ਲਾਭ:
- AI ਦੁਆਰਾ NumPy/SciPy ਕੋਡ ਵਿੱਚ ਭੌਤਿਕ ਗਣਨਾ ਦਾ ਅਨੁਵਾਦ ਕਰਕੇ ਅਤੇ ਕੋਡ ਨੂੰ ਆਪਣੇ ਆਪ ਚਲਾ ਕੇ, ਨਿਰਣਾਇਕ ਆਉਟਪੁੱਟ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਯੋਗਤਾ, ਨਾ ਕਿ ਜ਼ੁਬਾਨੀ ਅਨੁਮਾਨ
- ਕਿਸੇ ਸੰਖਿਆਤਮਕ ਕੋਡ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਇੱਕ ਸਧਾਰਨ ਸਥਿਤੀ ਨਾਲ ਪਰਖ ਕੇ ਜਿਸਦਾ ਜਵਾਬ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਕਨਵਰਜੈਂਸ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਸਮਰੱਥਾ।
- ਕੋਡ ਵਿੱਚ ਵੇਰੀਏਬਲ ਯੂਨਿਟਾਂ ਨੂੰ ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਕੇ ਨਤੀਜੇ ਦੀ ਇਕਾਈ ਅਤੇ ਪੱਧਰ ਨੂੰ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਥਾਂ ਨਾਲ ਹੱਲ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: ਇੱਕ ਇੰਟੈਗਰਲ ਦਾ ਕੋਈ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਹੱਲ ਨਹੀਂ ਹੁੰਦਾ, ਸਮੀਕਰਨਾਂ ਦੀ ਇੱਕ ਪ੍ਰਣਾਲੀ ਦੀ ਜੜ੍ਹ ਬੰਦ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਲੱਭੀ ਜਾ ਸਕਦੀ, ਜਾਂ ਇੱਕ ਗਣਨਾ ਨੂੰ ਹਜ਼ਾਰਾਂ ਵਾਰ ਦੁਹਰਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਸੰਖਿਆਤਮਕ ਵਿਧੀਆਂ ਲਾਗੂ ਹੁੰਦੀਆਂ ਹਨ: ਇੱਕ ਸਹੀ ਫਾਰਮੂਲੇ ਦੀ ਬਜਾਏ, ਕੰਪਿਊਟਰ ਅੰਦਾਜ਼ਨ ਪਰ ਨਿਯੰਤਰਿਤ ਸ਼ੁੱਧਤਾ ਨਾਲ ਕਦਮ ਦਰ ਕਦਮ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਕੰਪਿਊਟੇਸ਼ਨਲ ਭੌਤਿਕ ਵਿਗਿਆਨ ਗਣਨਾਵਾਂ ਲਈ ਇੱਕ ਕੋਡ ਪਾਰਟਨਰ ਵਜੋਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਇਸ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਅਤੇ ਤੁਹਾਨੂੰ ਕਿਹੜੇ ਫੰਦੇ ਵਿੱਚ ਫਸਣ ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਥੇ ਭੌਤਿਕ ਵਿਗਿਆਨੀ ਦੇ ਮਿਆਰੀ ਸਾਧਨ ਪਾਇਥਨ ਭਾਸ਼ਾ ਅਤੇ NumPy (ਅੰਕ ਸੰਬੰਧੀ ਐਰੇ ਅਤੇ ਤੇਜ਼ ਗਣਿਤ ਲਈ ਲਾਇਬ੍ਰੇਰੀ) ਦੇ ਨਾਲ-ਨਾਲ SciPy (ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਲਈ ਲਾਇਬ੍ਰੇਰੀ; ਏਕੀਕਰਣ, ਰੈਡੀਕਲ ਖੋਜ, ਅਨੁਕੂਲਨ ਸ਼ਾਮਲ ਹਨ) ਹੋਣਗੇ।
ਏਆਈ + ਪਾਈਥਨ ਕਿਉਂ, ਹੱਥ ਨਾਲ ਕਿਉਂ ਨਹੀਂ?
