סימולציה של מערכות פיזיות

רווחים:

• יכולת לדמות מערכת פיזיקלית דינמית עם פותרים כגון solve_ivp ולאמת את תקפות הסימולציה על ידי ניטור אנרגיה כוללת או שימור מומנטום
• יכולת להבחין בין חפצים מספריים מפיזיקה אמיתית על ידי בחירת גודל הצעד עם מבחן התכנסות
• יכולת לבדוק את תוצאת הסימולציה על ידי השוואה עם מצבים אנליטיים ידועים ומצבי גבול פיזיים

חלק ניכר מהפיסיקה עוסק במערכות משתנות זמן: מטוטלת מתנודדת, כוכב לכת שמסתובב, גוף מתקרר, גל מתפשט. רוב המערכות הללו מתוארות על ידי משוואות דיפרנציאליות - כלומר משוואות המקשרות את קצב השינוי של כמות (מיקום, טמפרטורה) לאותה כמות עצמה. לרוב אין למשוואות הללו פתרון אנליטי (מדויק בנוסחה); במקום זאת אנו מדמים: הזזת המערכת קדימה בצעדי זמן קטנים וניטור מספרי של התנהגותה. ביחידה זו תלמדו כיצד להשתמש בבינה מלאכותית (AI) לבניית קוד סימולציה והכי חשוב - כיצד לוודא בעזרת חוקי השימור האם הסימולציה משקפת את הפיזיקה במדויק.

הרעיון הבסיסי של הדמיה ותפקיד הבינה המלאכותית

סימולציה מורכבת ממחזור זה: קח את המצב הנוכחי, יישם את משוואת השינוי, התקדם ב-Δt קטן, חזור. ה-AI מהיר מאוד בבניית הלולאה הזו, בוחר את הפותר הנכון - האלגוריתם שפותר את המשוואה הדיפרנציאלית שלב אחר שלב, ועורך את הקוד. הכלי הסטנדרטי של הפיזיקאי הוא scipy.integrate.solve_ivp (פונקציית SciPy שפותרת בעיות ערך ראשוני). אבל לפני שאתה סומך על הסימולציה שנוצרה על ידי AI, השאלה שאתה חייב לשאול היא זו: האם הסימולציה הזו משמרת את הכמויות הפיזיקליות (אנרגיה, מומנטום, תנע זוויתי) שצריך לשמר?

מערכת

סוג המשוואה

קריטריוני אימות

מטוטלת, קפיץ

תואר שני ODE

קביעות של אנרגיה כוללת

מסלול כוכב הלכת

ODE כבידה ניוטונית

תנע זוויתי + שימור אנרגיה

מצננים/מחממים

תואר ראשון ODE

התכנסות לטמפרטורת שיווי משקל

ריקבון רדיואקטיבי

ODE אקספוננציאלי

שליטה במחצית החיים

מונטה קרלו (אקראי)

סטטיסטי

התכנסות לממוצע/התפלגות ידועים

הערה: ODE מייצג "משוואה דיפרנציאלית רגילה" - משוואה הכוללת נגזרת ביחס למשתנה בודד (בדרך כלל זמן).

צעד אחר צעד: סימולציה אמינה

1. הבהרת הפיזיקה והתנאים הראשוניים. מהי משוואת המערכת? מהי עמדת ההתחלה, מהירות, טמפרטורה? מהן היחידות? תן את אלה במפורש ל-AI.

2. בחר פותר מתאים וגודל צעד. שלב זמן גדול מדי הופך את הסימולציה לבלתי יציבה (התוצאה מתפוצצת או הפיזיקה נשברת); צעד קטן מדי מאט את הקצב שלא לצורך. AI עשוי להציע, אבל לשלוט בהחלטה.

3. עקוב אחר חוק השימור בקוד. חשב והדפיס את סך האנרגיה (או המומנטום) לאורך הסימולציה. אם הוא נסחף בגודל שאמור להישאר קבוע, הסימולציה אינה אמינה.

4. השוו עם פתרון ידוע. לדוגמה, התקופה של מטוטלת משרעת קטנה ידועה בנוסחה T = 2π√(L/g); השווה את התקופה שניתנה על ידי הסימולציה עם זה.

