ትርፍ፡
- ሞዴሉን ከፊዚክስ በመምረጥ የሙከራ ውሂብን ከcurve_fit ጋር የማጣጣም ችሎታ እና ግቤቶችን ከእርግጠኛነታቸው ጋር ሪፖርት ያድርጉ።
- ቀሪዎችን በመመርመር ተስማሚ ጥራትን በታማኝነት የመገምገም ችሎታ እና ከመጠን በላይ መገጣጠምን ያስወግዳል
- የተገኙትን መለኪያዎች አካላዊ አሳማኝነት የመፈተሽ እና 'ጥሩ መልክ' የሚመጥን 'በአካል ትክክለኛ' ተስማሚ የመለየት ችሎታ
ፊዚክስ በመጨረሻ በሙከራ ላይ የተመሰረተ ነው. ቲዎሪ የቱንም ያህል ያማረ ቢሆንም፣ ከተለካ መረጃ ጋር ካልተስማማ፣ ልክ ያልሆነ ነው። ከርቭ ፊቲንግ ከሙከራ መረጃ ጋር አብሮ በመስራት ልብ ላይ ነው፡ በቲዎሪ (መስመር፣ ገላጭ፣ ማወዛወዝ) የተተነበየውን ሞዴል ወደ ጫጫታ የመለኪያ ነጥቦች በተቻለዎት መንገድ በተሻለ መንገድ ማገናኘት እና የአምሳያው መለኪያዎችን (ዳገት ፣ ቋሚ ፣ ድግግሞሽ) ማግኘት። በዚህ ክፍል ውስጥ፣ በሙከራ መረጃ ትንተና ውስጥ አርቴፊሻል ኢንተለጀንስ (AI) እንዴት እንደሚጠቀሙ፣ እንዴት ኩርባ በትክክል መገጣጠምን ማቀናበር እንደሚቻል፣ እና—በጣም ወሳኙ—በአቅጣጫ "ጥሩ በሚመስል" እና "በአካል ትክክለኛ መሆን" መካከል ያለውን ልዩነት እንዴት እንደሚለዩ ይማራሉ። መደበኛ መሳሪያው scipy.optimize.curve_fit ነው (ከመረጃው ጋር የሚስማማ ሞዴል ተግባር)።
የከርቭ ፊቲንግ አመክንዮ እና የ AI ሚና
ከርቭ ፊቲንግ ይህንን ያደርጋል፡ የሞዴል ተግባርን ይመርጣሉ (ለምሳሌ y = ax + b) እና ስልተ ቀመር በትንሹ ስህተት ከውሂቡ ጋር የሚስማማ የ a እና b እሴቶችን ያገኛል። AI ትክክለኛውን የሞዴል ተግባር በኮድ በመፃፍ ፣የcurve_fit ጥሪን በማዘጋጀት እና ውጤቱን በማየት ፈጣን ነው። ነገር ግን ሁለት ወሳኝ ውሳኔዎች የእርስዎ ናቸው (1) የትኛው ሞዴል በአካላዊ ሁኔታ ትክክል ነው? (2) የመገጣጠም ጥራት በእርግጥ ጥሩ ነው? አይአይ በተጨማሪም 10ኛ-ትዕዛዝ ፖሊኖሚል ከመረጃው ጋር መግጠም እና ፍፁም የሚመስለውን ኩርባ መሳል ይችላል - ነገር ግን ይህ በአካል ትርጉም የለሽ ከመጠን በላይ መገጣጠም ነው።
አካላዊ ክስተት
የሚጠበቀው ሞዴል
መለኪያ ተገኝቷል
የማያቋርጥ የፍጥነት እንቅስቃሴ
y = ax + b
ተዳፋት = ፍጥነት
ራዲዮአክቲቭ መበስበስ
N = N₀·e^(-λt)
λ = የማያቋርጥ የመበስበስ
የፀደይ መለቀቅ
x = አኮስ (ωt + φ)
ω = የማዕዘን ድግግሞሽ
የኦም ህግ
V = R·I
R = መቋቋም (ዳገት)
ነጻ ውድቀት
y = ½·g·t²
ሰ = የስበት ፍጥነት መጨመር
ደረጃ በደረጃ፡ ሐቀኛ ኩርባን መግጠም
1. ሞዴሉን ከመረጃ ሳይሆን ከፊዚክስ ይምረጡ። በመጀመሪያ ክስተቱ የትኛውን አካላዊ ህግ ማክበር እንዳለበት ይወስኑ። መረጃውን በመመልከት ሞዴልን መምረጥ እና "በጥሩ ሁኔታ የሚስማማውን" መምረጥ ፊዚክስ ከመረጃው ጋር እንዲጣጣም ለማድረግ መሞከር ነው - አደገኛ.
