POSITRON, Vol. VI, No. 2 (2016), Hal ISSN :

dokumen-dokumen yang mirip
Solusi Penyelesaian Persamaan Laplace dengan Menggunakan Metode Random Walk Gapar 1), Yudha Arman 1), Apriansyah 2)

Penentuan Distribusi Suhu pada Permukaan Geometri Tak Tentu Menggunakan Metode Random Walk Balduyanus Yosep Godja a), Andi Ihwan a)*, Apriansyah b)

Kajian Sistem Terfrustasi pada Bahan Antiferromagnet dengan Model Ising 2D

FUNGSI GELOMBANG DAN RAPAT PROBABILITAS PARTIKEL BEBAS 1D DENGAN MENGGUNAKAN METODE CRANK-NICOLSON

MATERI PERKULIAHAN. Gambar 1. Potensial tangga

SOLUSI PERSAMAAN DIRAC PADA KASUS SPIN SIMETRI UNTUK POTENSIAL SCARF TRIGONOMETRIK PLUS COULOMB LIKE TENSOR DENGAN METODE POLINOMIAL ROMANOVSKI

PENYELESAIAN PERSAMAAN DIRAC UNTUK POTENSIAL ROSEN MORSE HIPERBOLIK DENGAN COULOMB LIKE TENSOR UNTUK SPIN SIMETRI MENGGUNAKAN METODE HIPERGEOMETRI

Kajian Model Ising 2 Dimensi untuk Bahan Antiferromagnet

PENGANTAR MONTE CARLO


PENYELESAIAN PERSAMAAN SCHRODINGER TIGA DIMENSI UNTUK POTENSIAL NON-SENTRAL ECKART DAN MANNING- ROSEN MENGGUNAKAN METODE ITERASI ASIMTOTIK

Analisis Energi Osilator Harmonik Menggunakan Metode Path Integral Hypergeometry dan Operator

BAB IV SIMULASI MONTE CARLO

Analisis Energi Osilator Harmonik Menggunakan Metode Path Integral Hypergeometry dan Operator

BAB I PENDAHULUAN Latar Belakang Masalah

Bab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data

SOLUSI PERSAMAAN DIRAC DENGAN PSEUDOSPIN SIMETRI UNTUK POTENSIAL ROSEN MORSE PLUS COULOMB LIKE TENSOR DENGAN MENGGUNAKAN METODE POLYNOMIAL ROMANOVSKI

Alpiana Hidayatulloh Dosen Tetap pada Fakultas Teknik UNTB

KATA PENGANTAR. FisikaKomputasi i -FST Undana

Pengantar Metode Perturbasi Bab 1. Pendahuluan

BAB I PENDAHULUAN. penelaahan gejala dan sifat berbagai sistem mikroskopik. Perkembangan

Persamaan Dirac, Potensial Scarf Hiperbolik, Pseudospin symetri, Coulomb like tensor, metode Polynomial Romanovski PENDAHULUAN

LAPORAN PENELITIAN KAJIAN KOMPUTASI KUANTISASI SEMIKLASIK VIBRASI MOLEKULER SISTEM DIBAWAH PENGARUH POTENSIAL LENNARD-JONES (POTENSIAL 12-6)

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra

Wacana, Salatiga, Jawa Tengah. Salatiga, Jawa Tengah Abstrak

Perhitungan Integral Lipat menggunakan Metode Monte Carlo

BAB I PENDAHULUAN. akibat dari interaksi di antara penyusun inti tersebut. Penyusun inti meliputi

PRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :

BAB I PENDAHULUAN. (konsep-konsep fisika) klasik memerlukan revisi atau penyempurnaan. Hal ini

Adapun manfaat dari penelitian ini adalah: 1. Dapat menambah informasi dan referensi mengenai interaksi nukleon-nukleon

Penyelesaian Numerik Model Ayunan Terpaksa Menggunakan Metode Exponential Time Differencing (ETD) dan Karakteristik Dinamika

PROBABILITAS PARTIKEL DALAM KOTAK TIGA DIMENSI PADA BILANGAN KUANTUM n 5. Indah Kharismawati, Bambang Supriadi, Rif ati Dina Handayani

