastische Querschnitt die Form einer
Varianz hat. Die Bedeutung dieser Tatsache wird spater noch erlautert werden.
Es bleibt das Problem, die Streuamplitude fur ein System raumlich xierter Nukleo-
nen zu berechnen. Wenn die Nukleonen nicht uberlappen, genugt alleine die Kenntnis
ihrer Positionen und der elementaren freien Streuamplituden, um die Streuamplitude
der Kon guration zu berechnen. Der Grund dafur ist, da man ein Potentialstreupro-
blem an nicht uberlappenden, elementaren Potentialen immer in ein Randwertproblem
umschreiben kann. Zwischen den Streuzentren propagiert das Projektil frei, das heit als
ebene Welle. An den Randern der Potentiale mu die logarithmische Ableitung angepat
werde. Diese ist aber mit der elementaren Streuamplitude eindeutig verknupft [Can].
Wenn die Potentiale uberlappen, benotigt man zusatzlich noch das \o -shell"-Verhalten
der elementaren U bergangsmatrix ti [Fol].
Nimmt man reine s-Wellen Streuung und nichtuberlappende Potentiale an, kann die
Streuamplitude fur eine Kon guration durch Losung des linearen Gleichungssystems
X
F~k ;~k (~r1; : : :;~rA) = f0
0 e i~k ~ri i
0
(10)
i

9
X
A ikj~rj ~ri j
i = ei~k~ri + f0 Gij j Gij = ej~r ~rij ; (11)
j 6=i j
gefunden werden, wobei f0 die elementare s-Wellen Streuamplitude des Projektils an
einem Nukleon ist. Die Groen i konnen als lokales Feld der Streuwelle am Streu-
zentrum i interpretiert werden. Die Matrix Gij enthalt die freien Greensfunktionen fur
die Propagation von einem Streuzentrum zu einem anderen. Gleichung (11) bedeutet,
da das lokale Feld am Zentrum i zusammengesetzt ist aus der einlaufenden Amplitude
und aus Kugelwellen, die von allen anderen Streuzentren stammen. Eine Verallgemeine-
rung auf hohere elementare Partialwellen kann in [Can, Fol] gefunden werden. Solange
nur eine endliche Zahl von Partialwellen beitragt, ist das Gleichungssystem immer end-
lich. Man hat also das Vielkorperproblem auf die Mittelung der Losung eines linearen
Gleichungssystems reduziert.
Der wesentliche Unterschied von optischen Potential und \Fixed-Scatterer"-Modell
kann durch Vergleich der Bornschen Reihen gefunden werden. Bei optischen Potential
existieren keine Ruckstreukorrelationen. Streuprozesse, bei denen das Projektil zu einem
Nukleon zuruckkehrt (Diagramm (a) in Abb. 1) werden durch unkorrelierte Diagramme
der Form (b) ersetzt. Das optische Potential kann aus dem \Fixed-Scatterer"-Modell
durch Weglassen aller dieser Korrelationen hergeleitet werden [Fol]. Aus der Theorie
j j

i
i k

(a) (b)

Abbildung 1: Diagramm (a) zeigt ein Beispiel fur ein Ruckstreudiagramm. Das \Fixed-
Scatterer"-Modell enthalt im 3.Ordung Bornapproximation sowohl Diagramme vom Typ
(a) als auch Typ (b), wahrend in der Bornschen Reihe des optischen Potentials nur die
Diagramme (b) vorkommen.
ungeordneter Festkorper ist jedoch bekannt [And, Ram, Sou, Zim], da fur das Ausbilden
lokalisierter Zustande gerade diese Korrelationen von groer Bedeutung sind. Dies ist
auch hier der Fall.
Das Integral (7) ist selbst fur leichte Kerne bereits von so hoher Dimension, da
eine geschlossene Berechnung nicht in Frage kommt. Deswegen wurden in der Vergan-
genheit fast immer Naherungsmethoden verwendet um die Integration und Losung des
Gleichungssystems zu vertauschen. Die radikalste Methode fuhrt durch Weglassen aller
Korrelationen zum optischen Potential, es wurden aber auch Klassen von Ruckstreupro-
zessen aufsummiert [Fol, Kei, Bet].
10
Hier soll ein anderer Weg beschritten werden: Das Integral (7) wird durch Monte-
Carlo Integration gelost. N Kon gurationen von Nukleonen f~ri(n)g werden zufallig aus
der Grundzustandsdichte des Kerns gezogen, fur jede dieser Kon gurationen wird das
Gleichungssytem gelost und das Ergebnis aufsummiert
X
N
h0jF~k ;~k j0i = N1
0 F~k ;~k (~r1(n); : : :;~rA(n)):
0 (12)
n=1
Im Limes N ! 1 konvergiert die rechte Seite der Gleichung gegen das exakte Resultat.
Details der Methode nden sich in [Le1, Kal]. Auf diese Weise konnen Ruckstreukorrela-
tionen in allen Ordnungen behalten werden. Das uberraschende Ergebnis der Rechnung
ist, da im Limes starker Kopplung zwischen Projektil und Target durch diese Korre-
lationen eine neue Langenskala gebildet wird. Das wird im nachsten Abschnitt gezeigt
und diskutiert werden.
2.2 Streuung bei k = 0
Es soll nun zunachst fur Streuung an 16 O das optische Potential mit dem \Fixed-
Scatterer"-Modell verglichen werden. Fur die Grundzustandsdichte wurden Wellen-
funktionen des harmonischen Oszillators verwendet, vier Nukleonen be nden sich in der
s-Schale, die restlichen in der p-Schale. Die Weite der Wellenfunktionen wurden an
den mittleren quadratischen Radius des Kerns angepasst [Sto]. Fur die stochastische
Rechnung wurden N = 104 Kon gurationen verwendet. Die Ergebnisse fur das opti-
sche Potential wurden durch numerische Integration der Schrodingergleichung mit dem
Potential
U (~r) = 24m (A 1)f0(1)(~r) (13)
gefunden. (1) ist die Grundzustandsverteilung des Kerns:
Z X
A
(1)(~r) = d3r1 : : :d3 rA A1 (~r ~ra)(~r1; : : :;~rA):
a=1
In Abbildung 2 wird das Verhaltnis von Imaginarteil zum Realteil der Vorwartsstreu-
amplitude, ImF=ReF , bei k = 0 als Funktion des Absolutbetrags jf0 j der Streuampli-
tude gezeigt. Die Rechnung wurde fur drei verschiedene Phasen  der Streuamplitude
f0 = jf0j exp i durchgefuhrt. Bei kleiner elementarere Streuamplitude stimmen die Er-
gebnisse der optischen Potential Rechnung und des \Fixed-Scatterer"-Modells uberein,
da die beiden Modelle bis in zweite Ordnung Born-Approximation identisch sind. Bei
groen jf0 j ist das Verhaltnis beim optischen Potential stark phasenabhangig und wird
kleiner, wahrend beim \Fixed-Scatterer" ein phasenunabhangiger Wert erhalten wird,
der nicht mehr stark mit jf0 j variiert.
Das Verhalten des optischen Potentials ist intuitiv leicht zu verstehen. Bei sehr
starker Annihilation kann das Projektil in diesem Modell nicht in den Kern eindringen,
weil seine Wellenfunktion bereits am Rand stark gedampft wird. Daher werden die
Streuphasen identisch mit der Streuung an einer harten Kugel. Das bedeutet reelle
Streuamplituden bei verschwindender Energie. Die Phasenabhangigkeit kann aus dem
11
Abbildung 2: 16 O: das Verhaltnis von Imaginar- zu Realteil der Streuamplitude bei
k = 0 als Funktion des Betrags der elementaren Streuamplitude jf0j fur 3 verschieden
Phasen . Die durchgezogene Linie ist das \Fixed-Scatterer" Ergebnis, die gestrichelte
Linie ist das optische Potential

Vorzeichen des Realteils des optischen Potentials erklart werden. Wenn er attraktiv ist,
wird die Wellenfunktion tiefer in den Potentialbereich eindringen konnen, und deswegen
zu groeren Imaginarteilen fuhren, als bei repulsivem Potential.
Das \Fixed-Scatterer" Modell zeigt ein vollig anderes Verhalten, das jetzt im Ein-
zelnen erklart werden soll. Das Verhaltnis ImF=ReF wird fur groe jf0j konstant
und unabhangig von der Phase  der elementaren Amplitude. Der konstante Grenz-
wert ImF=ReF  0:55 wird erst bei unphysikalisch groen Werten der elementaren
Streulange von jf0 j  10 fm angenommen. Die Existenz eines derartigen universellen
Verhaltens kundigt sich jedoch bereits bei realistischen elementaren Streuamplituden
an.
In der Arbeit von Gibbs et. al. [Gib] wurde das \Fixed-Scatterer"-Modell ebenfalls
mit Monte-Carlo-Methoden untersucht. Das universelle Verhalten wurde dort nicht ge-
funden, weil die Untersuchungen sich auf einen Bereich von Energien und elemenentaren
Streuamplituden beschrankt haben, bei denen dieses Phanomen noch nicht auftritt.
Die Vorhersagen fur den Realteil der Streuaplitude fur das optische Potential und die
\Fixed-Scatterer"-Rechnung sind gleich. Im Limes groer elementarer Streulange erwar-
tet man einen konstanten Realteil, der mit der Geometrie des Kerns zusammenhangt. Im
\Fixed-Scatterer"-Modell kann man das sehr einfach sehen, wenn man in Gleichungen

12
(11) die Greensfunktion bei k = 0 durch eine mittlere Groe
X X
h ii = 1 + f0h Gij j i  1 + f0h Gij ih j i (14)
i6=j i6=j
ersetzt. Das bedeutet, da alle Fluktuationen im Kon gurationsensemble vernachlassigt
werden, da die Naherung (14) exakt wird, falls fur beliebige n gilt hGn i = hGin : Mit
dieser \mean- eld"-Naherung ist die Losung des linearen Gleichungssystems (Gleichung
11):
hF imf = 1 (A Af1) 0 f0 !1 A
f0 =R0 = A 1 R0 (15)
1 1
R := hGij i = h j~r ~r j i:
0 i j
(16)
U ber einen weiten Bereich von elementaren Streuamplituden f0 reproduziert diese Glei-
chung das Ergebnis der vollen Rechnung sehr gut. Im Limes f0 ! 1 sagt sie jedoch eine
reelle Streulange voraus, die mit der Groe des Kerns zusammenhangt. Das ist auch
das Ergebnis der optischen-Potential-Rechnung. Erwartungsgema ist der relevante Pa-
rameter fur Vielfachstreuprozesse das Verhaltnis von elementarer Streuamplitude und
typischer Kernausdehnung f0 =R0.
Den Ursprung des Imaginarteils von F im \Fixed-Scatterer"-Modell kann man ver-
stehen, wenn man die Gleichung (11) fur k = 0 umschreibt
X
F = ( 1 ) ; G = 1 (1  );
1 ij ij j~ri ~rj j(17)ij
ij f0 G
und einen vollstandigen Satz von Eigenvektoren der Greensfunktionsmatrix G benutzt
X
Gij (jn) = n(i n) ;
j
um die Streuamplitude fur eine Kon guration in die Form
X rn2 X
F= 1 1 ; rn := (i n) (18)
n Re f0 + iIm f0 n i
zu bringen. Es treten groe Imaginarteile auf, wenn ein Eigenwert n identisch Re 1=f0
wird. Das Auftreten von Kon gurationen mit verschwindenden Eigenwerten ist also
verantwortlich fur den endlichen Imaginarteil bei jf0 j ! 1. Man kann auf diese Weise
erklaren, warum erst bei 4 Zentren ein endlicher Imaginarteil gefunden wird. Die De-
terminanten der Matrizen G der Dimension 2 und 3 sind proportional zum Produkt der
nichtdiagonalen Eintrage, daher konnen sie fur 2 und 3 Zentren keine verschwindenden
Eigenwerte haben.
Das Problem hat ein Analogon aus der Elektrodynamik. Ein verschwindender Ei-
genwert von G bedeutet, da
X 1
V (~r ) :=
j q = 0:j~rj ~rij i
i6=j

13
Abbildung 3: 4 He: Eigenwertverteilung der Greensfunktionsmatrix G. (Aus [Leh].)

eine nichttriviale Losung qi haben mu. In der Elektrodynamik beschreibt diese Glei-
chung A Ladungen qi , die so plaziert sind, das das Potential V an jeder Ladung ver-
schwindet. Man kann sich davon uberzeugen, da fur weniger als 4 Ladungen keine
solche Losung existiert.
In Abbildung 3 wird die Verteilung der Eigenwerte von G fur 4 Streuzentren gezeigt.
Es wurde eine Gaussdichte mit Weiteparameter b = 1:7 fm verwendet [Le1].
Die Form der Eigenwertverteilung kann man wieder im Bild einer gemittelten Greens-
funktionsmatrix verstehen. Die Eigenwerte der Matrix aus der Naherung (16)
G~ = 1 (1  )
ij R0 ij (19)
konnen leicht bestimmt werden. Man ndet einen A-abhangigen Eigenwert
0 = (A 1)=R0 (0) = (1; 1; :::; 1) (20)

14
und einen (A 1)-fach entarteten konstanten Eigenwert 1 = 1=R0. Der rechte Teil
des Spektrums in Abbildung 3 entspricht dem Eigenwert 0, wahrend der linke Teil
zu den restlichen Eigenwerten gehort. Wie erwartet verhalten sich die Flachen unter
den beide Teilen der Eigenwertverteilung wie 1:3. Die Verschmierung der Eigenwerte
durch die Fluktuationen im Kon gurationsensemble bewirkt, da der negativen Teil des
Spektrums einen kleinen Teil verschwindender Eigenwerte erzeugt. Diese bestimmen fur
groe jf0 j den Imaginarteil der Streuamplitude.
Wie bereits erwahnt, treten in (18) groe Imaginarteile von F nur dann auf, wenn
Re1=f0 identisch mit einem Eigenwert n wird. Fur 2 und 3 Zentren, sowie bei der Nahe-
rung (16), sind die Eigenwerte von G mit 1=R0, d.h. mit dem Kernradius, verknupft.
Resonante Prozee, bei denen groe Imaginarteile von F auftreten, ndet man hier also
nur fur jf0 j  R0. Bei 4 oder mehr Zentren konnen diese resonanten Prozee fur be-
liebig groe jf0 j auftreten, die Geometrie des Kerns spielt keine Rolle mehr. Im Limes
f0 ! 1 bedeutet die Existenz von verschwindenen Eigenwerten von G also, da die fur
Vielfachstreuung relevante Langenskala von der geometrischen Langenskala des Kerns
entkoppelt. Durch Mittelung uber diese resonanten Kon gurationen wird eine neue
Langenskala aufgebaut, die sich in einem endlichen Imaginarteil der mittleren Streuam-
plitude auert.
Der Erfolg des \mean- eld"-Modells bei der Erklarung des konstanten Realteils im
Limes jf0 j ! 1 und das Eigenwertspektrum fur postitive Eigenwerte  konnen noch
etwas formaler mit Hilfe des Perron-Frobenius Theorems [Gra] erklart werden. Diese
Theorem besagt, da der grote Eigenwert einer Matrix mit positiven Eintragen einen
Eigenvektor mit einheitlichen Vorzeichen in allen Komponenten hat. Auerdem gilt, da
das Maximum und das Minimum der Zeilensummen der Matrix eine obere beziehung-
weise untere Schranke des Eigenwerts sind. Der rechte Teil des Spektrums ist gerade
der Perron-Frobenius Eigenwert der Matrizen G. Das Skalarprodukt des dazugehorigen
Eigenvektors mit der einlaufenden Welle ist maximal, da er als einziger Eigenvektor ein
einheitliches Vorzeichen hat. Die gemittelte Matrix (19) ist mit dem Eigenvektor (20)
ein gutes Modell fur den Perron-Frobenius-Teil des Spektrums, die Fluktuationen, die zu
den kleinen Eigenwerten und damit zum Imaginarteil der Streuamplitude fuhren, kann
sie nicht erklaren.
Eine weiterer interessanter Aspekt des Modells ist die Anhangigkeit der Streuampli-
tude von der Zahl der Nukleonen A. Um das numerisch zu testen, wurde die Streuung
an A Zentren in einer homogenen Dichte
AY
(A)(~r1; ::;~rA) = 0 (R j~rij)j
i=1
mit R = 2:6 fm untersucht. In Abbildung 4 werden Real- und Imaginarteil als Funktion
der Zahl der Zentren gezeigt. Die elementare Streuamplitude ist f0 = 250:0 fm + i 
6:3 fm. Diese elementare Streuamplitude wurde gewahlt, um zu demonstrieren, da
auch wenn Imf0 =Ref0 klein ist, ein nichtverschwindender Imaginarteil von F entsteht.
Man kann zeigen, da die gemittelte Streuamplitude von Im 1=f0 unabhangig ist. Das
ist plausibel, wenn man im Grenzfall Im 1=f0 ! 0 den Ausdruck (18) mit Hilfe der

15
Gleichung
lim 1 = P i (x) (21)
!0 x + i x
umschreibt. Die Mittelung uber die Kon gurationen entspricht also einem Integral uber
den Hauptwert beziehungsweise die Deltafunktion. Beide Anteile sind unabhangig vom
Imaginarteil der elementaren Streuamplitude. R
Die numerischen Eigenschaften von Integralen der Form dxf (x)=(x + i) werden
bei kleinem  schlecht, da der Integrand eine groe Varianz hat. Bei konventionellen
Integrationsverfahren sind deswegen in der Nahe der Polstellen viele Quadraturpunkte
notig, bei Monte-Monte Carlo Methoden steigt die Zahl der erforderlichen Kon gura-
tionen fur kleine . Fur den Wert von f0 , wie er hier verwendet wurde, sind N = 4  106
Kon gurationen notig.
Die Vorhersage des gemittelten Modells fur den Realteil stimmt sehr genau mit der
Monte-Carlo-Rechnung uberein. Der Imaginarteil zeigt eine schwache A Abhangigkeit,
falls A groer als 4 ist. Rechnungen mit einer groen Zahl von Zentren zeigen, da der
Imaginarteil bei konstanter Dichte des Target, d.h. wenn R mit A1=3 skaliert wird, kon-
stant wird (siehe [Leh]). Zusatzlich zur Universalitat in f0 , die mit der Existenz kleiner
Eigenwerte erklart werden kann, existiert auch noch ein universelles Verhalten in A.
Der Grund dafur sind Korrelationen zwischen den Matrixelemente [Leh]. Die Eintrage
der Matrix G sind nicht unabhangig, sondern werden aus den Teilchenpositionen be-
stimmt. Aus 3A unabhangigen Groen werden dann die A(A 1)=2 unterschiedlichen
Matrixeintrage generiert.
Zusatzlich Informationen uber den Ursprung des Imaginarteils kann man durch Ver-
gleich mit einem Zufallspotential gewinnen. Wenn man eine unitare elementare Streu-
amplitude
2i0(k)
f0 = e 2ik 1 ; klim !0 0
 (k) = ka (22)
fur elastische Streuung mit korrektem Schwellenverhalten benutzt, kann man zeigen, da
Kon gurationen, bei denen der Realteil im Nenner von Gleichung (18) verschwindet,
einen gebundenen Zustand des Projektils bei k = 0 haben. Der Imaginarteil der gemit-
telten Streuamplitude wird also durch die Mittelung uber derartige resonante Kon gu-
rationen gebildet. Das legt den Versuch nahe, die Streuamplitude des \Fixed-Scatterer"-
Modells durch ein Zufallspotential zu modellieren, da gebundene Zustande bei k = 0
hat.
Man kann zum Beispiel ein attraktives Kastenpotential
VR (r) = 2 ((jrj R) 1)
betrachten. Die Reichweite R ist eine Zufallsvariable mit Verteilung (R). Fur in nite-
simal kleine Impulse k ist die Streuamplitude [Mer]
F = cotan1 R ik R:
Das Potential hat gebundene Zustande bei k = 0 fur Werte von R, die durch
cotan R = 0 ) R = 2 (2n + 1) ; n = 0; 1; ::: :

16
Abbildung 4: Homogene Dichte: Imaginar- und Realteil der Streuamplitude bei k = 0
als Funktion der Zahl der Streuzentren. Die durchgezogene Linie ist der Realteil, den
die gemittelte Matrix ergibt (R0 = 2:2 fm). Die Quadrate sind der Realteil, die Dreiecke
der Imaginarteil der Streuamplitude aus der Monte-Carlo Rechnung.

gegeben sind. Fur groe wird die Mittelung uber R sehr viele dieser Resonanzen
erfassen. Der mittlere Imaginarteil der Streuamplitude ist im Limes k ! 0
Z X
1
hImF i =  dR(R)( cotan R) = 2 ( 2 (2n + 1));
n=0
wobei die Darstellung der  -Funktion (21) verwendet wurde. Im Limes ! 1 kann die
Summe in ein Integral umgewandelt werden, und man ndet:
1 Z
hImF i = dx(x) = 1 :

Der Imaginarteil der Streuamplitude verschwindet also wie 1= . Den Grund fur dieses
Verhalten kann man aus den Wellenfunktionen ablesen. Bei groen oszillieren die
Wellenfunktionen sehr stark und haben daher einen kleinen U berlapp mit der einlau-
fenden Welle. Qualitativ fuhrt das zu einem ahnlichen Verhalten wie bei einem festen
optischen Potential mit groem Imaginarteil. Die Projektil kann nicht tief in den Kern-
bereich eindringen. Das ist im Gegensatz zum \Fixed-Scatterer", wo eine Untersuchung
der Wellenfunktionen und der mittleren freien Weglange [Sto, Sch] ein tiefes Eindrin-
gen in den Kern anzeigt. Bei der Beschreibung dieses Verhaltens ist der Umstand, da
das Target aus einzelnen Konstituenten zusammengesetzt ist, von Bedeutung. Daher
scheitert das Zufallspotential.