ਹੱਥਾਂ ਨਾਲ ਸੰਖਿਆਤਮਕ ਗਣਨਾਵਾਂ ਕਰਨਾ ਹੌਲੀ ਅਤੇ ਗਲਤੀ-ਸੰਭਾਵੀ ਹੈ। AI ਤੁਹਾਡੀ ਭੌਤਿਕ ਰਚਨਾ ਨੂੰ ਚੱਲ ਰਹੇ ਪਾਈਥਨ ਕੋਡ ਵਿੱਚ ਕੁਝ ਸਕਿੰਟਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ ਇੱਥੇ ਸੁਨਹਿਰੀ ਨਿਯਮ ਹੈ: AI ਕੋਡ ਲਿਖਦਾ ਹੈ, ਤੁਸੀਂ ਕੋਡ ਨੂੰ ਚਲਾਉਂਦੇ ਹੋ ਅਤੇ ਭੌਤਿਕ ਵਿਗਿਆਨ ਨਾਲ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ। AI ਕਹਿਣ ਵਾਲਾ "ਇਹ ਕੋਡ ਦਿੰਦਾ ਹੈ" ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਹੈ; ਅਸਲ ਵਿੱਚ ਕੋਡ ਨੂੰ ਚਲਾਉਣਾ ਅਤੇ ਆਉਟਪੁੱਟ ਨੂੰ ਵੇਖਣਾ ਇੱਕ ਨਿਰਣਾਇਕ ਤੱਥ ਹੈ. ਇੱਕ LLM ਆਪਣੇ ਸਿਰ ਵਿੱਚ ਲਿਖੇ ਕੋਡ ਦੇ ਆਉਟਪੁੱਟ ਦੀ "ਗਣਨਾ" ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਗਲਤ ਨੰਬਰ ਕਹਿ ਸਕਦਾ ਹੈ; ਜਦੋਂ ਕਿ ਜਦੋਂ ਉਹੀ ਕੋਡ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ ਤਾਂ ਇਹ ਸਹੀ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ। ਇਸ ਲਈ AI ਦੁਆਰਾ ਜ਼ਬਾਨੀ ਤੌਰ 'ਤੇ ਦਿੱਤੇ ਗਏ ਸੰਖਿਆਤਮਕ ਨਤੀਜਿਆਂ 'ਤੇ ਕਦੇ ਭਰੋਸਾ ਨਾ ਕਰੋ - ਕੋਡ ਚਲਾਓ।
ਬੁਨਿਆਦੀ ਗਣਨਾਤਮਕ ਕਾਰਜ ਅਤੇ ਏਆਈ ਦੀ ਭੂਮਿਕਾ
ਖੋਜ
ਢੰਗ/ਟੂਲ
ਸਰੀਰਕ ਤਸਦੀਕ
ਨਿਸ਼ਚਿਤ ਅਟੁੱਟ
scipy.integrate.quad
ਸੀਮਾ ਅਵਸਥਾਵਾਂ, ਅਯਾਮੀ ਵਿਸ਼ਲੇਸ਼ਣ
ਸਮੀਕਰਨ ਦਾ ਮੂਲ
scipy.optimize.brentq
ਰੂਟ ਨੂੰ ਜਗ੍ਹਾ 'ਤੇ ਰੱਖੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਇਹ ਜ਼ੀਰੋ ਹੈ।
ਰੇਖਿਕ ਸਮੀਕਰਨਾਂ ਦੀ ਪ੍ਰਣਾਲੀ
numpy.linalg.solve
ਹੱਲ ਨੂੰ ਸਿਸਟਮ ਵਿੱਚ ਵਾਪਸ ਪਾ ਰਿਹਾ ਹੈ
ਡੈਰੀਵੇਟਿਵ (ਸੰਖਿਆਤਮਕ)
ਕੇਂਦਰੀ ਅੰਤਰ ਜਾਂ numpy.gradient
ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਵਿਉਤਪੱਤੀ ਨਾਲ ਤੁਲਨਾ
ਬਲਕ ਵੈਕਟਰ ਗਣਨਾ
NumPy ਐਰੇ
ਯੂਨਿਟ ਅਤੇ ਰੈਂਕ ਨਿਯੰਤਰਣ