SIMULASI PERGERAKAN HARGA SAHAM MENGGUNAKAN PENDEKATAN METODE MONTE CARLO

ANALISIS SPEKTRUM ENERGI DAN FUNGSI GELOMBANG

Kata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik

HASIL EMPIRIS. Tabel 4.1 Hasil Penilaian Numerik

MODEL LOGISTIK DENGAN DIFUSI PADA PERTUMBUHAN SEL TUMOR EHRLICH ASCITIES. Hendi Nirwansah 1 dan Widowati 2

Studi Pengaruh Variasi Bentuk Geometri Potensial Penghalang pada Kasus Difusi Plasma dengan Metode Particle-In-Cell (PIC)

STUDI MAGNETISASI PADA SISTEM SPIN MENGGUNAKAN MODEL ISING 2D

PENENTUAN HARGA OPSI BELI TIPE ASIA DENGAN METODE MONTE CARLO-CONTROL VARIATE

APLIKASI SIMULASI MONTE CARLO UNTUK MENENTUKAN NILAI OPSI ASIA DENGAN MENGGUNAKAN METODE CONTROL VARIATE PADA KOMODITAS PERTANIAN

Manajemen Sains. Pengenalan Riset Operasi. Eko Prasetyo Teknik Informatika

SIMULASI Kendalan (Reliability Simulation)*

IMPLEMENTASI ALGORITMA ENKRIPSI CITRA DIGITAL MENGGUNAKAN SKEMA TRANPOSISI BERBASIS FUNGSI CHAOS. Suryadi MT 1 Zuherman Rustam 2 Wiwit Widhianto 3

PRISMA FISIKA, Vol. IV, No. 02 (2016), Hal ISSN :

BAB II TINJAUAN PUSTAKA

PENENTUAN HARGA OPSI PUT AMERIKA MENGGUNAKAN ALGORITMA MONTE CARLO. Rina Ayuhana

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

APLIKASI BASIS L 2 LAGUERRE PADA INTERAKSI TOLAK MENOLAK ANTARA ATOM TARGET HIDROGEN DAN POSITRON. Ade S. Dwitama

Keywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN

BAB II DASAR TEORI. A. Kemagnetan Bahan. Secara garis besar, semua bahan dapat dikelompokkan ke dalam bahan magnet. seperti terlihat pada Gambar 2.

koefisien a n dan b n pada persamaan (36) dan (37), yaitu

PENENTUAN PROBABILITAS DAN ENERGI PARTIKEL DALAM KOTAK 3 DIMENSI DENGAN TEORI PERTURBASI PADA BILANGAN KUANTUM n 5

BAB 2 Landasan Teori

KOMPUTASI NUMERIK GERAK PROYEKTIL DUA DIMENSI MEMPERHITUNGKAN GAYA HAMBATAN UDARA DENGAN METODE RUNGE-KUTTA4 DAN DIVISUALISASIKAN DI GUI MATLAB

ANALISIS DINAMIKA KUANTUM PARTIKEL MENGGUNAKAN MATRIKS TRANSFER

FUNGSI COMPUTABLE. Abstrak

GARIS BESAR PROGRAM PEMBELAJARAN (GBPP) UNIVERSITAS DIPONEGORO

Analisis Numerik Resonansi Tunneling Pada Sruktur Lapis Tiga GaAs / Al x Ga 1-x As Menggunakan Algoritma Numerov.

MODEL PELATIHAN ULANG (RETRAINING) PEKERJA PADA SUATU PERUSAHAAN BERDASARKAN PENILAIAN REKAN KERJA

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I ARTI PENTING ANALISIS NUMERIK

PERHITUNGAN TAMPANG LINTANG DIFERENSIAL HAMBURAN ELASTIK ELEKTRON-ARGON PADA 10,4 EV DENGAN ANALISIS GELOMBANG PARSIAL

SATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS

BAB V IMPLEMENTASI SIMULASI MONTE CARLO UNTUK PENILAIAN OPSI PUT AMERIKA

= (2) Persamaan (2) adalah persamaan diferensial orde dua dengan akar-akar bilangan kompleks yang berlainan, solusinya adalah () =sin+cos (3)

LAPORAN PRAKTIKUM KIMIA FISIK PERCOBAAN - 9 STRUKTUR DAN SIFAT TERMODINAMIKA AIR : SIMULASI MONTE CARLO

PROFIL DENSITAS MODEL THOMAS-FERMI-DIRAC-VON WEIZSACKER

ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB 1 PENDAHULUAN. metode yang bisaanya digunakan dalam estimasi parameter yakni Ordinary Least