17
2.3 Inelastische Wirkungsquerschnitte
Eine weitere Interpretation der Ergebnisse des letzten Abschnitts ist durch das Studium
der des totalen und des inelastischen Wirkungsquerschnitts bei k > 0 moglich. Obwohl
im \Fixed-Scatterer"-Modell die Kernzustande entartet sind, ist die Frage nach inelasti-
schen Anregungen nicht trivial. Bei kleinen Energien ist die Amplitude fur die Anregung
des Kerns durch einen elementaren Streuproze proportional zum Impulsubertrag:
h1; ~k0jtij0; ~ki / j~k ~k0j: (23)
Der Grund dafur ist die Orthogonalitat der Kernzustande. Inelastische Anregungen
werden also durch den beschrankten Phasenraum unterdruckt.
Um sicherzustellen, da alle Inelastizitaten von Anregungen des Kerns und nicht von
Annihilation des Projektils stammen, wird hier eine unitare s-Wellen Amplitude (22)
verwendet. Die Streuphase 0 (k) = ak mit einer reellen Streulange a hat das richtige
Schwellenverhalten bei verschwindender Energie. Diese Parametrisierung bedeutet, da
der elementare Wirkungsquerschnitt bei k = 0 konstant 0 = 4a2 wird.
Es sollen hier die Ergebnisse von zwei Rechnungen verglichen werden. In einem Fall
wurde, als Modell fur 4 He, die Streuung an 4 unabhangigen Zentren in einem Grundzu-
stand aus harmonischen Oszillator-Wellenfunktionen untersucht [Le1]. Fur den Weite-
parameter der Wellenfunktionen wurde b = 1:7fm gewahlt, um den korrekten Radius der
Verteilung zu erhalten. Zum Vergleich wurde eine Rechnung fur 3 Zentren durchgefuhrt,
mit einem Weiteparameter, der so angepasst wurde, da beide Rechnungen den gleichen
elastischen Wirkungsquerschnitt liefern. Als Streulange wurde a = 10 fm gewahlt, also
wesentlich groer als der Internukleonabstand. In Abbildung 5 werden der totale, der
inelastische und der elastische Wirkungsquerschnitt fur 3 Zentren als Funktion des Pro-
jektilimpules k gezeigt, Abbildung 6 ist das Ergebnis fur 4 Zentren. Fur 3 Zentren ist
der inelastische Wirkungsquerschnitt bei kleinen Energien konstant. In diesem Energie-
bereich ist auch der elementare Querschnitt annahernd konstant. Bei 4 Zentren ergibt
sich ein vollig anderes Bild. Der inelastische Wirkungsquerschnitt wachst wie 1=k bei
kleinen Energien, weil der Imaginarteil der Streuamplitude konstant wird.
Der Wirkungsquerschnitt wird von inelastischen Prozeen dominiert. Die Un-
terdruckung von inelastischen Prozeen durch den Phasenraum, wie sie zu Beginn dieses
Abschnitts erlautert wurde, ist bei 3 Zentren wirksam, bei 4 Zentren sind die Vielfach-
streuprozesse in der Lage, diese Unterdruckung zu uberwinden. Insbesondere bedeutet
das Ergebnis, da sich das Projektil lange im Kernbereich aufhalten mu. Der nichtver-
schwindene Imaginarteil der Streuamplitude bei kleinen Energien kann also als Projek-
tileinfang gedeutet werden.
Projektileinfang kann auch fur 2 und 3 Zentren auftreten, wenn die Streulange a
vergleichbar mit dem Internukleonabstand ist. In diesem Fall beobachtet man, genau
wie bei 4 oder mehr Zentren, einen Anstieg des inelastischen Wirkungsquerschnitts wie
1=k. Das wurde bereits bei der Diskussion der Eigenwerte von G in vorherigen Abschnitt
erlautert. Wenn die Streulange vergleichbar mit der geometrischen Ausdehnung des
Kerns ist, ist resonantes Verhalten nicht uberraschend. Das entscheidene Resultat ist
die Tatsachen, da bei 4 oder mehr Streuzentren Projektileinfang auch auftritt, wenn a
sehr viel groer als die Ausdehnung des Kerns ist.

18
Abbildung 5: 3 Zentren: der elastische, inelastische und totale Wirkungsquerschnitt als
Funktion des Projektilimpuls k

2.4 p-Wellen-Streuung
Es soll jetzt noch das "Fixed-Scatterer"-Modell fur reine p-Wellen-Streuung untersucht
werden. Auch hier ndet man eine Entkoppelung von Langenskalen, jedoch tritt sie
bereits bei drei Zentren auf. Dies soll wieder anhand der Energieabhangigkeit des inela-
stischen Wirkungsquerschnitts demonstiert werden.
In [Can] wird die Form des Gleichungssystems (11) fur beliebige Partialwellen der
elementaren Streuamplitude hergeleitet. Das Ergebnis im Fall reiner p-Wellen-Wechsel-
wirkung ist
~ i = p3u~ ei~k ~ri + f1 X Mij ~j (24)
j 6=i
Mij = k[(h+0(krij ) + h+2(krij )) h+2(krij )(~nij
~nij )]
~rij = ~ri ~rj
wobei die Einheitsvektoren ~u = ~k=k und ~nij = ~rij =rij verwendet wurden. Das Sym-
bol
bedeutet ein Tensor-Produkt der Vektoren ~nij . f1 ist die elementare p-Wellen-
Streuamplitude, h+0 und h+2 sind Hankelfunktionen. Zusatzlich zur Hankelfunktion
h+0 (z ) = exp(iz )=z , die bereits bei der s-Wellen-Streuung auftaucht, erscheint hier noch
die Hankelfunktion h+2 in der Ruckstreumatrix. Fur kleine Argumente verhalt sich
diese Funktion wie z 3 . Deswegen spielen kurzreichweitige Korrelationen in der Viel-
fachstreuung eine groe Rolle [Kei]. Im Fall der s-Wellen-Streuung stellt sich wegen
19
Abbildung 6: 4 Zentren: der elastische, inelastische und totale Wirkungsquerschnitt als
Funktion des Projektilimpuls k

der relativ schwachen Singularitat der Greensfunktion heraus, da die Einfuhrung eines
"Hardcore"-Radius, d.h. die Einfuhrung eines minimalen Abstands zwischen den Nu-
kleonen, wie man ihn bei realistischen Kerndichten erwarten wurde, die Ergebnisse nur
sehr schwach beein ut. Bei p-Wellen-Wechselwirkung beobachtet man dagegen eine
starke "Hardcore"-Abhangigkeit.
Mit diesen Groen ist die Streuamplitude
p X A
i~k ~rj :
F (~k0; ~k) = 3f1 k^0  ~j e 0
(25)
j =1
Das Gleichungssystem (24) hat die gleiche Struktur wie fur s-Wellen-Streuung, jedoch
sind die lokalen Felder ~i dreidimensionale Vektoren. Physikalisch kann das mit dem
gerichteten Charakter der elementaren Wechselwirkung erklart werden. Die Ruckstreu-
matrix hat fur jedes Paar von Streuzentren einen skalaren und einem Tensor-Anteil.
Dies entspricht der Kopplung von zwei Objekten von Spin 1 zu Spin 0 und Spin 2.
Wie in der Anwendung fur s-Wellen Streuung wird eine unitare Amplitude mit kor-
rektem p-Wellen Schwellenverhalten verwendet
2i1 (k)
f1 = e 2ik 1 ; 1(k) = k3 b; (26)
um inelastische Anregungen des Targets zu studieren. b ist das Streuvolumen der Nu-
kleonen.
20
In Abbildung 7 wird fur Streuung an zwei und drei Zentren der elastische und der
inelastische Wirkungsquerschnitt gezeigt. Die Kon gurationen sind aus einer schwer-
punktskorrigierten Gaudichte gesampelt [Le1]. In beiden Fallen war der quadratische
Abstand der Zentren r2 := h(~r1 ~r2)2i = 1:5fm2. Diese Groe stellt die geometrische
Langenskala des Problems dar. Fur die Rechnungen wurden N = 105 Kon gurationen
verwendet. Fur die Punkte bei sehr kleinem Impuls waren jedoch bis zu N = 106 Kon-
gurationen notig, um das Resultat zu stabilisieren. Die Konvergenz ist hier wesentlich
schlechter als bei s-Wellen Streuung. Der Grund dafur ist, da der Imaginarteil der
elementaren Streuamplitude wie k5 abfallt. Da auch hier der Imaginarteil der elementa-
ren Streuamplitude die Monte-Carlo Integration stabilisiert, treten Konvergenzprobleme
bereits wesentlich fruher als bei der s-Wellen Rechnung auf.
Die Rechnung wurde fur zwei verschiedene Streuvolumnina durchgefuhrt. In einem
Fall (b = 10fm3) ist das Streuvolumen in etwa vergleichbar mit den geometrischen Di-
mensionen des Targets, im anderen Fall ist es mit b = 1000fm3 deutlich groer gewahlt.
Der elastische Querschnitt fallt fur beide Rechnungen wie k4 , er zeigt also das korrekte
p-Wellen-Schwellenverhalten. Wenn b vergleichbar mit der typischen Ausdehnung des
Targets ist, ndet man einen inelastische Querschnitt der nur wie k abfallt. Das ist, ge-
nau wie bei s-Wellen Streuung, die Signatur von resonanten Prozeen auf der Ebene der
einzelnen Kon gurationen. Im Limes starker elementarer Wechselwirkung sind bei zwei
Streuzentren diese resonanten Prozee nicht moglich, daher fallt auch der inelastische
Querschnitt wie k4 . Im Fall von drei Streuzentren ergibt sich ein vollig anderes Bild.
Hier ist auch im Limes starker elementarer Wechselwirkung der inelastische Querschnitt
proportional zu k.
Das geanderte Verhalten kann, genau wie bei s-Wellen-Streuung, als Entkoppelung
der Langenskalen interpretiert werden. Ab drei Zentren ist resonantes Streuen nicht
mehr mit der Geometrie des Targets verbunden. Numerisch zeigt sich, da auch fur
deutlich groere Streuvolumina und fur eine groere Zahl von Streuzentren der in-
elastische Wirkungsquerschnitt wie k abfallt. Eine Analyse durch die Eigenwerte der
Ruckstreumatrix ist technisch schwieriger als bei s-Wellen-Streuung, da die Ruckstreu-
matrix winkelabhangig ist und wegen des singularen Verhaltens der Hankelfunktionen
keinen naiven k = 0 Limes besitzt.
Der Grund dafur, da bereits drei Zentren in der Lage sind eine neue Langens-
kala zu generieren, konnte sein, da gegenseitige Polarisation der Streuzentren zu einer
Verstarkung der Ruckstreukorrelationen fuhrt. Das lokale Feld des Projektils ist hier
ein Vektor am Ort jedes Streuzentrums. Durch die groer Zahl von Freiheitsgraden und
die dadurch bedingte groere Dimension der Ruckstreumatrix, ware es moglich, da
verschwindende Eigenwerte bereits bei drei Zentrem entstehen.
2.5 Ausblick
Die Ergebnisse im "Fixed-Scatterer"-Modell haben gezeigt, da es moglich ist erfolg-
reich Monte-Carlo Methoden fur Vielfachstreuprobleme in der Kernphysik einzusetzen.
Es zeigt sich insbesondere, da im \Fixed-Scatterer"-Modell durch die Berucksichtigung
der Vielkorpernatur des Problems Phanomene auftreten, die im traditionellen Zugang
durch optische Potentiale nicht enthalten sind. Eine analoge Situation tritt in der Be-

21
(a)
10000

1000
Wirkungsquerschnitt in (mb)

100

10

0.1

0.01

0.001
0.01 0.1
Projektilimpuls k in (1/fm)

(b)
10000

1000
Wirkungsquerschnitt in (mb)

100

10

0.1

0.01

0.001

0.0001
0.01 0.1
Projektilimpuls k in (1/fm)

Abbildung 7: Die elastischen und inelastischen Wirkungsquerschnitte fur 2 Zentren (a)


und fur 3 Zentren (b) als Funktionen des Projektilimpulses. Elastischer Querschnitt: 3
fur b = 1000 fm3 , 2 fur b = 10 fm3 . Inelatischer Querschnitt: + fur b = 1000 fm3 ,  fur
b = 10 fm3 .

22
handlung ungeordneter Festkorper auf. Der U bergang vom leitenden zum nichtleitenden
Zustand durch Ausbildung lokalisierter Zustande kann mit Hilfe von mittleren Potentia-
len nicht beschrieben werden. Seine Erklarung im Rahmen des "Tight-binding"-Modells
erfordert eine Aufsummierung der Ruckstreukorrelationen unter Berucksichtigung der
Fluktuationen innerhalb des Mediums [And, Sou, Zim, Ram].
Eine mogliche Anwendung der Ergebnisse, die hier fur das "Fixed-Scatterer"-Modell
gewonnen wurden, konnte im Bereich der Transporteigenschaften von Festkorpern lie-
gen. Hier wird mit Hilfe der Vielfachstreutheorie der Wirkungsquerschnitt an Clustern
von Fremdatomen in einem Festkorper berechnet [Fre]. Bei irregularen Clustern sollten
starke Fluktuationen des Wirkungsquerschnitts auftreten. Fur mesoskopische Systeme
sollte das als Fluktuationen der Leitfahigkeit beobachtbar sein.
Im Bereich von Kernreaktionen ware es moglich, da die beobachtete starke Ab-
sorption in exotischen Atomen mit dem hier gefundenen groem Imaginarteil der Streu-
amplitude in Zusammenhang gebracht werden kann. Das "Fixed-Scatterer"-Modell ist
jedoch wahrscheinlich fur praktische Anwendungen immer noch zu restriktiv. Metho-
den, die Energieverlust des Projektils erlauben mussen gefunden werden, um bei der
Anwendung stochastischer Methoden auf Kernreaktionen uber reine Modellstudien hin-
auszukommen. Als ein erster Schritt in diese Richtung soll im zweiten Teil dieser Arbeit
die numerische Berechnung von Streuwellenfunktionen durch Pfadintegrale untersucht
werden.

3 Pfadintegralmethoden
3.1 Einfuhrung
Fur die Berechnung von Grundzustandswellenfunktionen gebundener Zustande sind
Monte-Carlo-Methoden fest etabliert. Bei imaginarer Zeit beschreibt die Schrodin-
gergleichung einen Di usionsproze, der im Limes langer Zeiten eine beliebige An-
fangsverteilung in die Grundzustandswellenfunktion des quantenmechanischen Systems
uberfuhrt. Die numerische Realisierung dieses Di usionsprozesses ist eine interessante
Alternative zu herkommlichen Methoden, weil eine Reihe von Observablen ohne zusatz-
liche Naherung berechnet werden konnen. Die Ergebnisse im ersten Teil dieser Arbeit
basieren darauf, da die Kerndynamik durch die Modellannahmen so vereinfacht wur-
den, da eine numerische Behandlung moglich war. Bei der Pfadintegralmethode, die
nun vorgestellt werden soll, ist die Situation anders. Der stochastische Proze konver-
giert gegen die exakte Streuwellenfunktion bei verschwindender Energie. Insbesondere
ist also, im Gegensatz zum \Fixed-Scatterer"-Modell, Energieverlust des Projektils in
den (virtuellen) Zwischenzustanden moglich. Das Problem der Methode liegt darin,
da sie nur auf eine beschrankte Klasse von Systemen anwendbar scheint. So ist die
Behandlung von Fermionen, die Behandlung von Annihilation des Projektils und die
Berechnung von Streuobservablen bei hoherer Energie zunachst problematisch.
In den nachsten Abschnitten sollen anhand von Potentialstreuung die Konzepte ei-
ner Pfadintegralberechnung von Streuobservablen bei niedriger Energie erlautert und
einige Algorithmen vorgestellt werden. Da es sich hier um Einteilchenprobleme handelt,
konnen alternativ zur Monte-Carlo-Rechnung alle physikalischen Groen auch durch

23
numerisches Losen der Schrodingergleichung bestimmt werden. Dadurch kann man die
Eigenschaften der Verfahren studieren und versuchen, optimale Algorithmen zu nden.
Das eigentlich Ziel, namlich die Behandlung von Targets mit internen dynamischen
Freiheitsgraden wird in Kapitel 4 weiterverfolgt.
3.2 Potentialstreuung
Der Ausgangspunkt von Monte-Carlo-Methoden ist, da der quantenmechanische Pro-
pagator eine physikalischen Systems
2
G(~xf ; ~xijt) := h~xf j exp( itH )j~xii; H = 2p~m + V (~x): (27)
fur imaginare Zeiten = it als Dichtematrix interpretiert werden kann. ist in diesem
Bild die inverse Temperatur des Systems. Die Dichtematrix kann durch einen vollstandi-
gen Satz von Eigenzustanden n von H in der Form
X
1
y
(~xf ; ~xij ) = G(~xf ; ~xij ) = n (~xf ) n (~xi) exp( En ) (28)
n=0
geschrieben werden. Es wird hier zunachst angenommen, da H ein diskretes Spektrum
hat. Andererseits kann mit Hilfe der Trotter-Produktformel [Fey] die Dichtematrix auch
als Pfadintegral geschrieben werden:
h~xf j exp( H )j~xii = Nlim h~x j exp( N H )N j~xii =
!1 f
(29)
NY1 Z   N 1 
= Nlim d 3 xj m 3=2 exp( X m (~xj +1 ~xj )2 + V (~xj )) = (30)
!1 2 j =0 2
Z j=1
=: Dxe SV : (31)

~x0 = ~xi ~xN = ~xf  = N :


Die Funktion SV ist die klassische Wirkung zum Hamiltonoperator H . Man sollte hier
beachten, da bei imaginarer Zeit die Wirkung das Zeitintegral der Summe von kineti-
scher und potentieller Energie ist:
Z
SV = d L(x_ ( ); x( )); L(x;_ x) = 12 mx_ 2 + V (x) (32)
Aus den Gleichung (28) und (31) geht hervor, da man durch Losen eines unendlich-
dimensionalen Integrals die Energieeigenzustande des Hamiltonoperators H im Prinzip
berechnen kann. Fur numerische Anwendungen lat man die Zahl der Zeitschritte N
endlich und lost das Integral durch Monte-Carlo-Methoden. Das wird spater noch im
einzelnen ausgefuhrt werden. In der Praxis wird diese Methode meist zur Berechnung
der Grundzustandswellenfunktion verwendet. Man benutzt hier, da die Summe (28)
im Limes langer imaginarer Zeiten vom Zustand mit niedrigster Energie dominiert wird.