5. שינוי פרמטר, התנהגות בדיקה. האם התנודה מופחתת כשמוסיפים חיכוך? האם המסלול משתנה כצפוי כאשר המסה גדלה? מבחן עם אינטואיציה פיזית.

טיפ: הוסף "גשש אנרגיה" לכל סימולציה: חשב את סך האנרגיה בכל שלב ושרטט אותה כיחס לאנרגיה ההתחלתית. במערכת ללא חיכוך, יחס זה צריך להישאר קבוע קרוב ל-1. סחיפה של יותר מ-1% היא סימן שעליך להקטין את גודל הצעד או לשנות את הפותר.

שלושה מיני תיקים

מקרה 1 - פרץ אנרגיה. תלמיד דימה מסלול כוכב לכת בשיטת אוילר פשוטה (שיטת הצעד הפרימיטיבית ביותר) שנכתבה על ידי AI. המסלול התרחב בהדרגה עם הזמן וכוכב הלכת "עף משם". כשהתלמיד עקב אחר האנרגיה הכוללת, הוא ראה שהיא גדלה כל הזמן - פגם ידוע בשיטת אוילר. הוא ביקש מבינה מלאכותית פותר ששומר אנרגיה טוב יותר (שיטה מתאימה יותר עם solve_ivp) והמסלול התמקם באליפסה יציבה.

מקרה 2 - יחידה שגויה, תקופה שגויה. מורה מצא שהתקופה היא 0.2 שניות בסימולציה של מטוטלת, אבל הערך הצפוי היה 2 שניות. כשבדק אותו, הוא הבין שה-AI הזין את האורך בסנטימטרים והשתמש בו כמטר בנוסחה. עם תיקון יחידה, הסימולציה הסכימה עם הערך האנליטי של T = 2π√(L/g).

מקרה 3 - אימות מונטה קרלו. חוקר ביקש מה-AI קוד שדוגם באופן אקראי (Monte Carlo - סימולציה סטטיסטית עם מספרים אקראיים) חלקיקים הפוגעים בגלאי. כדי לאמת את התוצאה, הוא הריץ מקרה פשוט הידוע אנליטית (למשל הערכת π לפי היחס בין שטח המעגל) באותה שיטה; כאשר הקוד חזה נכון את π, האמון שלו בסימולציה בפועל גדל. הוא גם הבחין שככל שמספר הדגימות גדל, התוצאה הצטמצמה והתכנסה לערך האמיתי.

ארבע תבניות הניתנות להעתקה

1) סימולציה מפוקחת שימור:

כתוב קוד Python המדמה את המערכת הפיזית הבאה עם solve_ivp: [מערכת, משוואה, תנאים התחלתיים, יחידות]. לאורך כל הסימולציה, חשב את סך האנרגיה (והתנע, אם יש) בכל שלב ועריך את היחס שלה לערכה ההתחלתי לאורך זמן. שים לב שבמקרה ללא חיכוך, יחס זה צריך להישאר קבוע ~1.

2) השוואה אנליטית:

הוסף קוד שמשווה את התוצאה של הסימולציה הבאה לפתרון האנליטי הידוע של מערכת זו ([נוסחה]). שרטטו את שניהם על אותו גרף והדפיסו את ההבדל המקסימלי בין מספרי לאנליטי. קוד סימולציה: [כאן]

3) גודל שלב/בדיקת יציבות:

כתוב קוד שמריץ את הסימולציה הבאה עם שלבי זמן שונים (למשל dt = 0.1, 0.01, 0.001) ומראה כיצד התוצאות משתנות. ציין לאחר איזה גודל צעד התוצאה מתייצבת (מתכנסת). קוד: [כאן]

4) בדיקת מצב גבול פיזי:

הצע 3 מבחני מצב גבול פיזי עבור הסימולציה הבאה: (למשל, יש לשמור אנרגיה כאשר החיכוך הוא אפס, להיעצר במהירות כאשר החיכוך גדול, כיצד התקופה צריכה להשתנות כאשר המסה מכפילה). כתוב את התוצאה הצפויה של כל מבחן במשפט אחד. קוד: [כאן]

הנחיה חלשה / הנחיה חזקה

חלש: "כתוב הדמיית מטוטלת".