PENENTUAN ENERGI EIGEN PERSAMAAN SCHRODINGER DENGAN SUMUR POTENSIAL SEMBARANG MENGGUNAKAN METODE MATRIKS TRANSFER NUMERIK

GENERALISASI FUNGSI AIRY SEBAGAI SOLUSI ANALITIK PERSAMAAN SCHRODINGER NONLINIER

BAB IV SIMULASI NUMERIK

BAB II TINJAUAN PUSTAKA

ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR

METODE NUMERIK SEMESTER 3 2 JAM / 2 SKS. Metode Numerik 1

PROJEK 2 PENCARIAN ENERGI TERIKAT SISTEM DI BAWAH PENGARUH POTENSIAL SUMUR BERHINGGA

INFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF

FUNGSI GELOMBANG. Persamaan Schrödinger

PENDEKATAN KALKULUS VARIASIONAL PADA SISTEM KONTROL DAYA DORONG ROKET. Niken Madu Meta Jurusan Matematika, FMIPA UNS

SIMULASI: Deterministik dan Monte Carlo

Studi Komparasi Algoritma Metropolis dan Solusi Analitik pada Ising Model 2 Dimensi untuk Identifikasi Transisi Fasa pada Ferromagnet

Seminar TUGAS AKHIR. Fariz Mus abil Hakim LOGO.

APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM

APLIKASI METODE CELLULAR AUTOMATA UNTUK MENENTUKAN DISTRIBUSI TEMPERATUR KONDISI TUNAK

Analisis Model dan Simulasi. Hanna Lestari, M.Eng

Optimasi Rangkaian dan Material Kumparan pada Rangkaian Transfer Listrik Tanpa Kabel Terhadap Jarak Jangkauan Pengiriman Energi Listrik

ANALISIS ANTRIAN MENGGUNAKAN METODE SIMULASI MONTE CARLO. Fajar Etri Lianti ABSTRACT

BAB 4 LOGICAL VALIDATION MELALUI PEMBANDINGAN DAN ANALISA HASIL SIMULASI

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,

BAB II PENGANTAR SOLUSI PERSOALAN FISIKA MENURUT PENDEKATAN ANALITIK DAN NUMERIK

RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

T 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic

1.1 Latar Belakang dan Identifikasi Masalah

Teknik Simulasi Untuk Memprediksi Keandalan Lendutan Balok Statis Tertentu

16 Mei 2017 Waktu: 120 menit

Implementasi Algoritma Pencarian Akar Kuadrat Bilangan Positif

PENDAHULUAN FISIKA KUANTUM. Asep Sutiadi (1974)/( )

BAB V PENUTUP ( ( ) )

BAB I PENDAHULUAN. keadaan energi (energy state) dari sebuah sistem potensial sumur berhingga. Diantara

Transkripsi:

Penentuan Energi Keadaan Dasar Osilator Kuantum Anharmonik Menggunakan Metode Kuantum Difusi Monte Carlo Nurul Wahdah a, Yudha Arman a *,Boni Pahlanop Lapanporo a a JurusanFisika FMIPA Universitas Tanjungpura, Jalan Prof. Dr. Hadari Nawawi, Pontianak, Indonesia *Email : yudhaarman@gmail.com Abstrak Telah dilakukan penelitian tentang penentuan energi keadaan dasar menggunakan metode kuantum difusi Monte Carlo. Pada penelitian ini simulasi energi keadaan dasar dibuat dengan menggunakan suku anharmonik λx3, dengan memvariasikan suku pengganggu λ. Hasil yang diperoleh dari simulasi ini yaitu, energi keadaan dasar menggunakan metode kuantum difusi Monte Carlo memiliki selisih terbesar sekitar 1,1% dengan teori gangguan dan selisih terbesar sekitar 0,7% dengan energi keadaan dasar menggunakan metode random walk. Kata Kunci : kuantum difusi Monte Carlo, persamaan Schrödinger, random walk, teori gangguan 1. Latar Belakang Beberapa kasus sederhana pada sistem fisis fisika kuantum dapat diselesaikan secara eksak, seperti potensial konstan dan potensial osilator harmonik [1] [2]. Tetapi untuk sistem fisis seperti tidak bisa diselesaikan dengan baik secara eksak. Oleh karena itu, diperlukan metode lain untuk menentukan energi keadaan dasar pada osilator kuantum anharmonik [3]. Beberapa metode yang dapat digunakan untuk menyelesaikan osilator kuantum anharmonik yaitu metode Euler, path integral, kuantum difusi Monte Carlo, random walk, teori gangguan dan sebagainya [4]. Metode random walk dan teori gangguan sudah digunakan untuk menyelesaikan [5]. Kedua metode ini menunjukkan selisih maksimum energi keadaan dasar pada osilator kuantum anharmonik sebesar 4,107x10-3 ħω atau sekitar 0,8 %. Namun, terdapat beberapa kendala pada kedua metode ini. Untuk metode perturbasi atau teori gangguan hanya cocok untuk suku pengganggu (λ) yang kecil. Sedangkan metode random walk dapat menjadi tidak efisien disebabkan proses branching [ 6]. Secara numerik, kuantum difusi Monte Carlo sedikit memiliki kesamaan dengan metode random walk. Hal ini didasarkan pada peluang acak pergerakan partikel pada ruang dan peluang partikel tersebut untuk menggandakan dirinya atau menghilang. Selain itu, metode ini juga cocok untuk menggambarkan keadaan dasar dari banyak sistem kuantum [4]. Berdasarkan pertimbangan di atas, metode ini juga dapat digunakan untuk menentukan energi keadaan dasar. Pada penelitian ini dilakukan penentuan anharmonik menggunakan metode kuantum difusi Monte Carlo. Metode ini merupakan pengembangan dari metode Monte Carlo yang menggunakan algoritma random walk. Perbaikan dilakukan pada faktor ketidakpastian proses branching. Proses branching adalah proses penyebaran walker secara acak. Proses ini akan menyebabkan walker berjumlah sangat banyak ketika potensial coulomb bernilai sangat besar dan negatif. Validasi dilakukan dengan membandingkan hasil yang diperoleh terhadap hasil perhitungan menggunakan metode-metode lain pada penelitian sebelumnya. 2. Metodologi Metode yang digunakan pada penelitian ini adalah metode kuantum difusi Monte Carlo. Kuantum difusi Monte Carlo dapat dikatakan sebagai sebuah fungsi gelombang yang dapat mewakili suatu sistem bilangan numerik atau bisa disebut sebagai distribusi walker. Distribusi walker ini dapat digunakan sebagai titik dalam ruang yang memiliki posisi yang pasti untuk mengetahui letak walker tersebut. Pada metode ini, setiap iterasi bergantung pada posisi dan energi potensial walker untuk menentukan fungsi gelombang suatu energi keadaan dasar pada suatu sistem [7]. Metode Kuantum Difusi Monte Carlo ini menggunakan fungsi Green untuk memudahkan penyelesaian persamaan Schrödinger. Penerapan fungsi Green dalam persamaan Schrödinger dinyatakan dalam x, G x, x, x,0 dx ' (1) Bentuk solusi formal dari persamaan Schrödinger imajiner waktu adalah 47

G Hˆ V ref e (2) Untuk menyesuaikan dengan dua proses acak pergerakan walker : difusi dan branching. Branching merupakan suatu proses penyebaran walker secara acak. Eksponensial pada persamaan 2 dipecahkan menjadi dua eksponensial dan hanya bisa didekati dengan eksponensial pada waktu yang singkat τ. Persamaan untuk keadaan awal pada τ adalah [4] pergerakan walker pada metode kuantum difusi Monte Carlo dalam satu dimensi dapat dijelaskan dalam diagram alir pada Gambar 1 sebagai berikut. branch difusi G G G (3) Solusi untuk persamaan 3 yang dapat digunakan pada x dan x adalah difusi,, 4-1/2 -x- x 2 /4D (4) G x x Dt DDt e dengan D 2 /2m, dan 1 ( V xv xv ref ) 2 G x, x, e (5) branch Dari persamaan 4 dan 5 dapat dilihat metode kuantum difusi Monte Carlo mirip dengan algoritma random walk. Metode kuantum difusi Monte Carlo memiliki satu keterbatasan yaitu metode ini dapat menjadi sangat tidak efisien saat terjadi proses branching. Jika potensial bernilai sangat besar dan negatif (seperti pada potensial Coulomb ketika elektron mendekati inti), jumlah walker akan menjadi sangat banyak atau walker pun dapat menghilang [4]. Oleh karena itu digunakan ψt(x) sebagai fungsi gelombang yang membawa walker menuju daerah yang memiliki energi potensial V(x). Fungsi gelombang ini digunakan untuk menjalankan walker pada persamaan f ( x, ) ( x, ) ( x) (6) dengan E0 ( x, ) c ( x) e (7) 0 0 Energi keadaan dasar yang diberikan pada penelitian ini sesuai dengan persamaan berikut : E 0 V ( x) ( x, ) dx V ( x, ) dx T (8) Metode difusi kuantum Monte Carlo ini menggunakan algoritma metropolis untuk menerima posisi baru walker. Aturan algoritma metropolis dalam proses pergerakan walker pada metode ini sedikit berbeda. Proses Gambar 1 Bagan program penelitian W pada Gambar 1 merupakan probabilitas penerimaan walker baru. Perbandingan antara hasil energi keadan dasar dengan metode kuantum difusi Monte Carlo dan energi keadaan dasar dengan metode random walk dan teori gangguan dilakukan dengan menghitung selisih antara hasil energi keadaan dasar dengan metode kuantum difusi Monte Carlo dan energi keadaan dasar dengan metode random walk dan teori gangguan yang telah dikerjakan pada penelitian sebelumnya. Untuk menghitung selisih digunakan E E DCMC Penelitiansebelumnya Selisih = 100% E Penelitiansebelumnya 48