24
Auch in Abwesenheit von gebundenen Zustanden kann die Dichtematrix durch Ei-
genzustande des Hamiltonoperators ausgedruckt werden [Gel]:
Z ~2
(~xf ; ~xij ) = d3kh~xf j k ih k j~xi i exp( 2km ) (33)
 
!1 2m 3=2 y
= k=0 (~xi) k=0 (~xf ) (34)

wobei k eine Streuwellenfunktion mit Energie E = ~k2 =2m ist. Wenn man den Zusam-
menhang zwischen Streuwellenfunktion und Streuamplitude (Gleichung (95) aus dem
Anhang) benutzt, erhalt man den Wirkungsquerschnitt bei verschwindender Energie:
 (E = 0) = lim
!1
 ( ) (35)
Z
 ( ) := N ( ) d3xf d3xiV (xf )V (xi)(xf ; xij ) (36)
 3=2 1
N ( ) = 4 2m ( 4 (2m)(2)3)2 (21)3 (37)
Im Gegensatz zu Monte-Carlo-Methoden fur gebundene Zustande existiert hier keine
Energielucke zwischen Grundzustand und erstem angeregten Zustand. Daher konver-
gieren Monte-Carlo-Methoden fur derartige Systeme nur wie Potenzen von 1= und nicht
exponentiell. Ein weiterer Unterschied ist, da die Grundzustandswellenfunktion 0 fur
ein gebundenes Teilchen normierbar ist. Deswegen kann sie als Wahrscheinlichkeitsdichte
interpretiert werden. Stochastische Verfahren beruhen darauf, da ein Di usionsproze
existiert, dessen Gleichgewichtverteilung 0(x) ist. Dieser Di usionsproze wird nume-
risch simuliert, um die Wellenfunktion zu nden. Fur Systeme, die keinen gebundenen
Zustand haben, also fur Streuung, existiert ein derartiger Di usionsproze zwar auch,
inwieweit er numerisch verwertet werden kann ist jedoch unklar. Diese Frage soll in der
vorliegenden Arbeit anhand einiger Modellsysteme untersucht werden.
In der Arbeit von Gelman und Spruch [Gel] wird das asymptotische Verhalten der
Streuwellenfunktion a
r!1  = 4a2
(k=0)(r) = 1 + r ; (38)
benutzt, um eine Verbindung zwischen Dichtematrix und Streulange aufzustellen. Fur
numerische Rechnungen, wie sie hier durchgefuhrt werden sollen, scheint das nicht rat-
sam, da zusatzlich zu ! 1, ein weiterer Grenzubergang r ! 1 durchzufuhren ist.
Dieser Punkt wird spater noch anhand von numerisch berechneten Streuwellenfunktio-
nen erlautert werden. Es sollen nun einige numerische Verfahren studiert werden, um
mit Hilfe von Gleichung (36) Wirkungsquerschnitte zu berechnen.
3.3 Monte-Carlo-Algorithmen
3.3.1 Random-Walk-Monte-Carlo
Eine Standardmethode [Neg] zur Berechnung von Pfadintegralen ist die sogenannte
Random-Walk Monte-Carlo-Methode. Hierbei wird benutzt, da man den freien Pro-

25
pagator fur einen Zeitschritt  in der imaginaren Zeit
 m 3=2
P (~x; ~yj) := 2 exp( 2m (~x ~y)2)
als Di usionswahrscheinlichkeit ktiver Teilchen interpretieren kann, wahrend der Po-
tentialterm in (31)
W (~x) = exp( V (~x))
Quellen bzw. Senken dieser Teilchen entspricht. Die Berechnung eines Matrixelements,
wie es in Gleichung (36) vorkommt,
Z Z Z (~y; )
I= 3 3
d x d yf (~y)i (~x) Dxe SV (39)
(~x;0)
mit einer positiven, normierten Funktion i kann daher auf folgenden Algorithmus ab-
gebildet werden:
1. Erzeuge zufallig Ni Teilchenpositionen ~xn gewichtet mit der Anfangsverteilung i .
2. Di undiere die Teilchen gema P (~x; ~yj). Da P eine Wahrscheinlichkeitsverteilung
mit Varianz =m ist, kann man das numerisch auf die folgendeq  Weise realisieren:
0
man generiert fur ein Teilchen bei ~xn ein Neues bei ~xn = m ~ + ~xn , wobei ~ ein
Vektor aus drei gau'schen Zufallszahlen mit Varianz 1 ist [Kal].
3. Vernichte bzw. erzeuge Teilchen gema W (~x), d.h. fur jedes Teilchen werden
INT W (~xn ) Kopien angelegt und anschlieend eine gleichverteilte Zufallszahl 
aus dem Intervall (0; 1) gezogen. Falls W (~xn ) INT W (~xn ) groer als  ist, so
wird das Teilchen erhalten, sonst vernichtet.
4. Die Schritte (2) und (3) werden N = = mal wiederholt.
Nach N Schritten wird dann
1 X
Nf
I =< f >:= N f (~xn)
i n=1
berechnet. Die Zahl der Teilchen am Anfang des Algorithmus Ni wird im allgemeinen
nicht gleich der Zahl am Ende Nf sein. Durch Erzeugung und Vernichtung ist die
Population der Teilchen nicht konstant. Das ist physikalisch klar, denn nur der freie
Propagator entspricht einer quellfreien Di usion und genugt damit
Z
d3 xP (~x; ~yj ) = 1:
Die relevante physikalische Information uber Streuquerschnitte steckt gerade in dem
Anwachsen bzw. Abfallen der Kon gurationspopulation, da Matrixelemente der Form
(39) berechnet werden mussen, um den Streuquerschnitt mit Gleichung (36) zu nden.
Die Einschrankung auf positive Anfangsverteilungen i ist kein wesentliches Problem
des Verfahrens, da eine beliebige Funktion in Bereiche mit gleichem Vorzeichen zerlegt
werden kann.
26
Die Random-Walk Monte-Carlo-Methode wurde fur ein Potential der Form
V (x) = V0 exp( 21b2 ~x2) (40)
getestet. Das gleiche Problem wurde auch durch numerische Integration der Schrodin-
gergleichung gelost. In Abb. 8 wird  ( ) fur die Parameter b = 1, m = 1 und V0 = 0:1
und V0 = 0:3 gezeigt. Es werden in der Diskussion der Potentialstreuung stets dimen-
sionslose Parameter verwendet.
Die Wahl m = 1 ist hier ohne physikalische Bedeutung, denn sowohl in die Schrodin-
gergleichung als auch bei der Berechnung der Streuamplitude mit Gleichung (95) geht
nur das Quadrat des Impulses k2 = 2mE und das Produkt von Masse und Potenti-
alstarke mV ein. Da hier Streuung bei k = 0 behandelt werden soll, sind die relevanten
Parameter also die Weite des Potentials b und mV .
Wahlt man als Langeneinheit 1 fm und als Masse des Projektils m = 1 GeV, kann
man die physikalischen Potentialstarke und den physikalischen Wirkungsquerschnitt aus
den dimensionlosen Groen mit folgenden Gleichungen berechnen:
Vphys = 40 MeV V0 (41)
phys = 10 mb  (42)
Fur die stochastische Rechnung wurde  = 0:5 verwendet und mit Ni = 50000 Teil-
chen gestartet. Die durchgezogene Linie ist das Ergebnis aus der Losung der Schrodin-
gergleichung. Dazu wird das k Integral in (33) diskretisiert und fur jeden k-Wert die
korrekt normierte Radialwellenfunktion mit einem Runge-Kutta-Verfahren [Abr] be-
rechnet. Anschliessend berechnet man das Matrixelement (36) und fuhrt numerisch die
Laplace-Transformation in (33) durch. Fur E = 0 erhalt man ebenfalls durch numerische
Integration der Schrodingergleichung das (exakte) Resultat
(V0=0:1) = 0:60 (V0= 0:3) = 22:0:
Fur ! 1 wird  ( ) diesen Wert annehmen. Eine Abschatzung der Groenordnung der
benotigtem Zeiten kann man mit Hilfe der Bornschen Naherung in 1.Ordnung geben.
Setzt man in (36) die freie Dichtematrix ein, so ndet man bei rotationssymmetrischen
Potentialen fur den fuhrenden Term in 1= :
R ! !
 ( )   (E = 0) 1 m Rd3x~x2 V (~x) =  (E = 0) 1 3mb2
d3xV (~x)
 Z 2
 (E = 0) = 4m d3xV (~x) (43)
In dieser Naherung ist das Ergebnis von der Starke des Potentials unabhangig. Fur
V0 = 0:1 gibt Gleichung (43) ein quantitativ richtiges Resultat. Das Potential hat
einen gebundenen Zustand bei V0 = 0:67, das heit, da V0 = 0:3 bereits ein ziem-
lich starkes Potential darstellt. Man wird deswegen nicht erwarten, da (43) eine gute
Abschatzung ist. Es zeigt sich, da hier deutlich langere Zeiten notig sind, um den
asymptotischen Wert anzunehmen.
27
(a)
0.8
Schroedinger
0.7 Monte-Carlo

0.6
Wirkungsquerschnitt

0.5

0.4

0.3

0.2

0.1

0
0 10 20 30 40 50 60 70 80 90 100
Physikalische Zeit

(b)

Schroedinger
Monte-Carlo
20
Wirkungsquerschnitt

15

10

0
0 10 20 30 40 50 60 70 80 90 100
Physikalische Zeit

Abbildung 8: Random-Walk-Monte-Carlo:  ( ) fur V0 = 0:1 (a) und V0 = 0:3 (b) mit


Zeitschritt  = 0:5 (Datenpunkte) im Vergleich zur Losung der Schrodingergleichung
(Linie).

28
In der stochastischen Rechnung waren am Ende des Rechnerlaufes bei V0 = 0:1 noch
Nf = 45000 Teilchen vorhanden, bei V0 = 0:3 waren es Nf = 74000. Das stochastische
Programm reproduziert o ensichtlich fur beide Falle das exakte Resultat fur  ( ) recht
gut. Bei V0 = 0:3 hatte mehr als doppelt so lange gerechnet werden mussen, um den
Wirkungsquerschnitt bei E = 0 korrekt vorherzusagen.
Der Grund dafur kann man verstehen, wenn man (33) und (36) in der folgenden
Weise schreibt:
Z 2
( ) = d3 k exp( 2km )g (~k) (44)
g(~k) := h0jT y(E (~k))j~kih~kjT (E (~k))j0i (45)
j0i ist hier ein Impulseigenzustand mit verschwindenden Impuls, T ist die U bergangs-
matrix (siehe Anhang, Gleichung 96). Entscheidend fur die benotigten Zeiten ist die
Energieabhangigkeit von g bei E = 0. Falls das Potential stark genug ist, um eine
gebundenen Zustand bei E = 0 zu haben, ist g (~k = 0) singular. Bei etwas schwache-
ren Potentialen kundigt sich diese Singularitat bereits durch starke Variation von g als
Funktion von E an.
Au allig sind die starken Fluktuationen, die auftreten, sobald man das asymptotische
Verhalten von  ( ) erreicht. Man sieht das vor allem bei V0 = 0:1. Der Grund dafur
wird klar, wenn man die raumliche Verteilung der Teilchen am Ende des Rechnerlaufes
betrachtet. In Abb. 9 ist die Radialwellenfunktion u0 (r) = r l=0 (r) zur Zeit = 50
fur V0 = 0:1 mit willkurlicher Normierung geplottet. Die durchgezogene Linie ist das
Potential. Man sieht, da der grote Teil der Teilchen aus dem Bereich des Potential
wegdi undiert ist. Deswegen tragen zum Integral nur sehr wenige Teilchen bei und die
Statistik ist schlecht. Die Ursache fur dieses Verhalten ist, da die Eigenfunktionen
des Hamiltonoperators nicht normierbar sind. Die Verteilung der Teilchen zu einem
gegebenen Zeitpunkt in der imaginaren Zeit ist durch das Integral
Z
(~x; ) = d3xi (~x; ~xij )V (~xi )
gegeben. Der Di ussionsproze beschreibt also die Entwicklung eines Wellenpakets mit
Anfangsverteilung i (~x) = V (~x) in der imaginaren Zeit. Wahrend der Zeitentwicklung
propagieren die Fouriermoden mit k > 0 aus dem Potentialbereich heraus, der Anteil
zu k = 0 bleibt zuruck. Bei = 50 ist die Wellenfunktion im Innenraum nicht mehr
sehr verschieden von der Eigenfunktion zum Hamiltonoperator bei E = 0, so da der
Querschnitt gut reproduziert wird. Die Form im Auenraum wird jedoch von der An-
fangsverteilung bestimmt. Deswegen ist es auch problematisch, die asymptotische Form
der Wellenfunktion (38) zu benutzen, um die Streulange aus den numerischen Daten zu
isolieren. Selbst bei wesentlich langeren Rechenzeiten und groeren Teilchenzahlen ist
nur eine ungenaue Bestimmung der Streulange moglich.
Bei attraktiven Potentialen be nden sich mehr Teilchen im Innenraum als bei repul-
siven, da hier Teilchenerzeugung statt ndet. Deswegen sind die Fluktuationen in Abb.
8 bei V0 = 0:3 kleiner als bei V0 = 0:1. Das bedeutet aber nicht, da die Methode fur
stark attraktive Potentiale wohlverhaltener ist, da langere Rechenzeiten notig sind, um

29
Potential und Wellenfunktion (Random-Walk)

Radialwellenfunktion fuer V0=0.1


5 V(r)

0
0 5 10 15 20 25 30
Abstand vom Ursprung r

Abbildung 9: Random-Walk-Monte-Carlo: Die Radialwellenfunktion u0 (r) = r l=0(r)


fur V0 = 0:1 am Ende des Monte-Carlo-Laufs ( = 50). Die gepunktete Linie ist das Po-
tential V (r). Der grote Teil der Teilchen be ndet sich auerhalb des Potentialbereichs.

den Wirkungsquerschnitt mit der gleichen Genauigkeit wie bei repulsiven Potentialen
vorherzusagen.
Der Random-Walk-Algorithmus ist sehr gut geeignet, um schnell eine Abschatzung
der Groenordnung des Wirkungsquerschnitts zu geben. Die auftretenden Fluktuatio-
nen erfordern aber sehr lange Rechenzeiten, sobald man genaue Ergebnisse benotigt.
Fur die Simulation bei V0 = 0:1 mit N = 100 Zeitschritten waren auf einer Workstation
HP9000/720 mit einer Peak-Leistung von 14MFlops etwa 6 Minuten Rechenzeit erfor-
derlich. Eine Erhohung der Genauigkeit erfordert sehr groe Teilchenzahlen, besonders
wenn uber langere Zeiten gerechnet werden soll. Untersuchungen von Streuung an zu-
sammengesetzten Targets ergeben qualitativ das gleiche Bild [Mal]. Die im nachsten
Abschnitt vorgestellte Methode hat diesen Nachteil nicht, sie erlaubt sehr genaue Rech-
nungen.
3.3.2 Langevin Simulation
In der Random-Walk Monte-Carlo-Methode wurde ausgenutzt, da die Schrodingerglei-
chung fur imaginare Zeiten einen Di usionsproze beschreibt, den man mit der Pro-
pagation ktiver Teilchen numerisch simulieren kann. Alternativ dazu kann man auch
Algorithmen nden, die ganze Pfade ~xn erzeugen, die gema exp( S ) verteilt sind. Der
Index n entspricht hier der Zeitvariablen in der diskretisierten Form des Pfadintegrals
(30). Eine Methode dazu ist die sogenannte Langevin-Simulation. Man fuhrt dazu eine
weitere Zeitvariable t und eine Dynamik in dieser Zeitvariablen ein. Die Pfade hangen

30
also zusatzlich zu der physikalischen imaginaren Zeit auch noch von t ab. Man kann
zeigen [Nam], da die Losung der stochastischen Di erentialgleichung
@ x (t) = @ S (x(t)) +  (t) (46)
@t n @xn n

einen Zufallsproze xi (t) de niert, fur den gilt


Z 1 ZT
DxP (x)f (x) = Tlim
!1 T
dtf (x(t)) (47)
0
wobei
exp( S (x)) ;
P (x) = R Dx (48)
exp( S (x))
falls n (t) ein Gau'scher Zufallsproze mit
hn(t)m(s)i = 2nm (t s)
ist. Das Zeitmittel uber den stochastischen Proze kann also benutzt werden, um das In-
tegral uber die Verteilung (48) zu berechnen. Die Funktion P (x) ist die zeitunabhangige
Losung der Fokker-Planck-Gleichung
@ (x; t) = F^(x; t)
@t
mit dem Fokker-Planck-Operator
^ X @  @ @S (x) 
F := @x @x + @x : (49)
n n n n