AI ਇਹ ਸੁਝਾਅ ਦੇਣ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਹੈ ਕਿ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਹੜਾ ਟੂਲ ਢੁਕਵਾਂ ਹੈ ਅਤੇ ਸੰਟੈਕਸ (ਕੋਡ ਲਿਖਣ ਦੇ ਨਿਯਮ) ਨੂੰ ਸਹੀ ਕਰ ਰਿਹਾ ਹੈ। ਪਰ ਤੁਸੀਂ ਫੈਸਲਾ ਕਰਦੇ ਹੋ ਕਿ ਕਿਹੜਾ ਤਰੀਕਾ ਭੌਤਿਕ ਸਮਝ ਅਤੇ ਨਤੀਜੇ ਦੀ ਸ਼ੁੱਧਤਾ ਬਣਾਉਂਦਾ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਸੰਖਿਆਤਮਕ ਗਣਨਾ
1. ਸਮੱਸਿਆ ਅਤੇ ਇਕਾਈਆਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ। ਉਦਾਹਰਨ ਲਈ: "ਅੰਤਕ e^(−x²) ਦੀ 0 ਤੋਂ ਅਨੰਤਤਾ ਤੱਕ ਗਣਨਾ ਕਰੋ; ਨਤੀਜਾ √π/2 ≈ 0.8862 ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।" ਸੰਭਾਵਿਤ ਨਤੀਜੇ (ਜੇ ਕੋਈ ਹੈ) ਨੂੰ ਮੁੜ ਲਿਖਣਾ ਤਸਦੀਕ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ।
2. ਕੋਡ ਲਈ AI ਨੂੰ ਪੁੱਛੋ, ਪਰ ਤੁਸੀਂ ਆਉਟਪੁੱਟ ਚਲਾਉਂਦੇ ਹੋ। ਕੋਡ ਬਲਾਕ ਨੂੰ ਕਾਪੀ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਆਪਣੇ ਵਾਤਾਵਰਨ (Jupyter, Colab, ਮੂਲ ਪਾਈਥਨ) ਵਿੱਚ ਚਲਾਓ।
3. ਕਿਸੇ ਜਾਣੀ-ਪਛਾਣੀ ਸਥਿਤੀ ਨਾਲ ਟੈਸਟ ਕਰੋ। ਇੱਕ ਸਧਾਰਨ ਸਥਿਤੀ ਦੇ ਨਾਲ ਕੋਡ ਨੂੰ ਅਜ਼ਮਾਓ ਜਿਸਦਾ ਜਵਾਬ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਜਾਣਦੇ ਹੋ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਉਦਾਹਰਨ ਦੇ ਨਾਲ ਇੱਕ ਅਟੁੱਟ ਕੋਡ ਦੀ ਜਾਂਚ ਕਰੋ ਜਿਸਨੂੰ ਤੁਸੀਂ ਹੱਥ ਨਾਲ ਜਾਣਦੇ ਹੋ, ਜਿਵੇਂ ਕਿ ∫₀¹ x dx = 0.5। ਜੇਕਰ ਕੋਡ ਇਸ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਤੁਹਾਡਾ ਆਤਮ ਵਿਸ਼ਵਾਸ ਵਧਦਾ ਹੈ।
4. ਕਨਵਰਜੈਂਸ ਦੀ ਜਾਂਚ ਕਰੋ। ਸੰਖਿਆਤਮਕ ਤਰੀਕਿਆਂ ਵਿੱਚ, ਜਦੋਂ ਤੁਸੀਂ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਵਧਾਉਂਦੇ ਹੋ, ਤਾਂ ਨਤੀਜਾ ਇੱਕ ਸਥਿਰ ਮੁੱਲ ਤੱਕ ਪਹੁੰਚਣਾ ਚਾਹੀਦਾ ਹੈ। ਜੇ ਇਹ ਪਹੁੰਚ ਨਹੀਂ ਕਰਦਾ, ਤਾਂ ਤਰੀਕਾ ਢੁਕਵਾਂ ਨਹੀਂ ਹੈ.
