别再死记公式了！用Python模拟迈克耳孙干涉仪，动态可视化理解‘吞’‘吐’条纹

用Python动态模拟迈克耳孙干涉仪：从代码到物理直觉的跃迁

记得第一次在物理实验室见到迈克耳孙干涉仪时，那精密的光学组件和神秘的干涉条纹让我既兴奋又困惑。当教授提到"条纹吞吐"现象时，我盯着那些同心圆环看了整整十分钟，却始终无法在脑海中建立起镜面移动与条纹变化之间的直观联系。直到后来我用Python重现了这个过程，那些抽象的公式才真正活了起来——这就是计算物理的魅力：用代码搭建理解世界的脚手架。

本文将带你用Python构建一个完整的迈克耳孙干涉仪模拟器，重点不在于复现实验室操作流程，而是通过交互式可视化将干涉原理转化为直观的动画。我们会使用Matplotlib实现实时渲染，并引入ipywidgets创建参数调节面板。不同于传统实验报告的数据处理，这里每个代码单元格都是一次思想实验，让你可以自由探索波长、镜面角度等参数如何影响干涉图样。

1. 干涉原理的数学建模

1.1 光程差的计算核心

迈克耳孙干涉仪的本质是比较两束光的光程差。设入射光波长为λ，移动镜M₂的位置变化为Δd，则光程差δ与条纹移动数N的关系为：

def calculate_phase_diff(wavelength, delta_d): """ 计算光程差导致的相位变化 :param wavelength: 入射光波长(nm) :param delta_d: 镜面移动距离(mm) :return: 相位差(弧度) """ delta_d_nm = delta_d * 1e6 # 单位统一为nm return 2 * np.pi * (2 * delta_d_nm) / wavelength # 2倍是因为光往返

这个简单的函数已经包含了干涉仪最关键的物理原理：相位差与镜面移动距离成正比。当Δd = λ/2时，光程差变化λ，对应2π的相位变化，正好产生一个完整的明-暗-明条纹周期。

1.2 等倾干涉的强度分布

对于严格平行的镜面，干涉图样呈现同心圆环。某点P的强度IP可表示为：

def intensity_at_point(r, wavelength, d, I0=1): """ 计算等倾干涉中某点的光强 :param r: 观察点离中心的距离 :param d: 等效空气层厚度 :return: 归一化光强(0-1) """ theta = np.arctan(r/f) # f为透镜焦距 phase = 4 * np.pi * d * np.cos(theta) / wavelength return I0 * (1 + np.cos(phase))

这个公式揭示了为什么我们会看到明暗相间的圆环：不同θ角对应不同的相位差，形成强度调制。当移动镜面改变d值时，所有点的相位同步变化，表现为条纹从中心"吐出"或"吞入"。

2. Python实现动态可视化

2.1 基础干涉图样生成

我们先创建一个函数来生成静态干涉图样：

import numpy as np import matplotlib.pyplot as plt def plot_interference_pattern(wavelength=632.8, d=0.1, size=5): """ 绘制等倾干涉条纹 :param wavelength: 激光波长(nm) :param d: 等效空气层厚度(mm) :param size: 观察区域半径(mm) """ x = np.linspace(-size, size, 1000) y = np.linspace(-size, size, 1000) X, Y = np.meshgrid(x, y) R = np.sqrt(X**2 + Y**2) intensity = intensity_at_point(R, wavelength, d) plt.figure(figsize=(8,8)) plt.imshow(intensity, cmap='gray', extent=[-size, size, -size, size]) plt.colorbar(label='相对光强') plt.title(f"迈克耳孙干涉条纹 (d={d}mm, λ={wavelength}nm)") plt.xlabel("x (mm)") plt.ylabel("y (mm)")

执行这段代码，你会看到一个典型的等倾干涉图样。尝试修改d参数，观察条纹如何变化——这正是实验室中转动微调鼓轮时发生的现象。

2.2 创建交互式动画

静态图像还不够直观，我们使用Matplotlib的动画模块实现动态效果：

from matplotlib.animation import FuncAnimation from IPython.display import HTML def create_animation(): fig, ax = plt.subplots(figsize=(8,8)) d_values = np.linspace(0.1, 0.2, 100) # d从0.1mm到0.2mm def update(frame): ax.clear() d = d_values[frame] intensity = intensity_at_point(R, wavelength=632.8, d=d) ax.imshow(intensity, cmap='gray') ax.set_title(f"d = {d:.3f} mm") return ax anim = FuncAnimation(fig, update, frames=len(d_values), interval=100) return HTML(anim.to_jshtml())