Falls F^ ein negatives, diskretes Spektrum besitzt, konvergiert die Zeitentwicklung, die
durch die Fokker-Planck-Gleichung de niert wird fur eine Anfangsverteilung 0 (x; t =
0), die nicht orthogonal auf P (x) ist, gegen die zeitunabhangige Verteilung (48). Der
niedrigste nichtverschwindende Eigenwert des Fokker-Planck-Operators ist ein Ma fur
die Zeit, die zum Erreichen der stationaren Verteilung benotigt wird. Die Simulationszeit
des Prozesses T in (47) mu gro gegenuber dieser sogenannten Autokorrelationszeit
sein. Eine detailierte Diskussion des Formlismus ndet sich in [Nam]. Anhand eines
konkreten Beispiels wird die Bedeutung der Autokorrelationszeit im folgenden noch
genauer erlautert werden.
Man kann mit Hilfe der stochastischen Di erentialgleichung (46) ein numerisches
Verfahren konstruieren. Man diskretisiert die stochastische Di erentialgleichung und
lost die Di erenzengleichung
x (t + t) = x (t) @S (x(t)) t + ! (t)
n n @xn n (50)
(
h!n(t)!m (t)i = 2tnm ; falls t = s (51)
0; sonst

31
numerisch. Dazu wird ein beliebiger Startpfad xn (t = 0) gewahlt und (50) mit einer
Zufallszahlenfolge wn (t) iteriert. Fur jeden Zeitschritt ist ein neuer Zufallszahlenvektor
erforderlich. Die Erzeugung der Zufallszahlen ist der rechenzeitaufwendigste Teil des
Verfahrens. Neben der Euler-Diskretisierung in (50) existieren noch eine Reihe von
Verfahren mit hoherer Fehlerordung [Kro]. Darauf wird spater noch eingegangen werden.
Ein weiteres Problem, das gelost werden mu, ist die Konstruktion von Observablen.
Der Algorithmus liefert Pfade, die gema exp( SV ) verteilt sind. Der Wirkungsquer-
schnitt ist jedoch mit einem Matrixelement (36) verknupft. Es wird also das Integral
(31) benotigt und nicht eine (normierte) Verteilung des Integranden. Eine mogliche
Observable ist
XN
OV~ = exp  (V (~xn) V~ (~xn )); (52)
n=1
wobei V~ eine beliebige Funktion ist. Es gilt namlich
R Dx exp( S )O R Dx exp( S )
hOV~ i = R Dx exp( SV ) = R Dx exp( SV~ )
V V
d.h. das Potential wird aus der Wirkung entfernt und ein Referenzpotential addiert.
Im einfachsten Fall V~ = 0 vergleicht man die Dichtematrix fur das freie Problem mit
der Dichtematrix fur das Potential V . Im allgemeinen wird man fur V~ ein Potential
verwenden, fur das man die Losung analytisch berechnen kann und das nicht stark von
V abweicht. Auf diese Weise kann man erreichen, da die Varianz von O niedrig ist.
Damit wird auch die stochastische Integration gut konvergieren.
Das Verfahren wurde wieder fur ein Gaupotential (40) getestet. Um den Wirkungs-
querschnitt zu berechnen, sind zusatzlich die Integrale uber die Endpunkte des Pfades
(30) auszufuhren. Falls das Potential keine Nullstellen hat, kann man diese Integrale
in einfacher Weise zusammen mit den Pfaden stochastisch ausfuhren, indem man in die
Langevin-Gleichung die Wirkung
S 0 = S ln V (~xf ) ln V (~xi ) = S + 21b2 (~x2f + ~x2i ) + const (53)
einsetzt und ~xi und ~xf als dynamische Variablen in (46) mitnimmt. Die Observable
~ ~
OV0~ = VV ((~~xxf )) VV ((~~xxi)) OV~ (54)
f i
liefert dann
hOV0~ i = V~ : (55)
V
Man hat damit also einen Algorithmus, der das Verhaltnis von Wirkungsquerschnitten
fur verschiedene Potentiale berechnet.
Er hat zwei Vorteile im Vergleich zur Random-Walk-Methode. Erstens kann man
ein gunstiges Referenzproblem wahlen und zweitens liegen beide Endpunkte des Pfades
durch die Bedingung (53) im Bereich des Potentials. Der Vorteil der Simulation der End-
punkte zusammen mit den anderer Freiheitsgraden ist, da eine Ruckkopplung zwischen
Pfad und Endpunkten besteht, und daher der Algorithmus die Bereiche des Potentials
32
sucht, in denen die groten Beitrage entstehen. Analoge Vorgehensweisen sind auch fur
Systeme mit mehreren Freiheitsgraden moglich. Hier kann es von groem Vorteil sein
diese Technik einzusetzen, da bereits der Raum der Endpunkte hochdimensional ist. Im
folgenden wird nur noch diese Methode weiterdiskutiert.
Nachteilig bei der Langevin-Methode ist, da man ganze Pfade durch die Langevin-
Dynamik in der Zeit t simulieren mu. Es ist deswegen fur einen Simulationschritt
relativ viel Rechenzeit notig. Auerdem erhalt man nur ein Ergebnis fur eine feste Zeit
, wahrend der Random-Walk-Algorithmus die gesamte Zeitentwicklung in der physika-
lischen Zeit liefert. Da a-priori-Abschatzungen der benotigten Zeiten schwierig sind,
mussen jedoch fur praktische Zwecke Rechnungen fur mehrere Werte von durchgefuhrt
werden, um sicherzustellen, da man wirklich  (E = 0) erhalt.
Die Einschrankung auf Potentiale ohne Nullstelle ist kein grundsatzliches Problem.
Man kann stets die Integration uber die Endpunkte in Teilbereiche zerlegen, in denen
das Potential das gleiche Vorzeichen hat. Es sind dann mehrere Simulationen fur die
verschiedenen Teilbereiche notig. Eine Schwierigkeit kann in diesem Zugang dadurch
auftreten, da sich positive und negative Beitrage zum Wirkungsquerschnitte wegheben.
Deswegen ist fur eine vorgegebene Genauigkeit des Endergebnisses eine sehr viel hohere
Genauigkeit bei den einzelnen Simulationen notig.
Der Algorithmus mu bei t = 0 mit einem Startpfad versehen werden. In allen
Anwendungen in dieser Arbeit wird als Anfangsbedingung der Pfad
~xn = Nn (~xf ~xi ) + ~xi
verwendet, wobei ~xf und ~xi zufallig im Potential gewahlt wurden. Fur starke Potentiale
ist das sicher eine ungunstige Wahl des Startpfades, da er einer freien Bewegung ent-
spricht. Ein guter Startpfad konnte durch Losen der klassischen Bewegungsgleichungen
gewonnen werden. Der Langevin-Algorithmus bietet eine einfache Moglichkeit, einen
klassischen Pfad zu vorgegebenen Endpunkten zu nden. Wenn man die Di erenzen-
gleichung (50) mit w = 0 iteriert, konvergiert ~xn (t) gegen ein lokales Minimum der
Wirkung, da die Drift im Raum der Pfade immer in Richtung des negativen Gradien-
ten von S erfolgt. Falls Probleme durch eine ungunstige Wahl des Startpfades auftre-
ten, konnten diese also durch einen "Startlauf" ohne Zufallszahlen gelost werden. Auf
die gleiche Weise kann auch eine WKB-Wellenfunktion fur das Streuproblem berech-
net werden. Dazu mu lediglich noch die auftretende Funktionaldeterminate numerisch
berechnet werden, nachdem der klassische Pfad durch die Simulation gefunden worden
ist.
Wahlt man einen Pfad, der im Sinne der Gleichgewichtsverteilung P (x) unwahr-
scheinlich ist, dann konnen im Integral (47) groe Beitrage entstehen, die durch lange
Rechenzeiten T wieder ausgemittelt werden muten. Fur die numerische Berechnung
wird die Gleichung (47) daher etwas modi ziert. Es wird
1 Z T +Teq 1 +Leq
LX
O(T ) = T dtO(x(t))  L O(x(tl)) (56)
Teq l=Leq
berechnet. Die ersten Leq = Teq =t Iterationen von (50) werden verworfen, dann wird
die Observable O mit L = T=t Pfaden gemessen. Ein Ma, wie T und Teq gewahlt
33
x( β)

V
Abbildung 10: Wenn das Potential keine gebundenen Zustande hat, werden sich typische
Pfade weit in den Auenraum erstrecken, obwohl die Anfangspunkte im Potentialbereich
V festgehalten sind.
werden mu, ist die Autokorrelationszeit tac . Wenn der Fokker-Planck-Operator ein
diskretes Spektrum besitzt, kann man zeigen [Nam], da fur lange Zeiten t gilt:
/ exp( t t ):
hxn(t)xn (0)i t!1
ac
Die Autokorrelationszeit hangt mit dem betragsmaig kleinsten Eigenwert  des Fokker-
Planck-Operators zusammen: tac = 1=jj.
Die Simulationszeit T sollte sehr viel groer als die Autokorrelationszeit sein, denn
T=tac ist die Anzahl der unabhangigen Monte-Carlo-Kon gurationen. Die Gleichge-
wichtszeit Teq wird hau g mit der "Faustregel" Teq  tac bestimmt. Ein weiterer Simu-
lationsparameter ist die Lange eines Zeitschritts t. Es mu untersucht werden, wie die
gesampelten Pfade von t abhangen.
Die Frage nach der Wahl dieser Parameter ist im allgemeinen schwierig zu beant-
worten. Einige Eigenschaften der Simulation kann man jedoch bereits am Verhalten der
freien Wirkung verstehen. Wir haben bei der Random-Walk-Monte-Carlo-Methode ge-
sehen, da fur Potentiale, die nur Streuwellenfunktionen als Losung haben, das Projektil
eine groe Aufenthaltswahrscheinlichkeit auerhalb des Potentials hat. Ein gebundener
Zustand wird sich in der Simulation gerade dadurch bemerkbar machen, da das Po-
tential stark genug ist, die Pfade im Innenraum zu halten. Wenn das nicht der Fall
ist, werden die Pfade wie in Abbildung 10 aussehen. Die Endpunkte konnen wegen der
Bedingung (53) den Bereich des Potentials nicht verlassen, wahrend ein relativ groer
Teil des Pfades im Auenraum liegt. Der Grund dafur ist, wie bereits erlautert, da
die Wellenfunktionen nicht normierbar sind. Die Dymanik des im Auenraum liegenden
Pfadsegments wird nur von der kinetischen Energie in der Wirkung bestimmt. Daher
kann das Verhalten der freien Wirkung eine gute Abschatzung fur die Autokorrelations-
zeit geben, wie im folgenden gezeigt werden wird.
34
Die freie Wirkung, zusammen mit der Bedingung fur die Endpunkte (53), ist qua-
dratisch, daher ist die Langevin Gleichung (46) linear und kann durch Entwicklung nach
Normalmoden gelost werden, analog zur Behandlung von gekopplelten harmonische Os-
zillatoren in der klassichen Mechanik. Die Langevin-Gleichung ist:
@ ~x = XN
Mnm ~xm (t) + ~n(t) (57)
@t n
m=0
mit
01 a 1 0 ::: 1
BB 1 0 1 0 ::: CC
m BB 0 1 0 1 0 ::: CCC
M =  (21 A) A := BB .. CC (58)
BB . C
@ ::: 0 1 0 1 A
::: 0 1 1 a
a = mb 2 : (59)
Aus dieser Gleichung konnen zwei wichtige Parameter entnommen werden:
1. Der kleinste Eigenwert min von M gibt das Verhalten der langsamsten Mode
wieder und wird deshalb die Autokorrelationszeit tac = min 1 bestimmen. (Siehe
dazu [Nam], Seite 10).
2. Der grote Eigenwert max bestimmt, welche Schrittweite t bei der numerischen
Integration der stochastischen Di erentialgleichung verwendet werden kann, denn
es mu gelten tn << 1 fur alle n.
Der grote Eigenwert kann leicht abgeschatzt werden. Fur a < 1 hat die Matrix A
nur positive Eintrage. Deswegen sichert das Perron-Frobenius-Theorem
P [Gra], da fur
( ) N
die Eigenwerte der Matrix A gilt: j j < maxm=0:::N n=0 Anm = 2. Alle Eigenwerte
A
von A liegen also im Intervall [ 2; 2]. Deswegen erhalt man mit dieser Abschatzung, da
die Eigenwerte von M im Intervall [0; 4m=] liegen mussen. Aus der oberen Schranke
fur die Eigenwerte von M ndet man:
t  4m : (60)
Insbesondere sieht man bereits mit dieser einfachen Abschatzung, da alle Eigen-
werte von M groer oder gleich Null sind. Ein negativer Eigenwert von M wurde bedeu-
ten, da die dazugehorige Mode ungedampft ist. In diesem Fall konvergiert die Langevin-
Simulation nicht gegen exp( S ), da der Fokker-Planck-Operator (49) ein nichtnegatives
Spektrum hat. Um die Autokorrelationszeit abzuschatzen mu noch eine besser untere
Schranke fur den kleinsten Eigenwert gefunden werden, denn min = 0 bedeutet, da
tac = 1.
Es zeigt sich, da min stark von m= bzw. b abhangt. Fur b ! 1 ist der kleinste
Eigenwert min = 0 mit Eigenvektor min / (1; 1; : : :; 1), da die Pfade nicht mehr an den

35
Endpunkten festgehalten werden. Der Eigenvektor min gehort zu einer Verschiebung
des ganzen Pfades. Da die Wirkung fur a = 0 diese Symmetrie hat, ist klar, da
ein verschwindender Eigenwert von M entstehen mu. Um das Verhalten von min
zu illustrieren, wurde die zugehorige Autokorrelationzeit tac durch Diagonalisieren der
Matrix M numerisch berechnet. Die Ergebnisse sind in Abb. 11 aufgetragen.
In Bild (1) wird fur verschiedenen Werte von b und fur  = 0:5 die Autokorrelati-
onszeit als Funktion der physikalischen Zeit gezeigt. Fur groe gilt, unabhangig
von der Potentialweite, tac / 2 , wahrend fur kleine die Potentialweite einen groen
Ein u hat. Dieses Verhalten ist intuitiv klar: fur lange Zeitintervalle spielen die Rand-
bedingungen fur die Dynamik des Pfades keine groe Rollen mehr und ein universelles
Verhalten stellt sich ein. Entscheidend ist die quadratische Divergenz der Autokorre-
lationszeit. Diese Ergebnis kann man im Kontinuumslimes (N ! 1, = const) auch
analytisch gefunden werden.
Zum Vergleich wird in Bild (2) die Autokorrelationszeit fur einen harmonischen Os-
zillator mit Frequenz ! = 0:1 gezeigt. Es wurde also zur Wirkung S 0 in Gleichung (53)
der Term
1  X m! 2~x2
2 n n
addiert. Sobald ! >> 1 ist, erreicht die Autokorrelationszeit einen stationaren
Wert. Der Fokker-Planck-Operator hat also, unabhangig von der physikalischen Zeit
einen nichtverschwindenen kleinsten Eigenwert. Das ist fur Systeme mit gebundenen
Zustanden stets der Fall. Im Gegensatz dazu verschwindet der kleinste Eigenwert fur
Streusysteme. Nur durch die Forderung, da die Endpunkte des Pfades den Potential-
bereich nicht verlassen durfen und da die Zeit endlich sein mu, ist die Konvergenz
der Simulation gewahrleistet. Die Situation ist analog zu Quantenmechanik auf einem
endlichen Intervall L. Eine endliche Intervallange und die Bedingung, da die Wellen-
funktionen am Rand verschwinden sollen, garantiert ein diskretes Spektrum des Hamil-
tonoperators. Im Limes L ! 1 haben Hamiltonoperatoren mit einem gebundenen Zu-
stand immer noch ein diskretes Spektrum, wahrend bei Systemen, die nur Streulosungen
haben, der Abstand zwischen Grundzustand und erstem angeregten Zustand wie 1=L
verschwindet.
Das ist ein zentrales Resultat dieses Abschnitts, denn es zeigt, da das Spektrum
des Hamiltonoperator eng mit den Eigenschaften der Simulation verknupft ist.
In Bild (3) ist tac als Funktion der Potentialweite b aufgetragen ( = 0:5). So-
lange diepWeite des Potentials viel kleiner ist als die typische Reichweite des Pfades
rPfad  =m, ist das Ergebnis unabhangig von b. Fur groe b steigt die Autokorre-
lationszeit dagegen quadratisch in b. Dieses Ergebnis kann man auch analytisch durch
Storungstheorie in a gewinnen. Wie bereits diskutiert, ist die Wirkung im Limes b ! 1
translationsinvariant, dadurch entsteht eine Mode mit verschwindenen Eigenwert. Wenn
die Endpunkte des Pfades nicht mehr festgehalten werden, wird dadurch die Autokor-
relationszeit unendlich. Alle Streusysteme haben diese Eigenschaft.
Im Gegensatz dazu zeigt die Rechnung fur den harmonischen Oszillator mit b = 100
(Bild (2)), da die Autokorrelationszeit fur groe Zeiten unabhangig von b ist. Das
ist klar, den nicht die kinetische Energie und die Bedingung fur die Pfadenden, sondern
die potentielle Energie bestimmt hier das Verhalten der Simulation.