3. Hasil dan Pembahasan Metode kuantum difusi Monte Carlo ini disimulasikan dengan menggunakan pengembangan algoritma dari metode random walk untuk potensial osilator kuantum anharmonik. Potensial osilator kuantum anharmonik yang digunakan 1 2 3 V ( x) x x (9) 2 Parameter input yang digunakan pada simulasi ini yaitu jumlah walker awal N0 = 20, jumlah bins yang merupakan jumlah selang atau jarak posisi untuk estimasi fungsi gelombang keadaan dasar nbins = 100, dan panjang langkah walker ds = 0,1. Dari parameter input inilah diperoleh estimasi fungsi gelombang keadaan dasar dan energi keadaaan dasar serta menghitung jumlah walker pada akhir simulasi. Hasil estimasi fungsi gelombang keadaan dasar dengan menggunakan metode kuantum difusi Monte Carlo untuk beberapa nilai dapat dilihat pada Gambar 2 12000 8000 =0,1 =0,05 =0,01 =0,005 =0,001 Dari Gambar 2.a dan 2.b terlihat estimasi fungsi gelombang dengan menggunakan metode random walk dan metode kuantum difusi Monte Carlo memiliki pola gelombang dan tinggi puncak yang hampir sama. Kedua fungsi gelombang ini memiliki kesamaan pada puncak terendah yaitu saat 0,1. Hal ini dikarenakan kedua metode ini sulit mengestimasi fungsi gelombang pada suku pengganggu yang besar. Untuk puncak tertinggi metode random walk terjadi pada 0, 005 dan metode kuantum difusi Monte Carlo terjadi pada 0,01. Hal ini dipengaruhi oleh bilangan acak yang dibangkitkan, karena metode kuantum difusi Monte Carlo dan random walk memiliki kesamaan berdasarkan peluang pergerakan acak partikel pada ruang dan peluang pada partikel untuk menggandakan atau menghilangkan dirinya. kuantum anharmonik dengan menggunakan metode kuantum difusi Monte Carlo pada 0,001 dapat dilihat pada Gambar 3. 0 4000 0 0-5 -2.5 0 2.5 5 x 12000 10000 8000 6000 4000 2000 (a) =0,001 =0,005 =0,01 =0,05 =0,1 0-5 -4-3 -2-1 0 1 2 3 4 5 x (b) Gambar 2 Estimasi fungsi gelombang keadaan dasar untuk beberapa nilai (a) metode random walk [5], (b) metode kuantum difusi Monte Carlo Gambar 3 Estimasi energi keadaan dasar ( 0, 001) Dapat dilihat pada Gambar 3 hasil estimasi energi keadaan dasar mulai terlihat konvergen pada langkah Monte Carlo ke-4300. Hal ini dipengaruhi oleh bilangan acak yang dibangkitkan selama simulasi berlangsung sehingga mempengaruhi jumlah populasi walker. Pada kondisi ini jumlah walker pada akhir simulasi mendekati jumlah walker pada awal simulasi, sehingga walker dapat mendekati anharmonik dengan teori gangguan pada akhir simulasi. Pada simulasi ini, untuk parameter a yang digunakan agar energi keadaan dasar dapat konvergen adalah 0,01. kuantum anharmonik pada 0,005 dapat dilihat pada Gambar 4. 49

Gambar 4 Estimasi energi keadaan dasar ( 0, 005 ) Dari Gambar 4 terlihat pada awal simulasi hasil estimasi energi keadaan dasar osilator kuantum anharmonik dengan di bawah energi keadaan dasar dengan metode teori gangguan. Pada langkah Monte Carlo ke-2000 energi keadaan dasar Carlo terlihat sudah mendekati energi keadaan dasar dengan teori gangguan. Energi keadaan dasar terlihat mulai konvergen pada langkah Monte Carlo ke- 3500. Hal tersebut terjadi karena jumlah walker selama simulasi mendekati jumlah walker pada awal simulasi, sehingga estimasi energi keadaan dasar dengan metode kuantum difusi Monte Carlo dapat mendekati energi keadaan dasar dengan teori gangguan di awal simulasi. Pada simulasi ini, untuk parameter a yang digunakan agar energi keadaan osilator kuantum anharmonik konvergen sama dengan 0, 001 yaitu 0,01. kuantum anharmonik pada 0, 01 dapat dilihat pada Gambar 5. Gambar 5 Estimasi energi keadaan dasar ( 0,01) Dari Gambar 5 hasil estimasi energi keadaan dasar mulai terlihat konvergen pada langkah Monte Carlo ke-3800. Hal ini disebabkan oleh jumlah populasi walker yang tidak tetap, sehingga diperlukan banyak langkah Monte Carlo. Selain itu, pada simulasi ini jumlah walker pada akhir simulasi sama dengan jumlah walker pada awal simulasi, sehingga hasil estimasi energi keadaan dasar terlihat melewati energi keadaan dasar dengan teori gangguan di awal simulasi. Untuk parameter a yang digunakan agar energi keadaan dasar konvergen berbeda dengan sebelumnya. Parameter a yang digunakan pada simulasi ini adalah 0,001. kuantum anharmonik Carlo pada 0,05 dapat dilihat pada Gambar 6. Gambar 6 Estimasi energi keadaan dasar ( 0,05 ) Dari Gambar 6 terlihat hasil estimasi energi keadaan dasar mendekati energi keadaan dasar osilator kuantum anharmonik dengan teori gangguan pada langkah Monte Carlo ke-1300. Energi keadaan dasar pada simulasi ini terlihat mulai konvergen pada langkah Monte Carlo ke-4600. Hal ini disebabkan jumlah populasi walker diakhir simulasi sama dengan jumlah walker pada awal simulasi, sehingga pergerakan walker selama simulasi berada di sekitar energi keadaan dasar dengan teori gangguan. Pada simulasi ini, untuk parameter a yang digunakan agar energi keadaan dasar konvergen adalah 0,005. kuantum anharmonik dengan menggunakan metode kuantum difusi Monte Carlo pada 0,1 dapat dilihat pada Gambar 7. 50