5. ਯੂਨਿਟ ਅਤੇ ਰੈਂਕ ਦੀ ਜਾਂਚ ਕਰੋ। ਹਮੇਸ਼ਾਂ ਭੌਤਿਕ ਇਕਾਈ ਅਤੇ ਕ੍ਰਮ ਦੇ ਨਾਲ ਸੰਖਿਆਤਮਕ ਨਤੀਜਾ ਪ੍ਰਦਾਨ ਕਰੋ।
ਸੰਕੇਤ: AI ਤੋਂ ਕੋਡ ਦੀ ਬੇਨਤੀ ਕਰਦੇ ਸਮੇਂ, ਕਹੋ "ਇੱਕ ਟੈਸਟ ਲਾਈਨ ਵੀ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਮੁੱਲ ਨਾਲ ਕਰਦੀ ਹੈ।" ਇਸ ਤਰ੍ਹਾਂ, ਕੋਡ ਦੋਵੇਂ ਗਣਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਜਾਣੀ-ਪਛਾਣੀ ਸਥਿਤੀ ਵਿੱਚ ਆਪਣੇ ਆਪ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। ਇਸ ਨਾਲ ਗਲਤੀਆਂ ਤੁਰੰਤ ਦਿਖਾਈ ਦਿੰਦੀਆਂ ਹਨ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਗਲਤ ਮੌਖਿਕ ਸਿੱਟਾ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੇ ਏਆਈ ਨੂੰ ਇੱਕ ਅਟੁੱਟ ਕੋਡ ਲਿਖਿਆ ਸੀ ਅਤੇ ਏਆਈ ਨੇ ਕਿਹਾ "ਇਹ ਕੋਡ ਲਗਭਗ 1.77 ਦਿੰਦਾ ਹੈ।" ਵਿਦਿਆਰਥੀ ਨੇ ਕੋਡ ਚਲਾਇਆ: ਅਸਲ ਆਉਟਪੁੱਟ 0.886 ਸੀ। ਏਆਈ ਨੇ ਕੋਡ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਿੱਚ ਗਲਤੀ ਕੀਤੀ ਸੀ; ਕੋਡ ਸਹੀ ਸੀ। ਪਾਠ: ਕੋਡ 'ਤੇ ਭਰੋਸਾ ਕਰੋ, ਜ਼ੁਬਾਨੀ ਅੰਦਾਜ਼ੇ 'ਤੇ ਭਰੋਸਾ ਨਾ ਕਰੋ।
ਕੇਸ 2 - ਸੰਖਿਆਤਮਕ ਅਸਥਿਰਤਾ। ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਇੱਕ ਰੂਟ ਖੋਜ ਕੋਡ ਦੇ ਨਾਲ ਇੱਕ ਸਮੀਕਰਨ ਦਾ ਮੂਲ ਲੱਭਿਆ ਜੋ AI ਨੇ ਲਿਖਿਆ ਸੀ। ਕੋਡ ਨੇ ਇੱਕ ਰੂਟ ਵਾਪਸ ਕੀਤਾ, ਪਰ ਜਦੋਂ ਖੋਜਕਰਤਾ ਨੇ ਰੂਟ ਨੂੰ ਵਾਪਸ ਸਮੀਕਰਨ ਵਿੱਚ ਪਾਇਆ, ਤਾਂ ਨਤੀਜਾ ਜ਼ੀਰੋ ਨਹੀਂ ਸੀ ਪਰ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਸੰਖਿਆ ਸੀ। ਸਮੱਸਿਆ ਇਹ ਸੀ ਕਿ ਸ਼ੁਰੂਆਤੀ ਰੇਂਜ ਵਿੱਚ ਰੂਟ ਨਹੀਂ ਸੀ; AI ਨੇ ਢੁਕਵੀਂ ਸੀਮਾ ਮੰਨ ਲਈ ਹੈ। ਖੋਜਕਰਤਾ ਨੇ ਭੌਤਿਕ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਅੰਤਰਾਲ ਨੂੰ ਠੀਕ ਕੀਤਾ ਅਤੇ ਸਹੀ ਰੂਟ ਲੱਭਿਆ।
ਕੇਸ 3 - ਪੁਸ਼ਟੀ ਪ੍ਰਾਪਤ ਹੋਈ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਇੱਕ ਕੋਡ ਚਾਹੁੰਦਾ ਸੀ ਜੋ ਲੋਡ ਦੇ ਹੇਠਾਂ ਇੱਕ ਬੀਮ ਦੇ ਡਿਫਲੈਕਸ਼ਨ ਦੀ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਗਣਨਾ ਕਰਦਾ ਸੀ। ਕੋਡ ਨੇ ਕੰਮ ਕੀਤਾ, ਪਰ ਨਤੀਜੇ ਨੇ ਮੀਟਰ ਡਿਫਲੈਕਸ਼ਨ ਦਿਖਾਇਆ - ਇੱਕ ਸਟੀਲ ਬੀਮ ਲਈ ਅਸੰਭਵ। ਇੰਜੀਨੀਅਰ ਨੇ ਯੂਨਿਟਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ: AI ਨੇ GPa ਦੀ ਬਜਾਏ Pa ਵਿੱਚ ਲਚਕੀਲੇ ਮਾਡਿਊਲਸ ਹੋਣ ਦਾ ਦਿਖਾਵਾ ਕੀਤਾ ਸੀ, 10⁹ ਦਾ ਇੱਕ ਫੈਕਟਰ ਗੁੰਮ ਸੀ। ਯੂਨਿਟ ਸੁਧਾਰ ਦੇ ਨਾਲ, ਨਤੀਜਾ ਮਿਲੀਮੀਟਰ ਤੱਕ ਘਟ ਗਿਆ ਅਤੇ ਵਾਜਬ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਪ੍ਰਮਾਣਿਕਤਾ ਲਾਈਨ ਦੇ ਨਾਲ ਸੰਖਿਆਤਮਕ ਗਣਨਾ:
Python (NumPy/SciPy) ਕੋਡ ਲਿਖੋ ਜੋ ਹੇਠਾਂ ਦਿੱਤੀ ਭੌਤਿਕ ਗਣਨਾ ਕਰਦਾ ਹੈ: [ਸਮੱਸਿਆ]। SI ਯੂਨਿਟਾਂ ਵਿੱਚ ਸਾਰੇ ਵੇਰੀਏਬਲਾਂ ਦੀ ਘੋਸ਼ਣਾ ਕਰੋ ਅਤੇ ਇੱਕ ਟਿੱਪਣੀ ਲਾਈਨ ਦੇ ਨਾਲ ਯੂਨਿਟ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰੋ। ਕੋਡ ਦੇ ਅੰਤ ਵਿੱਚ ਇੱਕ ਚੈੱਕ ਲਾਈਨ (ਦਾਅ ਜਾਂ ਪ੍ਰਿੰਟ) ਜੋੜੋ ਜੋ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਿਸੇ ਜਾਣੇ-ਪਛਾਣੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ/ਸਧਾਰਨ ਮੁੱਲ ਨਾਲ ਕਰਦੀ ਹੈ। ਮੈਂ ਕੋਡ ਚਲਾਵਾਂਗਾ; ਤੁਸੀਂ ਆਉਟਪੁੱਟ ਦਾ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾ ਸਕਦੇ, ਸਿਰਫ ਕੋਡ ਅਤੇ ਉਮੀਦ ਕੀਤੀ ਰੈਂਕ ਲਿਖੋ।
2) ਵਿਧੀ ਚੋਣ ਸਲਾਹ-ਮਸ਼ਵਰਾ:
ਮੈਂ ਹੇਠਾਂ ਦਿੱਤੀ ਸਮੱਸਿਆ ਨੂੰ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਹੱਲ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ: [ਸਮੱਸਿਆ]। ਕਿਹੜਾ SciPy/NumPy ਫੰਕਸ਼ਨ ਢੁਕਵਾਂ ਹੈ ਅਤੇ ਕਿਉਂ? 2 ਵਿਕਲਪਿਕ ਤਰੀਕਿਆਂ ਦਾ ਸੁਝਾਅ ਦਿਓ, ਸ਼ੁੱਧਤਾ ਅਤੇ ਸਥਿਰਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਹਰੇਕ ਦੇ ਚੰਗੇ/ਹਾਲ ਨੂੰ ਲਿਖੋ। ਦੱਸੋ ਕਿ ਕਿਸ ਨੂੰ ਕਿਸ ਭੌਤਿਕ ਸਥਿਤੀ ਵਿੱਚ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
3) ਕਨਵਰਜੈਂਸ ਜਾਂਚ:
ਪਾਈਥਨ ਕੋਡ ਲਿਖੋ ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨਿਮਨਲਿਖਤ ਸੰਖਿਆਤਮਕ ਗਣਨਾ (ਜਿਵੇਂ ਕਿ N=10, 100, 1000) ਦੇ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਵਧਾ ਕੇ ਨਤੀਜਾ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ। ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਨਤੀਜੇ ਛਾਪੋ. ਜੇਕਰ ਕੋਈ ਕਨਵਰਜੈਂਸ ਨਹੀਂ ਹੈ, ਤਾਂ ਇੱਕ ਵਾਕ ਵਿੱਚ ਇਸਦਾ ਭੌਤਿਕ/ਸੰਖਿਆਤਮਕ ਕਾਰਨ ਦੱਸੋ। ਕੋਡ: [ਇੱਥੇ]