36
In Bild (4) ist die Autokorrelationszeit fur konstantes = 50 als Funktion der Anzahl
der Zeitschritte geplottet. Sie wachst linear. Das bedeutet, das tac / 1=. Dieses Ergeb-
nis bedeutet nicht, da die Langevin-Dynamik keinen wohlde nierten Kontinuumslimes
hat. Durch Reskalierung der Langevin-Zeit t0 = t erhalt man eine stochatische Di eren-
tialgleichung, die im Limes  ! 0 endliche Autokorrelationszeiten hat. Diese De nition
von t wird z.B. in den Arbeiten uber Gittereichtheorie benutzt. Numerisch hat die Res-
kalierung der Zeit keine Bedeutung, da der Zeitschritt t ebenfalls mitskaliert werden
mu, so da die Zahl der Pfadschritte L = T=t konstant bleibt.
Um anhand eines konkreten Beispiels zu demonstrieren, welche Ergebnisse man fur
Potentialstreuung von dieser Methode erwarten kann, wird das Gaupotential mit einem
Kastenpotential (
VK (r) = V~0 rr > R~ (61)
0 < R~
~ p ~ r
R = 5b V0 = 3 250 V0: (62)
verglichen. Die Parameter R~ und V~0 wurden so gewahlt, da
Z Z Z Z
d3 xV (x) = d3 xVK (x) d3x~x2 V (x) = d3 x~x2VK (x): (63)
Diese Wahl ist willkurlich. Aus Gleichung (43) sieht man, da die Bedingung (63) sichert,
da fur schwache Potentiale der Querschnitt und der fuhrende Term in der Zeitentwick-
lung gleich sind. Man wird also fur schwache Potentiale eine sehr gute Konvergenz in
erwarten, wahrend fur starke Potentiale eine andere Wahl des Referenzproblems gunstig
sein wird.
In Abbildung 12 wird das Verhaltnis der Querschnitte von Kasten- und Gaupo-
tential fur V0 = 0:1, V0 = 0:3 und V0 = 0:5 als Funktion der Zeit gezeigt. Die
durchgezogene Linie erhalt man durch Losen der Schrodingergleichung, die Datenpunkte
sind eine Simulation mit Teq = 1000 und T = 10000. Die Autokorrelationszeit der freien
Wirkung ist bei = 100 etwa tac = 2000. Numerisch zeigt sich, da zur Vermeidung
von Diskretisierungsfehlern in t mit dem Euler-Verfahren ein Wert von t = 0:04 eine
gute Wahl ist. Das bedeutet, da bei = 80 etwa 25000 Schritte notig sind, um die
Simulation uber eine Autokorrelationszeit laufen zu lassen.
Man sieht, da das Ergebnis in Abb. 12 fur V0 = 0:1 und V0 = 0:3 nicht mehr
stark von abhangt. Es ist bemerkenswert, da die Anpassung der Parameter des
Potentials mit Hilfe der Gleichung (63) auch fur das relativ starke Potential V0 = 0:3
zu einer schnellen Konvergenz in fuhrt, obwohl der fuhrende Term in  ( ) fur die
beiden Potentiale nur in der 1.Ordnung der Bornapproximation ubereinstimmt.
Bei V0 = 0:5 sind bereits relativ lange Zeiten notig. Das Gaupotential mit b = 1
hat seinen ersten gebundenen Zustand bei V0 = 0:67, das Kastenpotential mit den
oben angegebenen Parametern fur V0 = 0:74. In der Nahe dieser Werte stimmen die
Wellenfunktionen der beiden Potentiale nicht mehr gut uberein. Daher emp ehlt es sich,
ein alternatives Vergleichspotential zu verwenden. Die Rechnung mit V0 = 0:5 wurde
fur ein Kastenpotential mit folgender Parametrisierung wiederholt (Abb. 12, unten):
0 2
R~ = 2 V~0 = 0V:67 (64)
32
37
Bild (1), freie Wirkung Bild (2), harmonischer Oszillator
10000
b^2 = 0.5
b^2 = 1
Autokorrelationszeit

Autokorrelationszeit
b^2 = 2
b^2 = 4
b^2 = 16 100
1000

b= 1
100 b = 100

10
10 100 10 100
Physikalische Zeit (beta) Physikalische Zeit (beta)

Bild (3) Bild (4), Kontinuumslimes bei beta = 50


3000
beta = 100
10000 beta = 50
Autokorrelationszeit

Autokorrelationszeit

2500 b= 2
beta = 25 b= 1
b = 0.5
2000 b = 0.1

1500
1000
1000

500

100 0
0.1 1 10 50 100 150 200 250 300 350 400
Weite b des Potentials Zahl der Zeitschritte N

Abbildung 11: Die Autokorrelationszeit tac fur die freie Wirkung. Bild (1): tac als
Funktion der physikalischen Zeit fur  = 0:5 und einige Werte der Potentialweite b.
Bild (2): wie Bild (1), jedoch fur einen harmonischen Oszillator mit ! = 0:1. Bild (3):
tac als Funktion von b bei  = 0:5. Bild(4): tac als Funktion der Zahl der Zeitschritte N
bei = 50. 38
1.1

1.05

0.95

0.9

0.85

0.8

0.75

0.7
0 20 40 60 80 100 120 140 160
Physikalische Zeit

1.14 Monte-Carlo
Schroedinger
1.12

1.1

1.08

1.06

1.04

1.02

0.98

0.96

0 20 40 60 80 100 120 140 160


Physikalische Zeit

Abbildung 12: Verhaltnis der Wirkungsquerschnitte von Kastenpotential und Gaupo-


tential als Funktion der physikalischen Zeit . Die Linie ist die Losung der Schrodin-
gergleichung, die Datenpunkte sind das Resultat der Langevin-Rechnung. Oben: fur
V0 = 0:1 (3), V0 = 0:3 (+) und V0 = 0:5 (2) wurde das Referenzpotential (61,
62) verwendet. Unten: mit modi ziertem Referenzpotential (64) fur V0 = 0:5. Man
beachte die andere Skala!

39
Die Parameter sind so eingestellt, da auch das Vergleichspotential fur V0 = 0:67 einen
gebundenen Zustand hat. Das Verhaltnis der Querschnitte variiert nur noch schwach
mit und die stochastische Rechnung reproduziert das Ergebnis wieder mit einigen
Prozent Genauigkeit. Das illustriert die Wichtigkeit einer geeigneten Wahl des e ektiven
Potentials, um eine schnelle Konvergenz in zu erhalten.
Im Abbildung 13 wird das Verhaltnis der Wirkungsquerschnitte fur die beiden Po-
tentiale und der Wirkungsquerschnitt fur das Gaupotential gegen die Potentialstarke
aufgetragen. Man sieht, da der Langevin-Algorithmus in der Lage ist, uber einen
weiten Bereich von V0 mit den selben Simulationsparametern sehr genaue Vorhersa-
gen zu machen. Fur Werte des Potentials, die nahe am ersten gebundenen Zustand
liegen, wird die Konvergenz schlecht, da lange Zeiten und T notig sind. Dieses Pro-
blem konnte aber mit einem veranderten Referenzpotential gelost werden. In der Praxis
kann dieses Referenzpotential durch schrittweise Verbesserung gefunden werden. Da die
Pfade, die durch die stochastische Di erenzialgleichung erzeugt werden, nicht vom Re-
ferenzpotential abhangen, kann mit einem einmal erzeugten Pfadensemble ohne groen
Rechenzeitaufwand ein verbessertes Potential gesucht werden.
Bei geeignet gewahltem Referenzpotential treten Abweichungen von wenigen Prozent
im Vergleich zum exakten Resultat auf. Man sieht in Abb.13, da diese Abweichungen
systematisch auftreten und keine statistischen Fluktuationen sind. Man kann numerisch
zeigen, da sie Diskretisierungsfehler in  sind, d.h. im Grenzfall  ! 0 verschwinden.
Die Diskretisierung der physikalischen Zeit ist numerisch ein schwerwiegenderes Problem
als die Diskretisierung der Langevin-Zeit. Bei konstantem = N wachst die die Re-
chenzeit wie 1=3 , weil die Autokorrelationszeit wie 1= wachst, sowie mehr Operationen
und eine feinere Diskretisierung in t notig sind (siehe Gleichung (60)). Bei Verklei-
nerung von t mit konstanter Langevin-Zeit T wachst der Rechenzeitaufwand nur wie
1=t. Es wurde ebenfalls numerisch gepruft, da bei dem verwendeten t keine merkli-
chen Diskretisierungsfehler bei der Losung der stochastischen Di erentialgleichung mehr
auftreten.
In der Arbeit von Kronfeld [Kro] wird gezeigt, da durch Simulation einer von t
abhangigen korrigierten Wirkung Fehler bis zur Ordnung t2 beseitigt werden konnen.
Da damit langere Zeitschritt t moglich sind, ist bei konstantem T fur die hier ver-
wendete Wirkung zwei bis drei mal weniger Rechnenzeit notig, als bei dem einfachen
Euler-Verfahren. Fur Wirkungen mit polynomialer Struktur, wie z.B. bei Feldtheorien,
kann man zeigen, da durch die Korrektur keine neuen Terme entstehen, es werden
lediglich die Kopplungskonstanten und Massen renormiert. Wenn die Wirkung kein Po-
lynom in den Freiheitsgraden ist, entstehen dagegen neue Terme, deren Berechnung in
der Simulation zusatzliche Rechenzeit kostet. Deswegen ist die Verwendung korrigierter
Wirkungen fur Streuprobleme nicht sehr ezient.
Wesentlich wichtiger sind Korrekturen der Wirkung, um die Fehler in  zu beseiti-
gen. Eine Moglichkeit ist die Verwendung verbesserter Trotter-Produktformeln [Mak] in
Gleichung (31). Auch hier ist der Aufwand bei der numerischen Realisierung gro. Fur
Potentialstreuprobleme wurden diese Methoden nicht getestet, da hier die Frage nach
der prinzipiellen Machbarkeit von Streurechnungen im Vordergrund stand. In dieser
Arbeit wird das Problem bei der Behandlung von zusammengesetzten Targets erneut
diskutiert werden.

40
Vergleich von Monte-Carlo und Schroedingergleichung
1.2
Verhaeltnis der Wirkungsquerschnitte

Schroedinger
1.15 Monte-Carlo (1)
Monte-Carlo (2)
1.1

1.05

0.95

0.9

0.85

0.8

0.75

0.7
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
Potentialstaerke V0

Wirkungsquerschnitt des Gausspotentials

Schroedinger
1000 Monte-Carlo (1)
Wirkungsquerschnitt

100

10

0.1

0.01
-0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
Potentialstaerke V0

Abbildung 13: Oben: Verhaltnis der Wirkungsquerschnitte von Kastenpotential und


Gaupotentials als Funktion von V0. Die Losung der Schrodingergleichung (Linie) wird
mit zwei Monte-Carlo Rechnungen verglichen. Monte-Carlo (1) beruht auf den Zusam-
menhang zwischen Wellenfunktion und Dichtematrix (34), Monte-Carlo (2) benutzt die
"Spurformel" ( siehe Abschnitt 3.3.4, Gleichung 72). Unten: Der Wirkungsquerschnitt
des Gaupotentials als Funktion der Potentialstarke V0.

41
Das Konvergenzverhalten in T kann studiert werden, wenn man die Observable O(T )
aus Gleichung (56) als Funktion der Langevin-Zeit auftragt. In Abbildung 14 ist das
Ergebnis der Simulation fur = 100 und V0 = 0:1 bzw. V0 = 0:3 aufgetragen.
Man sieht, da in beiden Fallen das Resultat bereits ab T = 1000 stabil ist und den
asyptotischen Wert ab T = 4000 auf etwa 1 Prozent genau angenommen hat. Wie
bereits erwahnt ist die Autokorrelationszeit der freien Wirkung bei = 100 etwa tac =
2000. Man sieht also, da das Verhalten der freien Wirkung eine gute Abschatzung der
Groenordnung der benotigten Langevin-Zeiten T liefert.
Fur V = 0:3 ist das Konvergenzverhalten etwas schlechter. Der Grund dafur
ist, da das Kastenpotential in diesem Fall ein schlechteres Modell ist. Deswegen hat
die Observable O eine groere Varianz und die Monte-Carlo-Integration konvergiert
langsamer. Fur stark attraktive Potentiale sollte die Autokorrelationszeit der Pfade
kleiner werden, denn die langen Zeiten tac entstehen, wie bereits dikutiert, dadurch,
da Pfade weit in den Auenraum reichen konnen. Dieses Problem sollte fur starker
werdende Potentiale verschwinden. Das heit aber, da der vorgestellte Algorithmus
bei geeignet gewahlten Observablen O fur starke Potentiale gut geeignet sein wird.
Die Wahl eines verbesserten Referenzpotentials kann auch die Konvergenz in T we-
sentlich verbessern. In Abbildung 15 wird fur V0 = 0:5 die Observable O(T ) fur das
Kastenpotential (61,62) und das verbesserte Potential (64) verglichen. Man sieht deut-
lich, wie das verbesserte Potential zu einer wesentlich schnelleren Konvergenz fuhrt. Die
geringere Varianz der Observable ist dafur der Grund.
Fur 250000 Pfad-\updates" werden auf einer HP9000/720 bei = 50 und  = 0:5
etwa 20 Minuten Rechenzeit benotigt. Im Vergleich zum Random-Walk-Algorithmus
ist das Verfahren wesentlich ezienter. Um eine vergleichbare Genauigkeit zu erzielen
ware dort eine um Groenordungen langere Rechenzeit erforderlich gewesen. Allerdings
liefert das Verfahren im Gegensatz zum Random-Walk nicht die Zeitentwicklung in .
In diesem Abschnitt wurde gezeigt, da man Streuobservablen mit hoher Genauigkeit
durch Monte-Carlo-Methoden berechnen kann, indem man den Zusammenhang zwischen
Dichtematrix und Wellenfunktionen (34) benutzt. In den folgenden Abschnitten werden
noch zwei andere Methoden vorgestellt und diskutiert.
3.3.3 Direkte Berechnung der Streulange
Eine alternative Methode, die Streulange zu berechnen, kann gefunden werden, wenn
man das Verhalten der T -Matrix unter Skalentransformationen ausnutzt. Man verwen-
det dazu die Gleichung [Le2]
d ph~p jT (E )j~p i = h ( ) jo(~x)j (+)i (65)
pf pi
dp f i
p2 = p~2f = ~p2i = 2mE
o(~x) = 2V (~x) + ~x~rV (~x); (66)
die im Anhang A.2 bewiesen wird. Bei E = 0 reduziert sich (65) auf
h~p = 0jT (0)j~p = 0i = h k=0jo(~x)j k=0i: (67)

42
O(T) fuer V0=-0.3
1
Monte-Carlo (1)
Monte-Carlo (2)
0.98

0.96

0.94
O(T)

0.92

0.9

0.88

0.86

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Langevin-Zeit T

O(T) fuer V0=0.1


1.1
Monte-Carlo (1)
Monte-Carlo (2)
1.08

1.06

1.04
O(T)

1.02

0.98

0.96

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Langevin-Zeit T

Abbildung 14: Die Vorhersage fur das Verhaltnis der Wirkungsquerschnitte von Kasten-
potential und Gaupotential als Funktion der Simulationszeit. Monte-Carlo (1) beruht
auf den Zusammenhang zwischen Wellenfunktion und Dichtematrix (34), Monte-Carlo
(2) benutzt die "Spurformel" ( siehe Abschnitt 3.3.4).

43
Verhaeltnis der Wirkungsquerschnitte
Vergleich der Referenzpotentiale beta = 80
1.1

1.05

0.95 Potential (1)


Potential (2)
0.9

0.85

0.8

0.75

0.7
0 1000 3000 5000 7000 9000
Langevin-Zeit T

Abbildung 15: Die Vorhersage fur das Verhaltnis der Wirkungsquerschnitte von Ka-
stenpotential und Gaupotential als Funktion der Simulationszeit. Potential (1) ist das
durch die Gleichungen (61,62) de nierte Refenzpotential, Potential (2) ist das fur starke
Potentiale verbesserte Referenzpotential (64).

Diese Gleichung verbindet im Gegensatz zu (95) die Streuamplitude mit einem Ma-
trixelement aus zwei Streuwellenfunktionen. Mit ihr kann man in zwei Schritten eine
Pfadintegraldarstellung des Wirkungsquerschnitts herleiten. Zunachst benutzt man wie-
der den Zusammenhang zwischen Dichtematrix und Streuwellenfunktionen in Gleichung
(34):
R d3xh~x j exp( H )j~xio(~x)h~xj exp( H )j~x i
f 2 2 i !1
h~xf j exp( H )j~xii = (68)
 4m 3 ( ) (+)y Z
k=0 (~xf ) k=0 (~xi)

 2m 3=2 ( ) ( ) y
d3 x k( =0)y(~x)o(~x) k(+)
=0(~x) (69)
(~x
k=0 f k=0 i) (~
x )
Die linke Seite dieser Gleichung kann durch die Trotter-Produkt-Formel umgeschrieben
werden: R (~xf ; ) Dx exp( S (x))o ~x( )
lhs: = (~xi;0)R (~xf ; ) 2 =: ho(~x( )i (70)
(~xi;0) Dx exp( S (x )) 2
Da bei k = 0 die Wellenfunktionen (+) und ( ) identisch sind, ist die Streuamplitude
bei verschwindender Energie durch
 3=2
f = 41 (2m)(2 )3=22 3 2m ho(~x( 2 )i (71)

44
Streulaenge fuer V0=0.1
0
f
-0.1

-0.2

-0.3
Streulaenge f

-0.4

-0.5

-0.6

-0.7

-0.8

-0.9

-1
0 10000 30000 50000 70000 90000
Langevin-Zeit T

Abbildung 16: Die Streuamplitude f fur V0 = 0:1 als Funktion der Simulationszeit, die
physikalische Zeit ist = 100. Der exakte Wert ist f = 0:21.

gegeben. Die Mittelung h: : :i versteht sich bezuglich Pfaden gema (70):


L+
XLeq
1
ho(~x( 2 )i  L o(~x( 2 ; tl))
l=Leq
Die Beitrage von den Anfangspunkten der Pfade kurzen sich hier zusammen mit der
Normierung der Verteilungsfunktion (48). Daher kann man ~xf und ~xi frei wahlen.
Es emp ehlt sich fur numerische Rechnungen die Anfangspunkte in das Potential bei
~xf = ~xi = 0 zu legen, da so die Pfade maximale Information uber die Physik innerhalb
des Potentials tragen.
Diese Methode wurde wieder fur das Gaupotential (40) getestet. Abbildung 16 zeigt
die Streuamplitude f als Funktion der Simulationszeit T fur ein Potential der Starke
V0 = 0:1 und = 100. Der exakte Wert fur die Steulange ist f = 0:21. Die Pfade
wurden durch Langevin-Simulation mit dem gleichen Programm und den gleichen Para-
metern wie im vorherigen Abschnitt erzeugt, wobei jedoch die Endpunkte des Pfades bei
~xf = ~xi = 0 festgehalten wurden. Au allig sind die starken Schwankungen, und die, im
Vergleich zu Abb. 14, sehr langsame Konvergenz. Der Grund hierfur kann p verstanden
werden, wenn man die Verteilung des Radialabstandes der Pfadmitte r := ~x( =2)2 aus
der Simulation entnimmt. Diese Verteilung ist das Quadrat der Radialwellenfunktion
ju(r)j2 = j (r)rj2. In Abbildung 17 ist diese Groe zusammen mit o(~x) aufgetragen.
Man sieht hier wiederum, da der grote Teil der Pfade zum Integral nicht beitragt,
das heit, nur wenig Information uber das Streuproblem tragt. Diese Eigenschaft hatte
sich bereits in Abschnitt 3.3.1 als Problem herausgestellt. Ein weiterer Schwachpunkt

45
Verteilung des Pfadmittelpunkts P(r) und o(r) bei V0=0.1
0.1
Verteilung des Pfadmittelpunkts P(r)
o(r)
0.08

0.06
o(r) und P(r)

0.04

0.02

-0.02
0 2 4 6 8 10 12 14 16 18 20
r

Abbildung 17: Verteilung der Pfadmittelpunkte u2 (r) fur V0 = 0:1 und o(r) als Funktion
des Abstands r vom Ursprung.

dieser Methode ist, da nur der Punkt ~x( =2) aus jedem Pfad verwendet wird, um In-
formation zu gewinnen. Die in Abschnitt 3.3.2 vorgestellte Observable O(x) (Gleichung
(52)) verwendet dagegen ein Integral entlang des ganzen Pfads. Auerdem ist die dop-
pelte Zeit wie bei den zuerst vorgestellten Algorithmen notig, weil in (69) benutzt
wird, da die Dichtematrix bereits bei =2 von der Wellenfunktion bei k = 0 dominiert
wird. Die Ursache von diesen Schwierigkeiten ist naturlich, da im Gegensatz zu (52)
keine zusatzliche Information uber die Physik des Problems durch ein Referenzpoten-
tial V~ implementiert wurde. Das in vorherigen Abschnitt vorgestellte Verfahren liefert
ein ahnlich schlechtes Konvergenzverhalten, wenn man es mit V~ = 0 verwendet. Es
ware interessant zu untersuchen, ob man Gleichung (65) in Zusammenhang mit einem
Referenzproblem benutzen kann.
Ein Vorteil dieser Methode ist, die Moglichkeit das Vorzeichen der Streulange stocha-
stisch zu bestimmen. Diese Frage ist nicht trivial, wenn das Potential kein einheitliches
Vorzeichen hat. Die bisher vorgestellten Methoden konnen darauf keine Antwort geben.
Numerisch kann man sie auf einfache Weise zusammen mit dem Langevin-Algorithmus
benutzen, da lediglich die Dynamik der Endpunkte des Pfades und die Observable un-
terschiedlich sind, die Langevin-Dynamik der Pfadpunkte ist gleich.

