Question

我编写了一个代码，用于解决矩阵表示中的薛定谔方程。哈密顿量是方阵，状态向量是一维阵列。我正在使用numpy.matrix类并解决耦合微分方程 - 来自scipy.integrate的颂歌

from scipy.integrate import ode
import numpy as np

现在我遇到了一个问题，因为我的矩阵远大于10000x10000，并且在同时运行两个脚本时我遇到了总RAM内存使用量。我希望scipy的稀疏阵列可以解决我的记忆消耗，因为我使用的哈密顿量和其他矩阵有很多零。我不知道我是否能够解决微分方程。也许还有其他方法可以处理复杂数字的大数据矩阵。

我想补充一点，我在某个时刻使用向量来计算平均值，所以我在计算结束时得到一个数字。

Answer 1

对于10,000x10,000双精度数字矩阵，使用800 MB（763 MiB）。如果您的方法使用多个矩阵，那可能就是问题所在。如果矩阵基本上是空的，则稀疏表示是可行的方法。