4) ਯੂਨਿਟ ਕੰਟਰੋਲ:
ਹੇਠਾਂ ਦਿੱਤੇ ਕੋਡ ਵਿੱਚ, ਹਰੇਕ ਵੇਰੀਏਬਲ ਦੀ SI ਯੂਨਿਟ ਦੀ ਟਿੱਪਣੀ ਕਰੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਅੰਤਮ ਨਤੀਜੇ ਦੀ ਇਕਾਈ ਸੰਭਾਵਿਤ ਇਕਾਈ (ਉਦਾਹਰਨ ਲਈ ਮੀਟਰ, ਜੂਲ) ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ। ਜੇਕਰ ਕੋਈ ਅਸੰਗਤਤਾ ਹੈ, ਤਾਂ ਦਿਖਾਓ ਕਿ ਇਹ ਕਿਹੜੀ ਲਾਈਨ ਵਿੱਚ ਹੈ। ਕੋਡ: [ਇੱਥੇ]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ: "ਇਸ ਅਟੁੱਟ ਦਾ ਨਤੀਜਾ ਕਹੋ: ∫₀^∞ x²·e^(−x) dx"
ਨਤੀਜਾ: AI ਆਪਣੇ ਸਿਰ ਵਿੱਚ ਇੱਕ ਨੰਬਰ ਥੁੱਕਦਾ ਹੈ (ਸ਼ਾਇਦ ਸਹੀ, ਹੋ ਸਕਦਾ ਹੈ ਗਲਤ); ਕੁਝ ਵੀ ਚੱਲਣਯੋਗ ਨਹੀਂ, ਕੁਝ ਵੀ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ।
ਮਜ਼ਬੂਤ: "ਪਾਈਥਨ ਕੋਡ ਲਿਖੋ ਜੋ ਇੰਟਗ੍ਰੇਲ ∫₀^∞ x²·e^(−x) dx ਦੀ scipy.integrate.quad ਨਾਲ ਗਣਨਾ ਕਰਦਾ ਹੈ। ਇੱਕ ਐਸਰਟ ਲਾਈਨ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਇਸ ਅਟੁੱਟ, 2! = 2 ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਮੁੱਲ ਨਾਲ ਕਰਦੀ ਹੈ। ਮੈਂ ਕੋਡ ਚਲਾਵਾਂਗਾ।"
ਨਤੀਜਾ: ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਕੋਡ, ਬਿਲਟ-ਇਨ ਪ੍ਰਮਾਣਿਕਤਾ (ਵਿਸ਼ਲੇਸ਼ਣ ਮੁੱਲ ਨਾਲ ਤੁਲਨਾ) ਅਤੇ ਭਰੋਸੇਯੋਗ ਨਤੀਜਾ।
ਆਮ ਗਲਤੀਆਂ
- AI ਦੇ ਮੌਖਿਕ ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। LLM ਸਿਰ ਵਿੱਚ ਕੋਡ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਗਲਤ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦਾ ਹੈ। ਹਮੇਸ਼ਾ ਕੋਡ ਚਲਾਓ।
- ਜਾਣੀ-ਪਛਾਣੀ ਸਥਿਤੀ ਨਾਲ ਟੈਸਟ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਕੋਡ ਜੋ ਇੱਕ ਸਧਾਰਨ ਉਦਾਹਰਨ ਨਾਲ ਟੈਸਟ ਨਹੀਂ ਕਰਦਾ ਹੈ ਜਿਸਦਾ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ ਕਿ ਜਵਾਬ ਵਿੱਚ ਲੁਕੀਆਂ ਹੋਈਆਂ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ।