mendekati hasil energi keadaan dasar dengan teori gangguan. Hasil estimasi energi keadaan dasar osilator kuantum anharmonik menggunakan metode difusi kuantum Monte Carlo dapat dilihat pada Tabel 1. Gambar 7 Estimasi energi keadaan dasar ( 0,1) Dapat dilihat pada Gambar 7 hasil estimasi anharmonik dengan metode kuantum difusi Monte Carlo berada di bawah energi keadaan dasar dengan teori gangguan. Pada simulasi ini, hasil estimasi energi keadaan dasar osilator kuantum anharmonik dengan metode kuantum difusi Monte Carlo terlihat konvergen pada langkah Monte Carlo ke-4200. Hal ini disebabkan bilangan acak yang dibangkitkan dalam proses simulasi, sehingga mempengaruhi populasi walker. Pada kondisi ini jumlah walker di akhir simulasi mendekati jumlah walker pada awal simulasi, sehingga estimasi energi keadaan dasar sulit mendekati energi keadaan dasar dengan teori gangguan. Selain itu, metode kuantum difusi Monte Carlo juga sulit mengestimasikan energi keadaan dasar pada suku pengganggu yang besar, sehingga energi keadaan dasar sulit untuk konvergen. Pada simulasi ini, untuk parameter a yang digunakan agar energi keadaan dasar konvergen adalah 0,0005. Pada penelitian ini sulit mengestimasikan anharmonik untuk 0,5, karena banyaknya walker yang menghilang selama simulasi berlangsung. Hal ini menyebabkan hasil estimasi energi keadaan dasar menggunakan metode kuantum difusi Monte Carlo untuk 0,5 tidak Tabel 1 Energi keadaan dasar osilator kuantum anharmonik untuk beberapa Metode Kuantum Difusi λ Monte Carlo (ђω) 0,001 0,5003 0,005 0,5013 0,01 0,502 0,05 0,5009 0,1 0,4916 Dari Tabel 1 terlihat hasil estimasi energi keadaan dasar untuk beberapa berbeda-beda, karena dipengaruhi bilangan acak yang dibangkitkan. Energi keadaan dasar yang paling rendah terdapat pada 0,1. Perbandingan Hasil Metode Kuantum Difusi Monte Carlo Dengan Hasil Teori Gangguan Dan Metode Random Walk Validasi dari hasil simulasi energi keadaaan dasar menggunakan metode kuantum difusi Monte Carlo dibandingkan dengan hasil energi keadaaan dasar menggunakan metode perturbasi dan random walk. Perbandingan atau validasi pada penelitian ini dapat dilihat pada Gambar 8. Dari Gambar 8 terlihat hasil estimasi energi keadaan dasar dengan menggunakan metode kuantum difusi Monte Carlo mendekati energi keadaan dasar dengan teori gangguan dan metode random walk. Selisih terbesar terdapat pada 0,1 antara metode kuantum difusi Monte Carlo dan teori gangguan, yaitu sekitar 1,1%. Untuk metode kuantum difusi Monte Carlo dengan random walk memiliki selisih terbesar sekitar 0,7% pada 0,1. 51

Energi POSITRON, Vol. VI, No. 2 (2016), Hal. 47 52 ISSN : 2301-4970 0,504 0,5 Teori gangguan 0,496 0,492 0,488 Metode random walk Metode Kuantum Difusi Monte Carlo 0,484 0 0,02 0,04 0,06 0,08 0,1 0,12 λ Gambar 8 Perbandingan energi keadaan dasar dengan teori gangguan, metode random walk [5], dan kuantum difusi Monte Carlo 4. Kesimpulan Fungsi gelombang dan energi keadaan dasar yang diperoleh dari penelitian ini masih belum stabil. Hal ini disebabkan karena pengaruh bilangan acak yang dibangkitkan. Oleh karena itu dibutuhkan parameter lain untuk memperoleh fungsi gelombang dan energi keadaan dasar osilator kuantum anharmonik yang stabil. Hasil dari estimasi anharmonik dengan menggunakan metode kuantum difusi Monte Carlo memiliki selisih terbesar sekitar 1,1% dengan teori gangguan, dan memiliki selisih maksimum sekitar 0,7% dengan anharmonik menggunakan metode random walk. Methods : Applications to Physical Systems. 3rd ed. Wesley A, editor. San Fransisco: Pearson Education Inc; 2007. 5. Sanubary I. Penentuan Energi Keadaan Dasar Osilator Kuantum Anharmonik Menggunakan Teori Gangguan Dan Metode Random Walk. Pontianak: Universitas Tanjungpura; 2012. 6. Kosztin I, Faber B, Schulten K. Introduction to the Diffusion Monte Carlo Method. American Journal of Physics. 1996; 64(5): p. 633. 7. Terrell I. Diffusion Quantum Monte Carlo : A Java Based Simulation and Visualization; 2004. Daftar Pustaka 1. Suparmi, Nurhayati, Variani VI, Cari. Analisis Fungsi Gelombang dan Spektrum Energi Potensial Rosen Morse Menggunakan Metode Hipergeometri. Jurnal Matematika & Sains. 2012; 17. 2. Sutisna. Solusi Analitik Persamaan Schrödinger Sistem Osilator Harmonik 1 Dimensi dengan Massa Bergantung Posisi menggunakan Metode Transformasi. Jurnal Ilmu Dasar. 2009; 10. 3. Dineykhan M, Efimov GV, Ganbold G, Nedelko SN. Oscillator Representation in Quantum Physics. 1st ed. New York: Springer-Verlag Berlin Heidelberg; 1995. 4. Gold H, Tobochnik J, Christian W. An Introduction to Computer Simulation 52