תוצאה: קוד ללא יחידות, ללא אימות, ללא בדיקות שימור; לא ברור אם זה משקף פיזיקה או לא.

חזק: "כתוב קוד solve_ivp המדמה מטוטלת פשוטה באורך L = 1 מ', זווית התחלה 10°, עם g = 9.81 m/s² למשך 10 שניות. עקוב אחר האנרגיה הכוללת בכל שלב ושרטט את היחס להתחלה. השווה את התקופה הנמדדת עם נוסחת המשרעת הקטנה T = 2π√ (L/g) והדפיס את ההפרש."

תוצאה: סימולציה אמינה עם יחידות, ניטור שימור והשוואה עם הערך האנליטי.

טעויות נפוצות

• לא מקיים את חוק השימור. אם האנרגיה או המומנטום נסחפים, הסימולציה שגויה; לסמוך על התוצאה מבלי לראות זאת היא הטעות הנפוצה ביותר.
• בחירת גודל הצעד באופן שרירותי. צעד גדול מדי יוצר חוסר החלטיות, צעד קטן מדי יוצר עלויות מיותרות; בדיקת התכנסות היא חיונית.
• לא עושים השוואות אנליטיות. מבלי להשוות אותו למקרה מיוחד ידוע (משרעת קטנה, מצב ללא חיכוך), הסימולציה נשארת ללא פיקוח.
• טועה בפגם מספרי בפיזיקה. התנהגות כגון התרחבות מסלול היא לעתים קרובות פגם של השיטה, לא פיזיקה אמיתית.
• תיקון מספר הדגימות בסימולציה אקראית. זה מטעה להגדיל את מספר הדגימות במונטה קרלו ולהסתמך על תוצאה אחת מבלי לראות התכנסות.

זהירות: זה שהסימולציה מייצרת "גרף נחמד" לא אומר שהיא נכונה. הוויזואלי משכנע אבל מתעתע. לפני שאתה נותן אמון בסימולציה, הקפד לעקוב אחר חוק שימור ולהשוות אותו למצב ידוע. סימולציה לא מאומתת אינה ראיה פיזית.

לסיכום

סימולציה היא דרך רבת עוצמה להבין מערכות פיזיות דינמיות חסרות פתרונות אנליטיים ובונה במהירות קוד הדמיית AI. אבל הערך של הסימולציה תלוי אם היא משקפת במדויק את הפיזיקה. הדרך להבטיח זאת היא לעקוב אחר חוקי השימור, לבחור את גודל הצעד המתאים על ידי בדיקת התכנסות, להשוות את התוצאה למקרים אנליטיים ידועים ולבדוק מקרי גבול פיזיים. ביחידה הבאה נעביר את המיקוד מנתונים שנוצרו לניתוח של נתוני ניסוי בפועל.

משימת יישום

בחרו מערכת דינמית פשוטה (מטוטלת, נפילה חופשית + ​​התנגדות אוויר או קירור). עם תבנית 1, הדפס והפעל קוד סימולציה הכולל בדיקת שימור או איזון ב-AI. בדוק אם הכמות המנוטרת (אנרגיה או טמפרטורה) מתנהגת כמצופה. לאחר מכן שנה פרמטר (חיכוך, מסה, גודל צעד) וראה אם ​​השינוי בהתנהגות תואם את האינטואיציה הפיזית שלך. רשום את זה ב-5-6 משפטים.

רשימת בדיקה

• [ ] הבהרתי את המשוואה, תנאי ההתחלה והיחידות של המערכת.
• [ ] פעלתי לפי חוק שימור (אנרגיה/מומנטום) בסימולציה.
• [ ] אימתתי את גודל הצעד עם מבחן התכנסות.
• [ ] השוויתי את התוצאה עם מצב אנליטי ידוע.
• [ ] ביצעתי לפחות מבחן מצב גבול פיזי אחד.
• [ ] הבחנתי בין פגמים מספריים לפיזיקה אמיתית.