matlab求解泊松方程代码-Drift-Diffusion_Python:用Python编写的一维模型，可使用有限差分求解半导...

matlab优化泊松方程代码漂移扩散模型 这是用Python编写的一维模型，该模型使用有限差分求解半导体泊松漂移扩散方程。 该模型模拟了光照下的太阳能电池，但也可以适用于其他半导体器件。 可以对其进行修改以解决其他系统（即，通过更改边界条件，添加重组率和修改生成率）。 使用称为Gummel方法的自洽迭代方法求解方程。 为了确保连续性方程的数值稳定性，使用了Scharfetter Gummel离散化以及新旧解决方案的线性混合。 表现 使用Numba @jit装饰器可以加速代码。 示例CPU时间：不使用Numba：469.7秒使用Numba：73.7秒 得出的结论是，Numba的工作量很轻，而且性能显着提高。 您可以在此处阅读有关Numba的信息： C ++和Matlab实现 您可以在这里找到相同模型的C ++和Matlab实现以及2D和3D版本： 性能比较： 对于网格尺寸为dx = 0.25nm，系统尺寸为300nm的一维代码： Python：69.8秒Matlab：40秒C ++：3.7秒 因此，当前的C ++版本要快得多，可能具有阅读不太优雅的缺点。