46
3.3.4 Zustandssumme und Streuobservable
Eine weitere Methode, die Streulange aus einer numerischen Simulation zu entnehmen,
ist die Verwendung der Gleichung
X
Z = Tr(e H e H0 ) = (2l + 1)zl( )
l
Z1 2 l (k)
zl ( ) = 1 dk exp( 2km ) @@k (72)
k=0
wobei l (k) die Streuphase ist [Gel, Das]. Die Di erenz der Zustandsumme fur das
Streusystem mit H = H0 + V und der freien Zustandssumme mit H0 = ~p2 =(2m) wird
dadurch mit den Streuphasen verknupft. Beide Zustandssummen sind unendlich, die
Di erenz ist jedoch endlich. In der Vergangenheit wurde diese Gleichung dazu benutzt,
fur ein System, dessen S -Matrix bekannt ist, die Zustandssumme herzuleiten. Hier soll
der umgekehrte Weg beschritten werden. Fur die rechte Seite kann eine Pfadintegral-
darstellung gegeben werden:
Z Z
Z = Dxe S0 (e S 1) = Dx exp( S0 + ln(e S 1)) (73)
NX1 m NX1
S0 := (~x n +1 ~
x n )2  S V := V (~xn):
n=0 2 n=0
Probleme, die mit dem Auftreten des Logarithmus in (73) verbunden sind, werden im
folgenden ausfuhrlich diskutiert. Das Pfadintegral in (73) erstreckt sich aufgrund der
Spur in Gleichung (72) nur uber periodische Pfade, d.h. ~xN = ~x0 und
NY1 m 3=2 d3x :
Dx := n
n=0 2
Fur den Spezialfall, da V keine Nullstellen hat, sieht man sofort, da der Term in
Logarithmus ein einheitliches Vorzeichen hat. Deswegen erzeugt die stochastische Dif-
ferentialgleichung
@ ~x (t) = @S0 1 @ SV + ~ (t) (74)
@t n @~xn 1 eSV @~xn n
Pfade, die gema dem Integranden in (73) verteilt sind. Diese Gleichung ist unabhangig
vom Vorzeichen des Potentials richtig. Die Observable
SV~
O(x) := ee SV 11 (75)
mit einem beliebigen Referenzpotential liefert dann in diesen Pfaden gemessen:
hOi !1 f
= fV~ (76)
V
fV ist die Streuamplitude zum Potential V bei k = 0. Bemerkenswert ist, da hier
das Vorzeichen der Streuamplitude stochastisch im Vergleich zu einem Referenzproblem
bestimmt werden kann.
47
Die stochastische Di erentialgleichung hat die gleiche Form wie (46), bis auf den
Faktor vor dem Potentialterm der Wirkung. Er bewirkt, da fur Pfade, die den Bereich
des Potentials verlassen, die Driftkraft modi ziert wird. Sowohl fur attraktive als auch
fur repulsive Potentiale werden die Pfade aus den Auenraum in den Potentialbereich
gezogen. Es konnen weiterhin einzelne Pfadsegmente, wie in Abb. 10 gezeigt, weit
in den Auenraum hinausreichen, denn der Faktor vor der Potentialdrift in (74) ist
nur sensitiv auf globale A nderungen des Pfades. Lokal verhindert nur der kinetische
Anteil der Wirkung S0, da die Pfade den Potentialbereich verlassen. Deswegen ist kein
wesentlich besseres Konvergenzverhalten des Algorithmus in Vergleich zur Langevin-
Methode zu erwarten.
Gleichung (74) wurde zunacht nur fur Potentiale mit einheitlichem Vorzeichen her-
geleitet, denn nur in diesem Fall kann der Logarithmus von D := exp( S ) 1 in
(73) gebildet werden. Fur attraktive Potentiale ist D positiv, fur repulsive negativ.
Der Formalismus kann aber auch auf Potentiale mit Nullstellen verallgemeinert werden.
Der Raum der Pfade ist dann in Sektoren unterteilt in denen D negativ oder positiv
ist. Deswegen kann man mit der folgenden Vorgehensweise diese Methode auch bei Po-
tentialen mit Nullstellen verwenden: Man wahlt zufallig einen Startpfad und simuliert
(74), wobei man Schritte verwirft, bei denen D sein Vorzeichen andert. Der Proze ist
ergodisch innerhalb des Sektors, in dem der Startpfad liegt. Man mu die Simulation
fur eine ausreichende Zahl von Startpfaden wiederholen, um sicherzugehen, da man
alle Sektoren des Pfadraumes abgetastet hat. Entscheidend ist hier wieder die Wahl
des Referenzpotentials. Es sollte eine ahnliche Struktur wie das ursprungliche Problem
haben, damit nicht negative und positive Beitrage durch gegenseitige Ausloschung zu
einer schlechten Statistik fuhren.
Das Konvergenzverhalten dieser Methode fur Potentiale mit einheitlichen Vorzei-
chen scheint ahnlich wie beim Langevin-Algorithmus in Abschnitt 3.3.2 zu sein. Zum
Vergleich wurde wieder fur das Gaupotential (40) und das Kastenpotential (61) das
Verhaltnis der Wirkungsquerschnitte berechnet. Die Parameter sind wie in 3.3.2
gewahlt, die physikalische Zeit war = 80. Die Ergebnisse sind in Abbildung 13 im
Vergleich zum exakten Resultat und zum Langevin-Algorithmus aufgetragen. O en-
sichtlich liefern beide Methoden ahnlich gute Ergebnisse. Das sieht man auch anhand
von Abbildung 14, in der das Quadrat von (76) als Funktion der Simulationszeit (Kurve:
Monte-Carlo (2)) zusammen mit dem Ergebnis aus Abschnitt 3.3.2 (Kurve: Monte-Carlo
(1)) aufgetragen ist. Beide Algorithmen liefern nach etwa T = 4000 den asymptotischen
Wert auf 1 Prozent genau. Es treten systematische Fehler wegen der Diskretisierung auf,
die fur schwache Potentiale etwas unterschiedliche Resultate im Vergleich von Langevin-
Verfahren verursachen. Diese Unterschiede wurden jedoch im Rahmen dieser Arbeit
nicht systematisch untersucht.
Es ist moglich Gleichung (72) fur Streuung an Targets mit internen dynamischen
Freiheitsgraden zu verallgemeinern [Das]. Auf eventuelle Vorteile der Methode in diesem
Fall wird im nachsten Kapitel noch eingegangen.

48
3.4 Zusammenfassung
In den vorangegangen Abschnitten wurden vier Methoden entwickelt, die zur Berech-
nung von Streuobservablen geeignet sind. Es zeigte sich, da die Langevin-Methode
(Abschnitt 3.3.2) und die Simulation der Zustandssumme (Abschnitt 3.3.4) schnell kon-
vergieren und sehr genaue Ergebnisse liefern konnen. Der Grund dafur ist, da es
moglich ist ein Referenzpotential zu verwenden und damit die Varianz der Observa-
blen zu minimieren. Die Random-Walk-Monte-Carlo Methode (Abschnitt 3.3.1) und
die direkte Berechnung der Streulange (Abschnitt 3.3.3) konvergieren dagegen relativ
langsam. Es ware lohnend zu untersuchen, ob diese Verfahren so modi ziert werden
konnen, da man auch hier ein Referenzproblem implementieren kann. Dann waren
wesentlich bessere Konvergenzeigenschaften zu erwarten.

4 Targets mit internen Freiheitsgraden


4.1 Einfuhrung
Nachdem im vorherigen Kapitel eine Reihe von Methoden entwickelt wurden, um Po-
tentialstreuprobleme durch Monte-Carlo-Methoden zu losen, soll in diesem Kapitel die
Streuung an Targets mit internen dynamischen Freiheitsgraden behandelt werden. Dazu
wird der Langevin-Algorithmus aus Abschnitt 3.3.2 verallgemeinert. Es zeigt sich,
da das Projektil-Target Vielkorperproblem durch numerische Simulation gelost werden
kann. Wesentlich fur gute Konvergenzeigenschaften ist wie bei der Potentialstreuung,
da ein geeignetes Referenzproblem eingefuhrt wird.
4.2 Oszillatortargets
Ausgehend von dem Hamiltonoperator (1) sollen als Modell fur das Target A unabhangi-
gen, spinlosen Nukleonen in Oszillator-Potentialen untersucht werden:
XA ~
p2a 1 2 2!
Hint = HHO = + M! ~qa :
a=1 2M 2
Die Wechselwirkung zwischen Projektil und Target wird durch Zweikorperkrafte darge-
stellt:
X
A
V (~x; ~q1; : : :; ~qA ) = V (~x ~qa ):
a=1
Da das Ziel dieser Arbeit hauptsachlich die Entwicklung von Methoden zur Vielfach-
streudynamik ist, ist es legitim, zunachst diese sehr vereinfachten Modelle fur das Target
und die Wechselwirkung zu verwenden. Fur realistische Anwendungen in der Kernphy-
sik ist es jedoch notig, Restwechselwirkungen zwischen den Nukleonen und Antisym-
metrisierung zu implementieren. Auch die Form der Wechselwirkung ist unrealistisch.
Spin-Bahn-Wechselwirkung und Annihilation des Projektils sind notwendig, um z.B.
Antiproton-Proton-Streuung richtig zu beschreiben.

49
Der Zusammenhang zwischen Streuwellenfunktion und Dichtematrix im Limes aus
der Potentialstreuung (34) kann fur zusammengesetzte Targets verallgemeinert werden:
 3=2
= exp( E ) 2m
h~x0q0j exp( H )j~xqi !1 0 (~x0; q0 ) (~x; q);
n=0;k=0 n=0;k=0
n steht dabei fur die Quantenzahlen des Targets, ~k ist der Impuls des Projektils und E0
ist die Grundzustandsenergie des Targets. In Abwesenheit eines gebundenen Zustands
des Projektil-Target Systems wird die Dichtematrix im Limes ! 1 von der Streuwel-
lenfunktion n=0;k=0 dominiert. ist eine Losung der Lippmann-Schwinger Gleichung
mit einlaufender Welle jn = 0; k = 0i, d.h. der Kern ist im Grundzustand und das Pro-
jektil in einem Impulseigenzustand mit ~k = 0. Es wird hier folgende Notation
q = (~q1 ; : : :; ~qA ) (77)
fur die Variablen des Targets verwendet. Gleichungen (35) bis (37) gelten analog mit
 ( ) = N ( ) exp( E0)(2Z  )3h0; k = 0jV exp( H )V j0; k = 0i (78)
= N ( ) exp( E0) d3Aqd3A q 0 d3xd3 x0(~x0q 0 ; ~xq j )
X
A ! X
A !
 V (~x ~qa )0(q) V (~x ~qa0 )0(q0 )
0 ; (79)
a=1 a =1
0

wobei 0(q ) = hq jn = 0i die Grundzustandswellenfunktion des Targets ist.


Wenn das Target keine einfache Struktur hat, kann es ein Problem sein, da fur die
Berechnung der Wirkungsquerschnitts die explizite Form der Grundzustandswellenfunk-
tion benotigt wird. Die Methode, die in Abschnitt 3.3.4 vorgestellt wurde, vermeidet
diese Schwierigkeit, denn auch in der Verallgemeinerung auf zusammengesetzte Targets,
wie sie in [Das] gegeben wird, treten keine Integrationen uber einlaufende und auslau-
fende Wellen auf. Es ware daher interessant, dieses Verfahren in einer weiteren Arbeit
zu untersuchen. Auch der hier weiter dikutierte Langevin-Algorithmus kann jedoch so
modi ziert werden, da Targets mit komplizierter Struktur verwendet werden konnen.
Das wird am Ende dieses Kapitels noch ausfuhrlich erlautert.
Mit Hilfe der Trotter-Produkt-Formel kann nun die Dichtematrix wieder in ein Pfad-
integral umgewandelt werden. Die Greensfunktion fur A harmonische Oszillatoren ist
explizit bekannt, deswegen kann als Propagator fur einen Zeitschritt die Funktion
 3=2 m (~x0 ~x)2 +  XA
h~x0q0j exp( H )j~xqi  GHO ( q 0 ; qj) m exp( ( V (~x ~qa )))
0 2 2 a=1
mit
 M! 3=2  M! 
GHO(q 0; qj ) = 0 2 2 0
exp 2 sinh ! ((q + q ) cosh ! 2q q ) (80)
0 2 sinh !
verwendet werden. Auf diese Weise hat man die Dynamik des Targets in Abwesenheit
des Projektils fur beliebige Zeiten  exakt gelost. Es wurde bereits fur Potentialstreu-
ung erlautert, da die Diskretisierung der physikalischen Zeit die Ursache fur lange
50
Rechenzeiten ist. Am e ektivsten kann man daher die Rechenzeit des Verfahrens re-
duzieren, wenn man moglicht gute Propagatoren fur einen Zeitschritt verwendet. Fur
Streuprobleme sind bisher keine Modelle bekannt, in denen die Greensfunktion auf ein-
fache Weise exakt dargestellt werden kann. Daher mu in dieser Formulierung die Hin-
tereinanderstreuung am gleichen Nukleon durch den stochastischen Proze zusammen
mit der Vielfachstreudynamik gelost werden. Im Gegensatz dazu konnte in der kon-
ventionellen Vielfachstreutheorie formal die Vielfachstreudynamik und die elementaren
Prozee durch Einfuhrung der Operatoren i in der Watson-Reihe getrennt werden. In
i wurden dabei alle Streuprozesse an einem Nukleon aufsummiert.
Die Observablen werden hier ebenfalls mit einem Referenzpotential wie in Gleichung
(52) konstruiert:
XN X A
O = exp  ( V (xn qn;a ) Veff (xn)) (81)
n=1 a=1
Man entfernt die Kopplung zwischen Projektil und Targetfreiheitsgraden und ersetzt
sie durch ein e ektives Einteilchen-Potential das nur auf die Freiheitsgrade des Pro-
jektils wirkt. Man wird versuchen, Modellpotentiale zu konstruieren, die die Varianz
Var O = hO2i hOi2 minimieren. Das wird aber mit einer Observable, die auf einem
Einteilchenpotential beruht, nur gelingen, solange die virtuellen angeregten Zwischen-
zustande des Targets keine sehr groe Rolle spielen. Das wird spater noch anhand eines
konkreten Beispiels erlautert werden.
Die Behandlung der Endpunkte ist bei Streuung an zusammengesetzten Targets
ein nichttriviales Problem, da der Raum der Endpunkte selbst hochdimensional ist.
Diese Frage soll nun zunachst fur ein gebundenes Targetteilchen behandelt werden. Die
Grundzustandswellenfunktion eines Teilchens hat bei lokalen Potentialen keine Knoten,
daher kann man stets die Integration uber die Anfangspunkte des Targets stochastisch
ausfuhren lassen. Man modi ziert dazu die Wirkung in der Langevin Gleichung (46)
S 0 = S ln 0 (qf ) ln 0(q i ) ln V (~xf ~qf ) ln V (~xi ~qi )
und behandelt die Pfadendpunkte als dynamische Variablen. Das ist nur moglich, wenn
auch das Potential keine Knoten hat. Andere Potential mu man in Teilbereiche mit
gleichem Vorzeichen aufteilen und mehrere getrennete Simulationen vornehmen.
Mit man in den so gesampelten Pfaden die Observable O, so ndet man im Limes
langer Zeiten :
R d3xd3x0V (~x)V (~x0)Veff (~x; ~x0j ) exp( E )
!1 R
hOi = d3xd3x0 R d3qd3q0Vg(~x g~q) (~q)V (~x0 ~q0) (~q0)(~x0; ~q; ~x0; ~q0j ) (82)
0 0
mit Z
Vg (~x) = d3 qj0(~q)j2V (~x ~q) (83)
Um Gleichung (82) herzuleiten wurde verwendet, da im Zahler das Produkt aus einer
Dichtematrix Veff fur Potentialstreuung am Potential Veff und der Dichtematrix des
Targets Target erscheint. Im Limes langer Zeiten reduziert sich Target auf die Grund-
zustandswellenfunktionen des Targets. An den Endpunkten tritt daher das gemittelte
Potential Vg auf.
51
Wenn man eine korrigierte Observable
O0 = O VVeff(~x(~xf) ) VVeff(~x(~x)i) (84)
g f g i
mit, dann hat der Erwartungswert diese Observable wieder die Interpretation als
Verhaltnis von Wirkungsquerschnitten:

hO0i !1
= Veff ;
HO
Die Modi kation (84) der Observable ist nicht notwendig. Der Erwartungswert von O
kann zwar nicht als Verhaltnis von Wirkungsquerschnitten interpretiert werden. Da der
Zahler aber die Losung eines Einteilchenproblems ist, kann er in jedem Fall numerisch
berechnet werden
Fur ein Target aus harmonischen Oszillatoren und mit dem Gausspotential (40)
als Wechselwirkung zwischen Projektil und Nukleonen hat das gemittelte Potential die
Form:
r 3  1   
2
Vg (~x ) = 1 + V0 exp 2b2 1 + ~x2 (85)
2
:= 2 ab2 a2 := M! 1 (86)
Falls die Masse der Nukleonen M oder die typische Anregungsenergie der Targets ! sehr
gro ist, sind das elementare Potential und das gefaltete Potential identisch. Das ist
klar, denn im Grenzfall M! ! 1 wird die Wellenfuntion des harmonischen Oszillators
zu einer  -Funktion, damit sind die Nukleonen am Ursprung lokalisiert. 1=2 kann als
Verhaltnis der typischen Langen des Potentials b und des Targets a interpretiert werden.
Bei A Targetteilchen ist die Behandlung der Endpunkte etwas komplizierter. Die
einfachste Moglichkeit ist, die Wirkung
X X
S 0 = S ln 0(q) ln 0 (q0) ln V (~x ~qa ) ln V (~x0 q~a0 )
a a
zu simulieren. Es mussen dann aber mehrere Simuationen mit verschiedenen Startpfaden
durchgefuhrt werden. Der Grund dafur ist, da es moglicherweise sehr lange dauern
kann, bis ein Pfad, der bei Nukleon a beginnt und bei Nukleon b endet in einem Pfad
ubergefuhrt wird, der bei einem anderen Nukleonen endet.
Fur den Fall von A identischen Targetteilchen gibt es noch eine andere Moglichkeit
die Endpunkte zu behandeln. Der Ausdruck in Gleichung (79) zerfallt in zwei Terme:
 ( ) = Ad ( ) + A(A Z 1)i( ) (87)
d ( ) = N ( ) exp( E0) d3A qd3A q0d3 xd3x0 (~x0q 0; ~xqj )
V (~x ~q1 )0(q)V (~x ~q10 )0 (q0 ) (88)
Z
i ( ) = N ( ) exp( E0) d3A qd3A q0d3 xd3x0 (~x0q 0; ~xqj )
V (~x ~q1 )0(q)V (~x ~q20 )0 (q0 ) (89)
52
Der direkte Term d entspricht Prozessen, bei denen das Projektil beim gleichen Tar-
getteilchen in den Wechselwirkungsbereich ein- und austritt. Beim indirekten Term i
tritt das Projektil bei einem anderen Targetteilchen aus. Fur jeden der beiden Falle
kann man eine Simulation durchzufuhren, eine mit
Sd = S ln 0(q ) ln 0(q0 ) ln V (~x ~q1 ) ln V (~x0 ~q10 )
und eine mit
Si = S ln 0(q ) ln 0(q 0) ln V (~x ~q1) ln V (~x0 ~q20 ):
i und V d und zwei
Entsprechend konnen zwei unterschiedliche e ektive Potentiale Veff eff
Observable gema (81,84) de niert werden. Es gilt
 d  i
hOdid = Veff hOiii = Veff :
d i
Man erhalt dann V d V i
 (E = 0) !1
= A hOeffi + A(A 1) hOeffi :
dd ii
Eine mogliche Wahl fur das e ektive Potential ist
d = V i = AV :
Veff (90)
eff g
Man geht also von der Annahme aus, da sich das Target standig im Grundzustand
be ndet und angeregte Zwischenzustande keine Rolle spielen. Es ist zu erwarten, da
fur schwache Kopplung zwischen Projektil und Target oder fur ein Target mit groen
Anregungsenergien, d.h. ! ! 1, dieses e ektive Potential eine gute Naherung sein
wird. Im allgemeinen ist (90) kein gutes Modellpotential fur die Vielfachstreuung. Ein
optisches Potential der Form (13) konnte fur starke Potentiale V und kleiner Dichte des
Targets ein besseres Modell sein.
Die Methode wurden mit Modellparametern getestet, die den realistischen Dimensio-
nen in der Nukleon-4 He-Streuung entsprechen. Als Projektil-Nukleon-Potential wurde
ein Gaupotential mit b = 0:6 fm verwendet. Fur die Masse von Projektil und Nukleonen
wurde m = M = 1 GeV  5 fm 1 gesetzt. Als Oszillatorfrequenz wurde ! = 0:075 fm 1
angenommen. Das entspricht einem mittleren quadratischen Radius des Kerns von
Z
h~r2i = d3r(1)(r)~r2 = 4 fm2:
Der mittlere quadratische Radius des Potentials ist in etwa 1 fm2. Die Wechselwirkungs-
bereiche der einzelnen Nukleonen werden also nicht sehr stark uberlappen.
Der erste angeregte Zustand des Targets liegt bei E1 := E1 E0 = 15 MeV. Tests
mit dem Random-Walk-Monte-Carlo-Verfahren haben gezeigt, da mit einem Zeitschritt
 = 0:5 fm fur das verwendete Potential noch keine merklichen Diskretisierungsfehler
auftreten. Als physikalische Zeit wurde fur alle Rechnungen = 80 fm verwendet.
Es wurde eine Rechnung mit 4 Nukleonen (4 He) und mit einem Nukleon durch-
gefuhrt. In Abbildung 18 ist das Verhaltnis der Wirkungsquerschnitte vom vollem Pro-
blem und e ektivem Potential als Funktion der Potentialstarke V0 aufgetragen.
53
Omega = 0.075 1/fm
1.6
Verhaeltnis der Wirkungsquerschnitte

Ein Zentrum
Vier Zentren

1.4

1.2

0.8

0.6
-40 -20 0 20 40 60 80 100 120
Potentialstaerke V0 (in MeV)

Omega = 0.15 1/fm


1.6
Verhaeltnis der Wirkungsquerschnitte

Ein Zentrum
Vier Zentren

1.4

1.2

0.8

0.6
-40 -20 0 20 40 60 80 100 120
Potentialstaerke V0 (in MeV)

Abbildung 18: Verhaltnis der Wirkungsquerschnitte von vollem Problem zu e ektivem


Potential fur ein und fur vier Nukleonen als Funktion der Potentialstarke bei = 80 fm.
Oben: ! = 0:075 fm 1. Unten: ! = 0:15 fm 1.

54
Omega = 0.075 1/fm
1200
Monte-Carlo
Effektives Potential
Wirkungsquerschnitt (in mb)

1000

800

600

400

200

0
-20 0 20 40 60 80 100
Potentialstaerke V0 (in MeV)

Omega = 0.15 1/fm


1200
Monte-Carlo
Effektives Potential
Wirkungsquerschnitt (in mb)

1000

800

600

400

200

0
-20 0 20 40 60 80 100
Potentialstaerke V0 (in MeV)

Abbildung 19: Wirkungsquerschnitte fur vier Nukleonen als Funktion der Potenti-
alstarke bei = 80 fm. Die Datenpunkte sind das Monte-Carlo Ergebnis. Durchge-
zogene Linie: e ektives Potential (Gleichung 90). Oben: ! = 0:075 fm 1. Unten:
! = 0:15 fm 1.

55
Projektil-Nukleon Streuamplitude (in fm)

1.2
Projektil-Nukleon Streuamplitude
1

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8
-40 -20 0 20 40 60 80 100
Potentialstaerke (in MeV)

Abbildung 20: Die Streuamplitude fur die Streuung von Projektil an einem festen Nu-
kleon mit den Parametern b = 0:6 fm, M = 1 GeV als Funktion der Potentialstarke

Fur 4 Nukleonen zeigt Abbildung 19 die Wirkungsquerschnitte aus der Monte-Carlo-


Rechnung und fur das e ektive Potential.
Die Simulationsparameter waren, wie bei Potentialstreuung: Langevin-Zeitschritt
t = 0:04 fm2 , Equilibrierungszeit Teq = 1000 fm2 und Messzeit T = 10000 fm2 . Man
sieht, da, wie erwartet, fur kleines V0 das e ektive Potential eine gute Naherung ist.
Insbesondere fur stark attraktive Potentiale treten aber Abweichungen auf. Die Monte-
Carlo-Simulation sagt fur vier Zentren bei V0 = 40 MeV einen um etwa 55 Prozent
groeren Wirkungsquerschnitt als das e ektive Potential voraus. Angeregte Zustande
spielen also bereits eine groe Rolle. Der elementare Wirkungsquerschnitt ist hier
element  140 mb, was einer Streulange von etwa 1:2 fm entspricht (Abbildung 20).
Das ist vergleichbar mit dem typischen Abstand zweier Nukleonen. Vielfachstreue ekte
werden hier also bereits wichtig sein. Bei vier Zentren ist der Wirkungsquerschnitt
des e ektiven Potentials Veff  7:4  105 mb, denn der erste gebundene Zustand des
e ektiven Potentials entsteht bei V0  50 MeV.
Trotz dieser sehr groen Wirkungsquerschnitte konvergiert die Simulation relativ
schnell. In Abbildung 21 ist fur die Rechnungen mit V0 = 40 MeV , V0 = 10 MeV
und V0 = 100 MeV das Verhaltnis der Wirkungsquerschnitt von vollem Problem und
e ektivem Potential 1=O(T ) aufgetragen.
Fur 4 Zentren wird nur die direkte Observable gezeigt, die indirekte Observable
hat qualitativ die gleichen Eigenschaften. In allen drei Fallen ist das Resultat bei
T = 2000 fm2 stabil. Fur das schwache Potential ndet man Schwankungen von etwa
einem Prozent. Fur den stark attraktiven Fall V0 = 40 MeV mit 4 Zentren sind die
Schwankungen ab T = 2000 fm2 ungefahr 10 Prozent. Die Rechnungen fur ein Zentrum

56
1/O(T) fuer 1 Zentrum und 4 Zentren
2.2
V0=100MeV, 4 Zentren
2 1 Zentrum
V0=-10MeV, 4 Zentren
1.8 1 Zentrum
V0=-40MeV, 4 Zentren
1 Zentrum
1.6

1.4

1.2

0.8

0.6

0.4

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Langevin-Zeit T

Abbildung 21: Das Verhaltnis der Wirkungsquerschnitte von vollem Problem und e ek-
tivem Potential 1=O(T ) als Funktion der Langevin-Zeit T fur 1 Zentrum und 4 Zentren.
Bei 4 Zentren ist nur die direkte Observable aufgetragen, die indirekte Observable hat
qualitativ das gleiche Verhalten.

sind generell etwas stabiler, weil weniger Freiheitsgrade beteiligt sind.


Die Ergebnisse zeigen, da es numerisch kein Problem ist, mit den verwendeten Algo-
rithmen eine groere Zahl von Freiheitsgraden (d.h. Streuzentren) zu behandeln. Auch
im Fall sehr starker Projektil-Target Wechselwirkung sind die Konvergenzeigenschaften
gut. Fur die gesamte Simulation wurden insgesamt L = 550000 Pfad-\updates" durch-
gefuhrt. Auf einer Workstation HP9000/720 kostet ein Datenpunkt in Abbildung 18 fur
4 Zentren etwa 5 Stunden CPU-Zeit. Es soll hier aber darauf hingewiesen werden, da
bei den verwendeten Programmen und Algorithmen keinerlei Optimierung auf schnelle
Ausfuhrung vorgenommen wurde.
Im Gegensatz zur Potentialstreuung kann hier durch ein verbessertes e ektives Po-
tential fur starke Potentiale keine wesentliche Verbesserung der Konvergenzeigenschaften
erzielt werden. Der Grund dafur ist, da man mit der Observablen O in Gleichung (81),
die auf einem lokalen e ektiven Einteilchenpotential beruht, keine Korrelationen von
Projektilpfaden und Targetpfaden modellieren kann. Sobald diese Korrelationen phy-
sikalisch wichtig werden, d.h. sobald angeregte Zustande des Targets eine groe Rolle
spielen, werden groe Varianzen von O auftreten. Fur V0 = 40 MeV wurde versucht,
ein e ekives Potential mit niedriger Varianz zu nden. Es zeigt sich aber, da keine
wesentlichen Verbesserungen uber das gefaltete Potential hinaus moglich sind. Eine
Losung fur dieses Problem kann es sein, Observablen zu konstruieren, die auch die
Target-Projektil Korrelationen enthalten.
Die Bedeutung von Korrelationen zwischen den Freiheitsgraden wird auch im Ver-

57
gleich der Rechnungen fur ein Zentrum und fur vier Zentren deutlich. Fur vier Zentren
ist das e ektive Potential bei V0 = 40 MeV ein wesentlich schlechteres Modell als fur
ein Zentrum. Angeregte Zwischenzustande des Targets spielen in diesem Fall also be-
reits eine groe Rolle. Das bedeutet aber auch, da starke Korrelationen zwischen den
Targetteilchen existieren mussen. Anhand von Abbildung 21 sieht man, da in diesem
Fall die Konvergenzeigenschaften der Rechnung fur vier Zentren schlechter sind als fur
ein Zentrum. Das ist die Signatur von Korrelationen, die nicht durch ein Einteilchenpo-
tential modelliert werden konnen.
Eine weitere Rechnung wurde fur ! = 0:15 fm 1 mit sonst gleichen Parametern
durchgefuhrt. Der mittlere quadratische Radius des Targets ist damit h~r2i = 2 fm2 .
Der erste angeregte Zustand liegt bei E1 = 30 MeV. Man erwartet daher, da das
e ektive Potential eine bessere Naherung ist, da angeregte Zustande nicht mehr so stark
zur Streuung beitragen konnen. Das bestatigt sich in den Ergebnissen (Abbildungen 18
und 19, unten). Die Monte-Carlo-Rechnung sagt bei V0 = 40 MeV und vier Zentren
einen 40 Prozent groeren Wirkungsquerschnitt voraus, als ihn das e ektive Potential
liefert. Das Target hat hier eine kleinere Ausdehung als bei ! = 0:075 fm, es ist jedoch
auch dichter, was sich in einem starkeren e ektiven Potential und in einem groeren
Wirkungsquerschnitt auert.
4.3 Restwechselwirkungen
Bei den diskutierten Anwendungen wurde verwendet, da die Grundzustandswellenfunk-
tion des Targets explizit bekannt ist. Wenn man Restwechselwirkungen zwischen den
Nukleonen einfuhrt, ist das im allgemeinen nicht mehr der Fall. Man kann aber trotz-
dem mit dem selben Verfahren Verhaltnisse von Wirkungsquerschnitten berechnen. Das
soll im folgenden anhand des Hamiltonoperators mit Restwechselwirkung
X
Hint = HHO + v (~qa ~qb) (91)
a<b
erlautert werden. Man kann den exakten Grundzustand des Targets j0i durch Projektion
aus einer Versuchswellenfunktion j~0i nden:
!1 1 E0
1 Hint j~0i 1 =
e e j0i
Wenn man diese Beziehung in Gleichung (79) einsetzt, erhalt man:
 ( ) = N ( ) exp(( + 2 1)E0)(2 )3
 h~0j exp( 1Hint)hk = 0jV exp( H )V jk = 0i exp( 1Hint)j~0i (92)
Nur im inneren Matrixelement erscheinen die Variablen des Projektils. Es treten hier
zwei unterschiedliche Zeitskalen auf. Die Zeit 1 mu gro im Vergleich zum Abstand
zwischen erstem angeregten Zustand und Grundzustand des Targets gewahlt werden,
wahrend fur die Dynamik des Projektil-Target Systems entscheidend ist.
Der Ausdruck (92) kann wieder in ein Pfadintegral umgewandelt werden. Um die
Notation nicht unnotig aufzublahen soll im folgenden die Kontinuumsschreibweise ver-

58
wendet werden. Die Wirkung hat die Form
Z 1
S (x; q) = ln ~ 0(q (0)) + d 0 Lint(q ( 0); q_ ( 0))
0 Z 1 +
ln V (x( 1); q( 1)) + d 0 L(q( 0); q_ ( 0 ); x( 0); x_ ( 0))
1
ln V (x( 1 + ); q( 1 + ))
Z 2 1+
+ d 0Lint(q( 0); q_ ( 0)) ln ~ 0 (q(2 1 + )): (93)
1 +
Die Pfade im Targetraum sind Funktionen auf dem Zeitintervall [0; 2 1 + ], im Projek-
tilraum sind sie auf [ 1; 1 + ] de niert. Entsprechend ist auch das Integrationsma
DxDq gewahlt. L und Lint sind die Lagrangefunktionen zu den Hamiltonfunktionen H
und Hint zu imaginarer Zeit (Siehe Gleichung 32). Die Observable ist
Z 1+
O(x; q) = exp d 0(V (x( 0); q( 0)) Veff (x( 0))):
1
Es gilt analog zu (82), da der Erwartungswert von O im Limes ; 1 ! 1 das Verhaltnis
aus dem Matrixelement einer Einteilchen-Dichtematrix und dem Wirkungsquerschnitt
des vollen Problems ist. Eine zusatzliche Komplikation ist hierbei, da das gefaltete
Potential nicht explizit bekannt ist. Dieses Problem kann numerisch gelost werden,
indem man das Matrixelement
!1 h~0j exp( 1Hint )V (x; q) exp( 1Hint )j~0i
Vg (~x) 1=
h~0j exp( 1Hint) exp( 1Hint)j~0i
in der beschriebenen Weise in ein Pfadintegral umwandelt und simuliert. Fur einen
Hamiltonoperator Hint aus Gleichung (91) konnte man als Testwellenfunktion j~0i den
Grundzustand des hamonischen Oszillators und als Kurzeitpropagator des Targets die
Funktion 0 1
X
G(q0 ; qj) = GHO (q0 ; qj) exp @  v(~qa ~qb )A
a<b
verwenden. Wenn die Potentiale v starke \Hardcores" enthalten, stot man mit die-
sem Kurzzeitpropagator auf Schwierigkeiten, denn die Zeitschritte  mussen bei star-
ken Potentialen sehr kurz gewahlt werden. Deswegen implementiert man \Hardcore"-
Korrelationen am besten auf der Ebene der Langevin-Simulation, indem man nach einem
Zeitschritt in t uberpruft, ob die Nukleonen noch weit genung voneinander entfernt sind.
Wenn das nicht der Fall ist, verwirft man den Zeitschritt.

5 Diskussion
Ziel dieser Arbeit war es, Alternativen zu den konventionellen Methoden der Viel-
fachstreutheorie zu entwickeln. Wegen der Vielkorpernatur des Problems bieten sich

59
hier Monte-Carlo-Methoden an. Als Beispiel, wie Monte-Carlo-Methoden auf Vielfach-
streuprobleme angewandt werden konnen, wurde im Abschnitt 2 das \Fixed-Scatterer"-
Modell untersucht. Die in diesem Modell auftretenden hochdimensionalen Integrale
werden, wie bei [Gib, Le1, Sto], durch Monte-Carlo-Methoden numerisch gelost, anstatt
durch weitere Naherungen zu einem optischen Potential zu gelangen. Das uberraschende
Ergebnis ist, da in diesem Modell Projektileinfang durch Ruckstreukorrelationen auftre-
ten kann. Das bedeutet insbesondere, da groe inelastische Querschnitte bei niedrigen
Energien auftreten. Die optischen Potentiale, die man mit diesem Modell durch weiter
Naherungen nden kann, ergeben dagegen stets einen verschwindenden Imaginarteil der
Streuamplitude. Eine analoge Situation ist in der Festkorperphysik bekannt. Gemit-
telte, sogenannte koharente Potentiale sind nicht in der Lage, das Ausbilden lokalisier-
ter Zustande in Festkorpern zu erklaren. Damit geben sie falsche Vorhersagen fur die
Leitfahigkeit. Erst durch die sorgfaltige Behandlung von Ruckstreukorrelationen [And],
konnte der U bergang von Metall zu Isolator im \Tight-Binding"-Modell theoretisch be-
schrieben werden. Genau wie das gemittelte Potential des \Tight-Binding"-Modells
wird das optische Potential in der Kernphysik durch Vernachlassigung von Ruckstreu-
korrelationen hergeleitet. Die \Fixed-Scatterer"-Rechnungen zeigen, da bei s-Wellen-
Wechselwirkung zwischen Nukleon und Projektil Korrelationen von vier Nukleonen fur
den Einfang des Projektils verantwortlich sind. Daher ndet man im optischen Potential
erster Ordnung und in verbesserten Potentialen, die Ruckstreukorrelationen in niedri-
ger Ordnung enthalten, keinen Projektileinfang. Obwohl das \Fixed-Scatterer"-Modell
und sein Zusammenhang mit optischen Potentialen seit fast drei Jahrzehnten studiert
wird, ist die Moglichkeit des Projektileinfangs erst dadurch entdeckt worden, da mit
Hilfe von Monte-Carlo-Integration die auftretenden Integrale gelost wurden, ohne wei-
tere Naherungen durchzufuhren [Le1, Sto]. Das demonstriert eindrucksvoll, da alterna-
tive Methoden notig sind, um Fortschritte bei der Losung von Vielfachstreuproblemen
zu erzielen, und da Monte-Carlo-Simulationen ein geeignetes Werkzeug dazu sind.
Obwohl es eine Reihe von Arbeiten gibt, in denen das \Fixed-Scatterer"-Modell auf
realistische Probleme angewandt wurde, ist es durch die Tatsache, da kein Energiever-
lust des Projektils statt nden kann, wenn der Kern in angeregeten Zwischenzustanden
propagiert, nur von eingeschranktem Wert. Es ist daher notig, Methoden zu nden, mit
denen man Vielfachstreuprobleme losen kann, ohne drastischen Naherungen an die Kern-
dynamik machen zu mussen. Groe Fortschritte sind im Bereich der Vielkorperphysik
und fur Eichtheorien durch die Anwendung von Monte-Carlo-Simulationen gemacht wor-
den. Vergleichbare Methoden fur Streuprobleme fehlten bisher. In Abschnitt 3 wurden
daher Pfadintegraldarstellungen fur den Wirkungsquerschnitt bei niedrigen Energien
entwickelt und im Rahmen von Monte-Carlo-Simulationen zu numerischen Rechnungen
verwendet. Es wird dazu ausgenutzt, da die Dichtematrix bei niedrigen Temperatu-
ren vom Grundzustand eines physikalischen System dominiert wird. In Abwesenheit
von gebundenen Zustanden ist das eine Streuwellenfunktion. Die Dichtematrix wird
dann durch ein Pfadintegral ausgedruckt und dieses numerisch berechnet. Obwohl die
Vorgehensweise formal die selbe wie bei gebundenen Zustanden ist, kann die fur diese
Probleme entwickelte Methodik nicht einfach ubertragen werden, denn die Nichtnormier-
barkeit der Wellenfunktionen verursacht zusatzliche konzeptionelle Probleme. Anhand
von Potentialstreuung wurden verschiedene Methoden entwickelt um diese Probleme zu