2. ውሂብ እና እርግጠኛ አለመሆን ያስገቡ. ከመለኪያ ነጥቦቹ ጋር, ካለ, የእያንዳንዱን የመለኪያ ስህተት (ሲግማ ፓራሜትር) ያስገቡ. ይህ ለትክክለኛው ትክክለኛ ስሌት እና የመለኪያ አለመረጋጋት አስፈላጊ ነው።
3. መለኪያዎችን እና እርግጠኛ ያልሆኑትን ያንብቡ. curve_fit ሁለቱንም የመለኪያ እሴቶችን እና ከተጓዳኝ ማትሪክስ የተገኙ እርግጠኛ ያልሆኑትን ይመልሳል። መለኪያውን ያለእርግጠኛነት ሪፖርት ማድረግ ያልተሟላ ነው፡ "g = 9.7 ± 0.3 m/s²" ማለት "9.7" ከማለት የበለጠ መረጃ ሰጪ ነው።
4. ተስማሚውን ከቅሪቶች ጋር ይገምግሙ. ቀሪው የእያንዳንዱ መለኪያ ነጥብ ከአምሳያው ልዩነት ነው. የተረፈውን በዘፈቀደ ማከፋፈል ጥሩ ብቃትን የሚያሳይ ምልክት ነው; ስልታዊ ኩርባ (ለምሳሌ ሁሉም በአንድ ቦታ ከአምሳያው በላይ) ሞዴሉ የተሳሳተ መሆኑን ያሳያል።
5. አካላዊ ምክንያታዊነትን ያረጋግጡ. g እሴቱ በ9.8 ወይም በ50 ቅደም ተከተል ይገኛል? አንድ resistor አሉታዊ ሄዷል? ምንም እንኳን ተስማሚው "ጥሩ ቢመስልም" በአካል የማይቻል መለኪያዎች ችግርን ያመለክታሉ.
ጠቃሚ ምክር: በአይን እይታ ላይ ብቻ በመተማመን የመገጣጠሙን ጥራት አይፍረዱ። ሁልጊዜ ቀሪዎቹን በተለየ ግራፍ ላይ ያቅዱ። በጥሩ ሁኔታ ፣ ቀሪዎቹ በዜሮ አካባቢ እንደ ጫጫታ ይበተናሉ ። ከመጥፎ ሁኔታ ጋር, የሚታይ ንድፍ (ሞገድ, ተዳፋት, ዩ-ቅርጽ) ይታያል. ይህ ስርዓተ-ጥለት የእርስዎ ሞዴል የአካል ጉድለት እንዳለበት የሚያሳይ በጣም ታማኝ ምልክት ነው።
ሶስት ጥቃቅን ጉዳዮች
ጉዳይ 1 - ከመጠን በላይ ወጥመድ። አንድ ተማሪ በ AI የተጠቆመ የ 7 ኛ ዲግሪ ፖሊኖሚል ለ 8 የመረጃ ነጥቦች; ኩርባው ሁሉንም ነጥቦች በማለፍ "ፍጹም" ይመስላል. ነገር ግን በሁለቱ ነጥቦች መካከል ኩርባው በማይታመን ሁኔታ ተንቀጠቀጠ። ተማሪው ወደ ፊዚክስ ዞሯል፡ ቀጥተኛ ግንኙነት ነበር። ቀላል መስመርን ሲገጥም, መለኪያዎቹ አካላዊ ትርጉም አላቸው; የከፍተኛ ደረጃ ፖሊኖሚል ጩኸቱን በቃ አስታውሶ ነበር።
ጉዳይ 2 - እርግጠኛ አለመሆን ተረሳ። አንድ ተመራማሪ የስበት ማጣደፍ g = 9.73 በ YZ የተጻፈ ኮድ አግኝቶ ሪፖርት አድርጓል። አማካሪው ስለ እርግጠኛ አለመሆኑ ጠየቀ። ተመራማሪው curve_fit's covariance ውፅዓት አልተጠቀመም; ሲሰላ፣ እርግጠኛ አለመሆኑ ± 0.4 ሆኖ ተገኝቷል፣ ይህም ማለት ውጤቱ ከመደበኛው የ9.81 እሴት ጋር የሚስማማ ነበር። ያለምንም ግልጽነት ውጤቱ "ከ9.81 ያፈነገጠ" ተብሎ በተሳሳተ መንገድ ሊተረጎም ይችላል.