运行这个动画，你会清晰地看到随着d值增加，条纹不断从中心"吐出"的过程。这正是实验中观察到的现象的数字孪生。

3. 参数探索与物理直觉培养

3.1 波长对条纹密度的影响

不同波长的光产生的干涉条纹间距不同。我们可以用以下代码比较红光(632.8nm)和绿光(532nm)：

wavelengths = [632.8, 532] # 红光和绿光 d = 0.15 # 固定空气层厚度 plt.figure(figsize=(12,6)) for i, wl in enumerate(wavelengths): plt.subplot(1,2,i+1) intensity = intensity_at_point(R, wavelength=wl, d=d) plt.imshow(intensity, cmap='gray') plt.title(f"λ={wl}nm")

观察输出结果，你会发现绿光的条纹更密集——这意味着在相同镜面移动距离下，绿光会产生更多的条纹吞吐。这个现象解释了为什么在测量波长时，需要精确计数条纹变化数量。

3.2 镜面倾斜与等厚条纹

当两面镜不完全平行时，干涉图样会变为等厚条纹。我们修改强度计算函数：

def intensity_unequal_angles(x, y, wavelength, d, tilt_angle): """ 计算存在倾角时的干涉强度 :param tilt_angle: 镜面倾斜角度(弧度) """ phase = 4 * np.pi / wavelength * (d + x * np.tan(tilt_angle)) return 0.5 * (1 + np.cos(phase))

创建一个倾斜角度可调的交互式可视化：

from ipywidgets import interact @interact(tilt_angle=(0, 0.01, 0.001)) def show_tilted_interference(tilt_angle=0): intensity = intensity_unequal_angles(X, Y, 632.8, 0.1, tilt_angle) plt.figure(figsize=(8,8)) plt.imshow(intensity, cmap='gray') plt.title(f"倾斜角度 = {tilt_angle:.3f} rad")

拖动滑块改变倾斜角度，观察条纹如何从同心圆逐渐变为直线条纹。这个转变过程正是实验中调节镜面螺钉时发生的现象。

4. 从模拟回到物理：现象解释与教学应用

4.1 条纹吞吐的定量验证

根据理论，每"吐出"或"吞入"一个条纹对应镜面移动λ/2的距离。我们可以用模拟验证这一点：

# 寻找条纹变化时的d值变化量 d_values = np.linspace(0.1, 0.2, 1000) center_intensity = [intensity_at_point(0, 632.8, d) for d in d_values] # 找出强度极值点（对应明暗条纹中心） from scipy.signal import argrelextrema max_indices = argrelextrema(np.array(center_intensity), np.greater)[0] delta_d = d_values[max_indices[1]] - d_values[max_indices[0]] print(f"相邻极大值间距: {delta_d:.6f} mm") print(f"理论值(λ/2): {632.8e-6/2:.6f} mm")

运行结果应与理论预测高度吻合，这种数字验证能帮助学生建立对公式的直观信任。

4.2 教学场景的应用建议

这种模拟特别适合以下教学场景：

• 预习环节：让学生在实验前通过调整参数观察现象，带着问题进入实验室
• 原理讲解：用动画展示抽象的光程差概念，替代静态的示意图
• 数据处理：模拟不同参数下的理想数据，与实际实验数据对比分析误差
• 远程教学：当无法使用实体仪器时，提供接近真实的替代体验

以下是一个可用于课堂演示的完整交互界面代码框架：

from ipywidgets import FloatSlider, interactive_output, HBox, VBox # 创建控件 wavelength_slider = FloatSlider(value=632.8, min=400, max=700, step=1, description='波长(nm)') d_slider = FloatSlider(value=0.1, min=0, max=0.5, step=0.001, description='d(mm)') tilt_slider = FloatSlider(value=0, min=0, max=0.02, step=0.001, description='倾斜(rad)') # 定义更新函数 def update_plot(wavelength, d, tilt): if tilt == 0: intensity = intensity_at_point(R, wavelength, d) else: intensity = intensity_unequal_angles(X, Y, wavelength, d, tilt) plt.figure(figsize=(8,8)) plt.imshow(intensity, cmap='gray') plt.title(f"λ={wavelength}nm, d={d}mm, 倾斜={tilt}rad") # 组合界面 controls = HBox([VBox([wavelength_slider, d_slider]), tilt_slider]) out = interactive_output(update_plot, {'wavelength': wavelength_slider, 'd': d_slider, 'tilt': tilt_slider}) display(controls, out)

这个界面允许学生实时探索三个关键参数的影响，远比静态的教科书插图更能培养物理直觉。