60
losen.
Mit der Random-Walk-Monte-Carlo-Methode wurden direkt Matrixelemente der
Dichtematrix berechnet. Man simuliert dazu die Entwicklung ein Wellenpaketes in der
imaginaren Zeit. Sie erlaubt sehr schnelle Abschatzungen der Wirkungsquerschnitte,
kann aber keine genaue Ergebnisse liefern, weil die Monte-Carlo-Statistik dadurch
schlecht wird, da der grote Teil des Wellenpakets bei langen Zeiten den Potential-
bereich verlat. Der groe Vorteil dieser Methode ist, da sie schnell zu realisieren ist
und die gesamte Zeitentwicklung in der Imaginarzeit liefert. Sie erlaubt dadurch auch
schnell Aussagen daruber, ob ein gebundener Zusand vorliegt oder nicht.
In einem alternativen Zugang zu Monte-Carlo-Methoden wird das Pfadintegral
gelost, indem man durch eine Langevin-Simulation, wie sie aus der Theorie der stochasti-
schen Quantisierung bekannt ist, Pfade mit dem Gewicht der Dichtematrix erzeugt. Mit
diesen Pfaden werden geeignet konstruierte Observablen gemessen. In der vorliegenden
Arbeit wurden zwei Observablen entwickelt, die erlauben, Streugroen aus den erzeugten
Pfaden zu extrahieren. Das Problem hierbei ist, da der Wirkungsquerschnitt mit der
Dichtematrix verknupft ist. Die Simulation liefert aber nicht die Dichtematrix bzw. das
Pfadintegral, sondern nur Pfade, die mit dem Gewicht der Dichtematrix verteilt sind.
Man kann jedoch eine Observable nden, die das Verhaltnis der Wirkungsquerschnitte
des untersuchten Systems und einem Referenzproblem liefert. Damit kann man sehr
genaue Ergebnisse erzielen.
Eine andere Moglichkeit, um relevante Information aus den Pfade zu entnehmen,
beruht auf dem Verhalten der T -Matrix unter Skalentransformationen. Mit ahnlichen
Methoden, wie bei der Herleitung des quantenmechanischen Virialtheorems, ndet man
einen Zusammenhang zwischen der Streuamplitude und einem Matrixelement, das mit
Monte-Carlo Methoden berechenbar ist [Le2]. Diese Methode ist zwar nicht in der Lage,
genaue Ergebnisse zu liefern, man kann mit ihr jedoch das Vorzeichen der Streuamplitude
bestimmen, was mit der vorher diskutierten Observable nicht moglich ist. Wenn das
Target oder das verwendete Potential eine komplizierte Struktur hat, kann diese Frage
nicht a priori entschieden werden. Daher konnen die beiden Methoden sich erganzen,
zumal sie im Rahmen einer Simulation ohne zusatzlichen Rechenaufwand angewandt
werden konnen.
In einer weiteren Anwendung wurde in dieser Arbeit eine Pfadintegraldarstellung
fur die Di erenz der Zustandssumme eines Streusystems und der freien Zustandssumme
hergeleitet. Diese Groe ist mit der Laplace-Transformation der Energieableitung der
Streuphase verknupft. Durch eine Observable, die zwei Potentiale miteinander ver-
gleicht, konnte das Verhaltnis der Streuamplituden sehr genau berechnet werden. Die
Konvergenzeigenschaften der Methode sind ebenfalls sehr gut. Sie ist etwas einfacher
numerisch zu realisieren, als die vorher diskutierte Methode. Da Zustandssummen be-
rechnet werden, tragen nur periodische Pfade zum Pfadintegral bei. Diese, im Vergleich
zu anderen Methoden, einfacheren Randbedingungen im Pfadraum machen das Verfah-
ren fur komplizierte Targets attraktiv. Auerdem kann hier mit einer Observable das
Verhaltnis von Streugroen und das Vorzeichen der Streuamplitude berechnet werden.
Das Langevin-Verfahren zur Berechnung der Verhaltnisse von Wirkungsquerschnit-
ten wurde auf Streuung an zusammengesetzten Targets verallgemeinert. Fur ein Mo-
dellsystem, dessen Dimensionen dem Nukleon-4 He System entsprechen, konnte gezeigt

61
werden, da die Konvergenzeigenschaften des Verfahrens durch die Einfuhrung eines
zusammengesetzten Targets nicht verschlechtert werden. Das Referenzpotential ist in
dieser Anwendung ein e ektives Einteilchenpotential. Die Methode ist jedoch nicht auf
Einteilchenpotentiale als Referenzprobleme beschrankt. Es konnen auch kompliziertere
Modelle mit den exakten Resultat verglichen werden. Mit dieser Methode besteht die
Moglichkeit das Projektil-Target-Vielkorperproblem numerisch zu losen ohne das weitere
Naherungen notig sind. Wirkungsquerschnitte konnen mit hoher Genauigkeit berechnet
werden, auch wenn Vielfachstreue ekte und angeregte Zwischenzustande des Targets
bereits eine groe Rolle spielen.
Zusammenfassend kann man aus den Ergebnissen schlieen, da mit den heute zur
Verfugung stehenden Computern Streuprobleme an Targets mit internen Freiheitsgraden
durch stochastischen Methoden gelost werden konnen. Damit steht fur eine Klasse
von Vielkorperproblemen, die bisher nicht mit Monte-Carlo-Methoden losbar waren, ein
alternativer Zugang zur Verfugung.
Die in dieser Arbeit vorgestellten Algorithmen konnen als Startpunkt fur eine wei-
tere Entwicklung der Methodik dienen. Insbesondere bei der Pfaderzeugung sind die
Moglichkeiten sicher noch nicht ausgeschopft. Verbesserte Kurzzeitpropagatoren und
eine auf Streuprobleme zugeschnittene Langevin-Dynamik sollten zu wesentlich lei-
stungsfahigeren Methoden fuhren. Eine formale Trennung der Kerndynamik von den
elementaren Prozessen, wie sie in der konventionellen Vielfachstreutheorie moglich ist,
konnten auch fur stochastische Methoden moglich sein und fur bestimmte Probleme zu
einer wesentlich schnelleren Konvergenz fuhren.
Fur die meisten realistischen Anwendungen sind noch eine Reihe von o enen Fragen
zu klaren. Das beschriebene Verfahren ist z.B. nicht verwendbar, wenn das Projek-
til einen gebundenen Zustand hat. Die Berechnung von Wirkungsquerschnitten bei
nichtverschwindender Energie ist ebenfalls nicht einfach moglich. Die Zeitentwicklung
in der imaginaren Zeit enthalt zwar Information uber nichtverschwindene Energien,
die statistische Fehler der Monte-Carlo-Daten erschweren jedoch eine Berechnung von
Streuobservablen. Auch bei der stochastischen Behandlung von gebundenen Systemen
ist es im Allgemeinen schwierig Eigenschaften von angeregten Zustanden zu berech-
nen. Daruberhinaus ist die Behandlung von Fermionen mit Monte-Carlo-Methoden,
genau wie bei Systemen mit gebundenen Zustanden, problematisch. Weiterhin mussen
die vorgestellten Methoden so verallgemeinert werden, da Annihilation des Projek-
tils moglich ist, wenn man sie auf K -Kern oder Antiproton-Kern Streuung anwenden
will. Das kann durch komplexe Potentiale geschehen. Die Berechnung von inelastischen
oder inklusiven Groen mit Hilfe von Monte-Carlo-Methoden ist ebenfalls ein o enes
Problem.

A Anhang
A.1 Potentialstreuung
Dieser Abschnitt orientiert sich im wesentlichen an [Sak]. Es soll hier nur die Notation
de niert werden. Im folgenden wird Streuung an einem System diskutiert, das durch

62
den Hamiltonoperator
2
H = H0 + V (x) = 2~pm + V (x)
beschrieben wird. Die Streuwellenfunktion ist Losung der Lippmann-Schwinger Glei-
chung
j +i = ji + E H1 + i V j +i: (94)
0
wobei auslaufende Randbedingungen verwendet werden. Die Funktionen ji sind Ei-
genfunktionen zum freien Hamiltonoperator H0 . Sie werden im allgemeinen in dieser
Arbeit ebene Wellen
(~x) = h~xji = h~xj~ki = (21)3=2 exp(i~k~x)
sein. Die Lippmann-Schwinger Gleichung in Ortsdarstellung ist
Z
+ (~x) = (~x) 2m d3x0 exp ikj~x ~x0 j V (~x0) + (~x0)
4 j~x ~x0j
p
wobei k = 2mE . Aus der Asymptotik der Wellenfunktion
+ (~x) = 1 (exp i~k~x + f (~k0 ; ~k) exp ikx )
(2 )3=2 x
mit ~k0 = ~xx k kann die Streuamplitude bestimmt werden:
1 1 Z exp i~k~x
~ 0 ~ 3 ~
f (k ; k) = 4 2m(2 ) hk jV j i = 4 2m(2 ) d3 x (2 )3=2 V (x) +(x): (95)
0 + 3

Der U bergangsoperator T ist de niert als


T ji = V j + i: (96)
Mit T kann man die Lippmann-Schwinger Gleichung in der folgenden Weise schreiben:
T = V + V E H1 + i T: (97)
0
A.2 Beweis der Gleichung 65
Die Gleichung (65) kann sehr einfach aus den Skalentransformationseigenschaften der
Lippman-Schwinger Gleichung hergeleitet werden [Le2]. Der Operator
U = e(i~xp~+ 32 ) ln  (98)
generiert Skalentransformationen:
U~xU y = ~x
U~pU y = 1 p~:

63
Es gilt:
h~pijT (E )j~pf i = hpijU yUT (E )U yU jpf i = h~pijT(E )j~pf i (99)

T (E ) := UT (E )U y
j~pi = U j~pi
(100)
j~pi ist ein Impulseigenzustand zum Impuls ~p. Durch Di erenzieren nach  ndet man:
d
d h~pijT(E )j~pf i = 0 (101)

Wertet man die obige Gleichung bei  = 1 aus, so erhalt man mit T 0 = dd T =1,
~ V (~x)) 1
T 0 = 1 1V G (2V (~x) + ~xr 1 G0 V
0
d T:
2T + 2E dE (102)
Weiterhin ist
d T (E ) = p d T (E (p)):
2E dE dp
Es bleibt jetzt noch die Di erentiation nach  in den einlaufenden und auslaufenden
Wellen in (101) zu behandeln. Hier ndet man
d h~p jT (E )j~p i = p d h~p jT (E )j~p i 3h~p jT (E )j~p i; (103)
d i f dp i f i  f
=1
wobei auch auf der rechten Seite der Gleichung nur nach den Argumenten der einlau-
fenden und auslaufenden Wellen di erenziert wird. Aus den Gleichungen (101), (102)
und (103) folgt dann sofort (65).

Literatur
[Abr] M. Abramowitz and I. A. Stegun, \Handbook of Mathematical Function", Na-
tional Bureau of Standards Applied Mathematics Series (3.Au age 1965)
[And] P. W. Anderson, Phys. Rev. 109, 1492 (1958)
[Bet] M. B. Johnson und H. A. Bethe, Nucl. Phys. A 305, 418 (1978)
[Bat] C. J. Batty, in: \Proceedings of the 12 th Int.Conf. on Few Body Problems in
Physics", Vancouver 1989
[Can] F. Cannata, J. P. Dedonder und D. Stoll; in: \Common Problems and Ideas of
Modern Physics, Proceedings of the VI th winter school on hadronic physics",
Folgaria Feb.1991, eds.: T.Bressani et al. World Scienti c 1992

64
[Chi] S. A. Chin, private Mitteilung
[Cre] M. Creutz, \Quarks, Gluons and Lattices", Cambridge University Press, Cam-
bridge 1985
[Das] R. Dashen, S. Ma and H. Bernstein, Phys.Rev 187 345 (1969)
[Dov] C. B. Dover, \Antinucleon-Nucleus Interactions", in Physics at LEAR with Low
Energy Antiproton, Proceedings of the fourth LEAR Workshop, Harwood Aca-
demic Publishers, Chur, 1988
[Eis] J. M. Eisenberg und D. S. Koltun, \Theory of Meson Interactions with Nuclei",
John Wiley, New York, 1980, Kapitel 4 und 5
[Fey] R. P. Feynman and A. R. Hibbs, \Quantum Mechanics and Path Integrals",
McGraw-Hill, New York, 1965
[Fol] L. L. Foldy und J. D. Walecka, Annals of Physics 54 447 (1969)
[Fre] R. Fresard and H. Beck, Physica 141B, 243 (1986)
R. Fresard and J.-F .Germond, Phys.Lett.A120, 367 (1987)
H. Beck, R. Fresard and Y. Cuche, Z.Phys.B68, 237 (1987)
[Fri] E. Friedman, A. Gal und C. J. Batty, Phys. Lett. B 308, 6 (1993)
[Gel] D. Gelman und L. Spruch, J.Math.Phys. 10 2240 (1969)
[Gib] W. R. Gibbs, B. F. Gibson, A. T. Hess, G. J. Stephenson und W. B. Kaufmann,
Phys. Rev. C 13, 2433 (1976)
[Gra] A. Graham, \Nonnegative Matrices and Applicable Topics in Linear Algebra",
Ellis Horwood Ltd., Chichester 1987, p.114 and
[Hel] U. Helmbercht und J. G. Zabolitzky, \Droplets of 4 He Atoms", in \Monte Carlo
Methods in Quantum Problems", ed. M.Kalos, Reidel, Dodrecht 1982
[Huf] J. Hufner, \Pions Interact with Nuclei", Phys.Rep. 21, 1, (1975)
[Jae] C. W. de Jaeger et al., \Atomic Data and Nuclear Data Tables" 14, 479 (1974)
[Kal] M. H. Kalos und P. A. Whitlock, \Monte Carlo Methods Vol. 1: Basics", John
Wiley, New York, 1986
[Kei] B. D. Keister, Nucl. Phys. A 271, 342 (1976)
[Kro] A. S. Kronfeld, \Dynamics of Langevin Simulations", in: Progress of Theoretical
Physics Supplement No. 111, 293 (1993)
A. Greiner, W.Strittmatter and J.Honerkamp, J.Stat.Phys. 51, 95 (1988)
P. E. Kloeden and E. Platen, J.Stat.Phys. 66, 283 (1992)
[Lan] G. H. Lang, C. W. Johnson, S. E. Koonin and W. E. Ormand, Phys.Rev.C 48,
1518 (1993)
65
[Leh] D. Lehmann, Diplomarbeit, Erlangen 1993
[Le1] F. Lenz und D. Stoll, \Computational Nuclear Physics 2", eds. K. Langanke, J.
A. Maruhn and S. E. Koonin, Springer New York 1993
[Le2] F. Lenz, Vorlesung uber \Monte-Carlo-Methoden fur Streuprobleme", Erlangen,
Sommer 1993
[Mak] N. Makri und W. H. Miller, J.Chem.Phys. 90, 904 (1989)
I. Bender, D. Gormes und U. Marquard, Nucl.Phys. B346, 593 (1990)
[Mal] H. Mall, private Mitteilung
[Mer] E. Merzbacher, \Quantum Mechanics", John Wiley, New York 1970
[Nam] M. Namiki, \Stochastic Quantization", Springer Verlag, Berlin, Heidelberg, 1992
[Neg] J. W. Negele und H. Orland, \Quantum Many-Particle Systems", Addison Wes-
ley, Reading, Massachusettes, 1988
[New] R. G. Newton, \Scattering Theory of Waves and Particles", Springer Verlag,
New York, 1982, Kapitel 11
[Ram] T. V. Ramakrishna, in: \Chance and Matter", Les Houches Workshop, eds.:
J.Soulitie et al. North Holland 1987
[Rod] L. S. Rodberg und R. M. Thaler, \Introduction to The Quantum Theory of
Scattering", Academic Press New York 1967, Kapitel 12. M. L. Goldberger and
K. M. Watson, \Collision Theory", John Wiley, New York, 1964, Kapitel 11
[Sak] J. J. Sakurai, \Modern Quantum Mechanics", Addison Wesley, Reading, Massa-
chusettes, 1985
[Smi] U. Smilansky, in: \Chaos and Quantum Physics", Les Houches Workshop, eds.:
M.-J. Giannoni et al., North Holland 1992
[Sch] E. Schneid, Diplomarbeit, Erlangen 1993
[Sou] B. Souillard, in: \Chance and Matter", Les Houches Workshop, eds.: J. Soulitie
et al. North Holland 1987
B. Souillard, Physica A 157, 3 (1989)
[Sto] D. Stoll, Diplomarbeit, Erlangen September 1988 Springer Verlag, Berlin, Hei-
delberg, 1992
[Zim] J. Ziman, \Models of Disorder", Cambridge University Press, Cambridge 1979,
Kapitel 10

66
Lebenslauf
Name: Stefan Konrad Martin Lenz
Geburtstag und -ort: 13. April 1965 in Treuchtlingen
Familienstand: ledig
Schulbildung: Grundschule September 1971 - August 1975, Nurnberg
September 1975 - Juni 1984, Leibniz Gymnasium Altdorf
Studium: Studium der Physik an der
Friedrich-Alexander-Universitat Erlangen
November 1984 - Mai 1990
Zivildienst: Juni 1990 - August 1991 in Nurnberg
Promotionsstudium: September 1991 - Juli 1994 an der
Friedrich-Alexander-Universitat Erlangen
als Stipendiat des Graduiertenkollegs:
`Physik der starken Wechselwirkung'
Prufungen: Vordiplomprufung: Februar 1987
Diplomprufung: Mai 1990
Diplomarbeit: Titel: \Statistische Mechanik auf dem Lichtkegel"
Betreuer: Prof. Dr. F. Lenz

67