ጉዳይ 3 - ቀሪዎች ስህተቱን አሳይተዋል። አንድ አስተማሪ ቀጥተኛ መስመርን ወደ ማቀዝቀዣ ሙከራ ያስገባ እና ምክንያታዊ ይመስላል። ነገር ግን ፍርስራሾቹን ሲያቅድ፣ የተለየ የተጠማዘዘ ንድፍ ወጣ። በእውነቱ የተከሰተው ነገር ገላጭ ማቀዝቀዝ ነበር። ትክክለኛውን ሞዴል (ገላጭ) ሲጠቀም ቀሪዎቹ በዘፈቀደ ሆኑ እና ተስማሚው አካላዊ ትርጉም ያለው ሆነ።
አራት ሊገለበጡ የሚችሉ አብነቶች
1) ከአካላዊ ሞዴል ጋር መገጣጠም;
ለሚከተለው የሙከራ መረጃ ([x እና y values፣ in units]) አካላዊ ሞዴሊ = [የሞዴል ተግባር] ጋር የሚስማማ ከርቭ_ፊት ኮድ ይፃፉ። ከተጓዳኝነት የተገኙትን መለኪያዎች እና 1-ሲግማ እርግጠኛ ያልሆኑትን ያትሙ። ውሂቡን፣ የተገጠመውን ከርቭ እና ቀሪዎቹን በተለየ ግራፍ ላይ ያሴሩ። ሞዴሉን ከፊዚክስ መርጫለሁ; አንተ ብቻ ተግባራዊ አድርግ.
2) የብቃት ግምገማ ጥራት;
የመግጠሚያውን ጥራት የሚገመግም ኮድ ከዚህ በታች ያክሉ፡ ቀሪዎቹን ይቅረጹ፣ እንደ chi-square ወይም R² ያለ መለኪያ ያሰሉ እና በቅሪዎቹ ውስጥ ስልታዊ ንድፍ ካለ በጽሁፍ አስተያየት ይስጡ። የአካል ብቃት ኮድ: [እዚህ]
3) የሞዴል ንጽጽር፡-
የሚስማማ ኮድ ይጻፉ እና ሁለት የተለያዩ አካላዊ ሞዴሎችን ከተመሳሳይ ውሂብ ጋር ያወዳድሩ፡ [ሞዴል A] እና [ሞዴል ለ]። የሁለቱም መለኪያዎችን፣ እርግጠኛ ያልሆኑትን እና ቀሪ ንድፎችን አሳይ። የትኛው በአካል ይበልጥ ተስማሚ እንደሆነ ለመወሰን የእኔ ውሳኔ ነው; ሁለቱን ጎን ለጎን ብቻ ያቅርቡ. ከመጠን በላይ መገጣጠምን ያስታውሱ።
4) እርግጠኛ ያልሆነ ሪፖርት;
የሚከተለውን እያንዳንዱን ግቤት የሚመጥነውን ኮድ ጨምር ከትክክለኛው ጉልህ አሃዞች ቁጥር ጋር በ "እሴት ± አለመተማመን (ዩኒት)" ቅርጸት። አንድ ግቤት በአካል የማይቻል እሴት ከወሰደ (ለምሳሌ አሉታዊ ክብደት) ይመጥን። ኮድ: [እዚህ]
ደካማ ጥያቄ / ጠንካራ ጥያቄ
ደካማ፡ "እነዚህን መረጃዎች በተሻለ የሚስማማውን ኩርባ አግኝ።"
ማጠቃለያ: AI "ፍጹም" ነገር ግን አካላዊ ትርጉም የለሽ ለከፍተኛ ደረጃ ፖሊኖሚል ሊሰጥ ይችላል; እርግጠኛ አለመሆን እና ምንም ተጨማሪ.
ጠንካራ፡ "ከሬዲዮአክቲቭ የመበስበስ ሞዴል N = N₀·e^(-λt) ጋር የሚስማማ የከርቭ_ፊት ኮድ ለዚህ (t, N) መረጃ ይፃፉ። λ እና N₀ እና እርግጠኛ ያልሆኑትን ያትሙ። ቀሪዎቹን በተለየ ግራፍ ያቅዱ እና ስልታዊ ንድፍ ካለ አስተያየት ይስጡ። λ አሉታዊ ከሆነ አስጠንቅቅ።"
ውጤት፡ አካላዊ ሞዴል፣ እርግጠኛ ያልሆኑ መለኪያዎች፣ ቀሪ ፍተሻ እና የአሳማኝነት ማረጋገጫ።
የተለመዱ ስህተቶች
- ሞዴሉን ከመረጃው ውስጥ መምረጥ. ከአካላዊ ህግ ይልቅ "ምርጥ" መምረጥ ፊዚክስ ከመረጃው ጋር እንዲጣጣም ማስገደድ እና ከመጠን በላይ መገጣጠምን ያመጣል.
