普通物理实验 4 · 项目首页 · 使用指南

在线虚拟实验 · 模型依据与参数来源

单缝衍射光强分布研究

用暗纹确定缝宽,再用整条光强曲线理解衍射。

暗纹的位置给出狭缝宽度,归一化光强扫描保留主极大与旁瓣的形状。将两条数据线并列,既能检查近轴几何,也能观察缝宽如何控制衍射展开。

读实验报告 · HTML 阅读版 · Python 笔记本 · Wolfram 笔记本

单缝衍射的两条证据:暗纹几何与归一化光强扫描

图 1 单缝衍射的两条证据:暗纹几何与归一化光强扫描

选择你的入口

用途 入口 打开方式
阅读原理、测量记录和实验结论 Markdown 实验报告 · 排版阅读版 GitHub、Markdown 阅读器或本地浏览器
浏览计算图表与操作模型控件 HTML 阅读版 直接在线打开,也可下载到本机
逐步运行和修改 Python 计算 Jupyter Notebook JupyterLab 或 VS Code
运行原生公式与计算图表 Wolfram Notebook · Paclet 安装包 Wolfram 前端
对照原始实验报告 源报告 PDF GitHub 或 PDF 阅读器

从读数到物理量

采用 4 级暗纹位置与归一化光强扫描。固定波长 $\lambda=632.8\ \mathrm{nm}$、屏距 $D=800.0\ \mathrm{mm}$;暗纹中心距由左右位置求得。

核心计算关系为

$$ d=\frac{k\lambda D}{|x_k|},\qquad \frac{I}{I_0}=\left(\frac{\sin\beta}{\beta}\right)^2,\qquad \beta=\frac{\pi d\sin\theta}{\lambda}. $$

暗纹反演使用夫琅禾费与小角度关系。精确几何检查采用 $\sin\theta=x/\sqrt{D^2+x^2}$;中心光强用 $\beta\to0$ 的连续极限一处理。

表 1 暗纹法缝宽与光强形状比较

物理量或指标 计算结果
各暗纹级次缝宽均值 $0.19993115\ \mathrm{mm}$
暗纹位置过原点拟合缝宽 $0.20020037\ \mathrm{mm}$
扫描与固定理论曲线均方根差 $0.01608620$

逐级估计共享波长、屏距和中心定位;级次之间的离散表示缝宽估计差别。归一化扫描与固定模型的均方根差描述形状吻合程度。

从暗纹直线到主极大与旁瓣

暗纹中心距对级数的带截距拟合及残差,用于检查中心定位

图 2 暗纹中心距对级数的带截距拟合及残差,用于检查中心定位

记录中的归一化光强扫描 由暗纹平均缝宽生成的理想单缝衍射曲线
图 3
记录中的归一化光强扫描
图 4
由暗纹平均缝宽生成的理想单缝衍射曲线

暗纹关系提供长度估计,光强扫描提供分布形状。主极大宽度与缝宽成反比,旁瓣迅速减弱;图中的观测扫描和理论模型分别标注,便于按相同位置尺度比较。

改变缝宽,观察衍射展开

操作或计算 观察什么
调节缝宽比例 以暗纹均值为基准,从 0.5 至 1.5,查看中央主极大宽度
对照归一化观测扫描 保持波长与屏距固定,比较理论曲线和记录点
检查近轴几何 比较逐级小角度缝宽与精确正弦几何修正

交互模型采用单色平面波、夫琅禾费衍射和理想狭缝。扫描数据为归一化记录;背景电流和探测器空间平均属于测量条件。

在 Jupyter 或 Wolfram 中从头运行,可沿报告章节查看数据读取、公式代入、计算输出与结果讨论。

在本机打开

环境安装见使用指南。在仓库根目录启动本实验的 Jupyter Notebook:

.\.venv\Scripts\python.exe -m jupyterlab experiments/course-04/single-slit-diffraction/notebooks/analysis.ipynb

Wolfram 安装包包含数据与 Notebook。将仓库路径改为本机路径后运行:

PacletInstall["D:/general-physics-lab/notebook/paclets/SingleSlitDiffractionLab/dist/SingleSlitDiffractionLab-0.1.0.paclet"];
Needs["SingleSlitDiffractionLab`"];
SingleSlitDiffractionLab`OpenNotebook[]

数据与计算实现

内容 文件
规范观测数据 observations-01.csv · observations-02.csv
单位、参数与模型条件 experiment.json
Python 计算模块 single_slit_diffraction.py
Wolfram 包实现 SingleSlitDiffractionLab.wl
完整计算结果 python.json

数据来源 · 返回课程目录