- ਕਨਵਰਜੈਂਸ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਇੱਕ ਸਿੰਗਲ ਸਟੈਪ ਦੀ ਗਿਣਤੀ ਨਾਲ ਚਿਪਕਣਾ ਇਹ ਅਸਪਸ਼ਟ ਕਰਦਾ ਹੈ ਕਿ ਨਤੀਜਾ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਭਰੋਸੇਯੋਗ ਹੈ ਜਾਂ ਨਹੀਂ।
- ਕੋਡ ਵਿੱਚ ਇਕਾਈਆਂ ਨੂੰ ਨਹੀਂ ਦਰਸਾਉਂਦਾ। ਵੇਰੀਏਬਲ ਦੀ ਇਕਾਈ 'ਤੇ ਟਿੱਪਣੀ ਨਾ ਕਰਨਾ 10ⁿ ਗਲਤੀਆਂ ਨੂੰ ਸੱਦਾ ਦਿੰਦਾ ਹੈ।
- ਲਾਇਬ੍ਰੇਰੀ ਸੰਸਕਰਣ/ਧਾਰਨਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ। ਕਈ ਵਾਰ AI ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਫੰਕਸ਼ਨ ਨਾਮ ਜਾਂ ਪੁਰਾਣਾ ਸੰਟੈਕਸ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ; ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ ਚਲਾਉਂਦੇ ਹੋ ਤਾਂ ਇਹ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੁੰਦਾ ਹੈ.
ਸਾਵਧਾਨ: ਕਿਸੇ ਪ੍ਰਕਾਸ਼ਨ, ਅਸਾਈਨਮੈਂਟ, ਜਾਂ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਸੰਖਿਆਤਮਕ ਨਤੀਜਾ ਪਾਉਣ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਸੁਤੰਤਰ ਜਾਣੇ-ਪਛਾਣੇ ਕੇਸ ਨਾਲ ਕੋਡ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਨਤੀਜਾ ਯੂਨਿਟਾਂ/ਆਰਡਰਾਂ ਵਿੱਚ ਪ੍ਰਦਾਨ ਕਰੋ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਕਾਰਜਸ਼ੀਲ ਕੋਡ ਵੀ ਗਲਤ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੀ ਗਣਨਾ ਕਰ ਰਿਹਾ ਹੈ; ਕਿਉਂਕਿ ਕੋਡ ਕੰਮ ਕਰਦਾ ਹੈ ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਭੌਤਿਕ ਵਿਗਿਆਨ ਸਹੀ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
AI ਪਾਈਥਨ ਕੋਡ ਵਿੱਚ ਭੌਤਿਕ ਗਣਨਾਵਾਂ ਦਾ ਅਨੁਵਾਦ ਕਰਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਭਾਈਵਾਲ ਹੈ; ਪਰ ਜੋ ਨੰਬਰ ਉਹ ਜ਼ਬਾਨੀ ਦਿੰਦਾ ਹੈ ਉਹ ਅੰਦਾਜ਼ੇ ਹਨ, ਤੱਥ ਨਹੀਂ। ਸੁਰੱਖਿਅਤ ਵਰਕਫਲੋ ਸਪੱਸ਼ਟ ਹੈ: ਇਸ ਦੀਆਂ ਇਕਾਈਆਂ ਨਾਲ ਸਮੱਸਿਆ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ, AI ਕੋਲ ਕੋਡ ਲਿਖੋ ਪਰ ਤੁਸੀਂ ਆਉਟਪੁੱਟ ਚਲਾਉਂਦੇ ਹੋ, ਇੱਕ ਜਾਣੀ ਸਥਿਤੀ ਨਾਲ ਕੋਡ ਦੀ ਜਾਂਚ ਕਰੋ, ਕਨਵਰਜੈਂਸ ਅਤੇ ਯੂਨਿਟ ਦੀ ਜਾਂਚ ਕਰੋ। ਨਿਰਣਾਇਕ ਕੀ ਹੈ ਉਹ ਕੋਡ ਹੈ ਜੋ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ; ਇਹ LLM ਨਹੀਂ ਹੈ। ਅਗਲੀ ਇਕਾਈ ਵਿੱਚ ਅਸੀਂ ਇਸ ਸੰਖਿਆਤਮਕ ਬੁਨਿਆਦ ਨੂੰ ਸਮਾਂ-ਭਿੰਨ ਭੌਤਿਕ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਸਿਮੂਲੇਸ਼ਨ ਵੱਲ ਲੈ ਜਾਵਾਂਗੇ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਭੌਤਿਕ ਵਿਗਿਆਨ ਕੈਲਕੂਲਸ ਚੁਣੋ ਜਿਸ ਲਈ ਤੁਸੀਂ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਹੱਲ ਜਾਣਦੇ ਹੋ (ਉਦਾਹਰਣ ਲਈ, ਸਮੇਂ ਦੀ ਇੱਕ ਮਿਆਦ ਵਿੱਚ ਇੱਕ ਫਰੀ-ਫਾਲਿੰਗ ਵਸਤੂ ਦੀ ਗਤੀ ਜਾਂ ਇੱਕ ਸਧਾਰਨ ਨਿਸ਼ਚਿਤ ਇੰਟੈਗਰਲ)। AI ਨੂੰ ਟੈਂਪਲੇਟ 1 ਦੇ ਨਾਲ ਇੱਕ ਪਾਈਥਨ ਕੋਡ ਲਿਖਣ ਲਈ ਕਹੋ; ਕੋਡ ਆਪਣੇ ਆਪ ਚਲਾਓ। ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਉਸ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਮੁੱਲ ਨਾਲ ਕਰੋ ਜੋ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋ। ਫਿਰ ਵੇਖੋ ਕਿ ਨਤੀਜਾ ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ ਜਾਂ ਪੈਰਾਮੀਟਰ ਨੂੰ ਬਦਲ ਕੇ ਕਿਵੇਂ ਵਿਹਾਰ ਕਰਦਾ ਹੈ। 5-6 ਵਾਕਾਂ ਵਿੱਚ ਨੋਟ ਕਰੋ: ਕੀ ਕੋਡ ਦਾ ਆਉਟਪੁੱਟ ਮੌਖਿਕ ਭਵਿੱਖਬਾਣੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਕੀ ਕੋਈ ਇਕਾਈ/ਆਰਡਰ ਸਮੱਸਿਆ ਸੀ?
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਸਮੱਸਿਆ ਅਤੇ ਸਾਰੇ ਵੇਰੀਏਬਲਾਂ ਦੀ ਇਕਾਈ ਨੂੰ ਸਪਸ਼ਟ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਖੁਦ ਏਆਈ ਦੁਆਰਾ ਲਿਖਿਆ ਕੋਡ ਚਲਾਇਆ, ਮੈਨੂੰ ਮੌਖਿਕ ਨਤੀਜੇ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਸੀ।
- [ ] ਮੈਂ ਇੱਕ ਸਧਾਰਨ ਸਥਿਤੀ ਨਾਲ ਕੋਡ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਿਸ ਲਈ ਮੈਨੂੰ ਜਵਾਬ ਪਤਾ ਸੀ।
- [ ] ਮੈਂ ਕਨਵਰਜੈਂਸ ਜਾਂ ਪੈਰਾਮੀਟਰ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਨਤੀਜੇ ਦੀ ਇਕਾਈ ਅਤੇ ਕ੍ਰਮ ਪ੍ਰਦਾਨ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਤਸਦੀਕ ਕੀਤਾ ਹੈ ਕਿ ਜੋ ਲਾਇਬ੍ਰੇਰੀ ਫੰਕਸ਼ਨ ਮੈਂ ਵਰਤ ਰਿਹਾ ਹਾਂ ਉਹ ਅਸਲ ਅਤੇ ਅੱਪ ਟੂ ਡੇਟ ਹਨ।