计算科学 - python 中的即插即用 Clebsch-Gordan 计算？ - 吾爱随笔录

我在 python 中开始了一个小项目，假设在 scipy 等库中很容易找到用于数值计算 Clebsch-Gordan 系数的例程。到了做的时候，我实际上发现很难找到合适的库。Scipy 似乎没有它。我正在寻找一种开源的解决方案，不会在我自己的代码中添加很多代码行，不需要我为 C 库编写自己的胶水代码，并且可以在 debian 中使用库——换句话说，一个非常简单的即插即用解决方案。似乎确实有 GSL 的绑定，但似乎没有一个是为 debian 打包的。

我能想出的最佳解决方案是：

import numpy,sympy
from sympy.physics.quantum.cg import CG  

class Memoize:
  # https://stackoverflow.com/a/1988826/1142217
  def __init__(self, f):
    self.f = f
    self.memo = {}
  def __call__(self, *args):
    if not args in self.memo:
      self.memo[args] = self.f(*args)
    return self.memo[args]

def clebsch(j1,m1,j2,m2,j3,m3):
  """
  Computes <j1 m1 j2 m2 | j3 m3>, where all spins are given as double their values.
  """
  # https://docs.sympy.org/latest/modules/physics/quantum/cg.html
  # https://mattpap.github.io/scipy-2011-tutorial/html/numerics.html
  return CG(sympy.S(j1)/2,sympy.S(m1)/2,sympy.S(j2)/2,sympy.S(m2)/2,sympy.S(j3)/2,sympy.S(m3)/2).doit().evalf()

clebsch = Memoize(clebsch)

这使用 sympy 符号数学库以符号方式计算 CG 系数，然后对结果表达式进行数值计算。由于 memoization，性能实际上并不太糟糕，但是由于我必须加载 sympy. 将符号数学用于数值应用似乎也很愚蠢。

我在网上找到了一些人的原生 python 实现，但似乎没有什么是高质量的实现，使用其中一个需要将他们的代码剪切并粘贴到我的代码中，从而使我希望的代码行数膨胀一个小而优雅的程序。

有什么建议？

[编辑] 我在 SciPy 中打开了一个功能请求，随后讨论了是否有一个可以复制或采用的实现，并具有适当的许可证。