- እርግጠኛ አለመሆንን አለማሳወቅ። ያለ ጥርጣሬ የመለኪያ እሴት በሳይንሳዊ ያልተሟላ ነው; ሁለት ውጤቶች ተኳሃኝ መሆናቸውን ወይም አለመሆናቸውን መረዳት የሚቻለው እርግጠኛ ባልሆነ መንገድ ብቻ ነው።
- የተረፈውን አለመቧጨር። ዓይንን በመመልከት ተገዢነትን "ጥሩ" ማወጅ ስልታዊ ልዩነቶችን ይደብቃል.
- ጉልህ የሆነውን አሃዝ ይገምቱ። g = 9.73418 ± 0.4 መፃፍ የውሸት ትክክለኛነት ነው; እርግጠኛ አለመሆን ምን ያህል አሃዞች ጠቃሚ እንደሆኑ ይወስናል።
- አካላዊ ምክንያታዊነትን ማለፍ። እንደ አሉታዊ መቋቋም ወይም 50 m/s² የስበት ኃይል ያሉ የማይቻሉ ውጤቶችን ችላ ማለት።
ትኩረት፡ ጥምዝ ከመረጃው ጋር በደንብ ስለሚጣጣም ብቻ የስር ፊዚክስ ትክክል መሆኑን አያረጋግጥም። በበቂ ነፃ መለኪያዎች፣ "ጥሩ" ኩርባ ለማንኛውም ውሂብ ተስማሚ ሊሆን ይችላል። ሳይንሳዊ ታማኝነት ሞዴሉን ከፊዚክስ መምረጥ፣ እርግጠኛ አለመሆንን ሪፖርት ማድረግ እና ቀሪዎቹን በቅንነት መመርመርን ይጠይቃል። ጥሩ በ AI የመነጨ ግራፊክስ ለእነዚህ መቆጣጠሪያዎች ምትክ አይደለም።
በማጠቃለያው
በሙከራ ዳታ ትንተና፣ AI በፍጥነት ከርቭ ፊቲንግ ኮድ እና ምስላዊነትን ያቋቁማል። ነገር ግን አካላዊ ሞዴልን መምረጥ፣ እርግጠኛ አለመሆንን በትክክል ሪፖርት ማድረግ እና የተመጣጠነውን ጥራት በትክክል መገምገም የፊዚክስ ሊቃውንት ሃላፊነት ነው። ጥሩ ትንታኔ ሞዴሉን ከፊዚክስ ይወስዳል, ግቤቶችን ከእርግጠኝነት ጋር ሪፖርት ያደርጋል, ቀሪዎቹን ይመረምራል እና የውጤቱን አካላዊ አሳማኝነት ይፈትሻል. በሚቀጥለው ክፍል፣ ይህንን እርግጠኛ ያለመሆን ጽንሰ-ሀሳብ በጥልቀት እንነጋገራለን-የመለኪያ ስህተት እና የስህተት ስርጭት።
የመተግበሪያ ተግባር
አካላዊ ሞዴል ካለህ ወይም ካዘጋጀህው ትንሽ ስብስብ ጋር (ለምሳሌ የፔንዱለም ወይም የአሁን-ቮልቴጅ የ resistor የቮልቴጅ ዳታ የርዝማኔ ጊዜ መለኪያዎች) አስተካክል። ኮዱን በ 1 ኛ አብነት ወደ AI ያትሙ, ያሂዱት; ግቤቶችን እርግጠኛ ካልሆኑት ጋር ያንብቡ እና ቀሪዎቹን ያቅዱ። በቅሪዎቹ ውስጥ ስልታዊ ንድፍ ካለ ያረጋግጡ፣ መለኪያዎቹ በአካል ምክንያታዊ መሆናቸውን ያረጋግጡ። በ5-6 ዓረፍተ-ነገሮች ውስጥ ይፃፉ: ተስማሚነቱ በጣም ጥሩ ነበር፣ እርግጠኛ አለመሆን ምን አለ?
የማረጋገጫ ዝርዝር
- [] ሞዴሉን የመረጥኩት ከፊዚክስ እንጂ ከዳታ አይደለም።
- [] የመለኪያ እርግጠኛ አለመሆንን በመገጣጠም ውስጥ አካትቻለሁ።
- [ ] መለኪያዎቹን እርግጠኛ ካልሆኑ እና አግባብ ባለው ጉልህ አሃዝ ሪፖርት አድርጌያለሁ።
- [] ቀሪዎቹን በተለየ ግራፍ ላይ አወጣሁ እና ስልታዊ ንድፎችን ፈለግሁ።
- [] መለኪያዎች በአካል ምክንያታዊ መሆናቸውን አረጋግጫለሁ።
- [] ከመጠን በላይ መገጣጠም (አላስፈላጊ ከፍተኛ ነፃነት) ተቆጠብኩ።