ලාභ:
- ඒකක අක්ෂ සහිත විද්යාත්මක බිම් කොටස් නිෂ්පාදනය කිරීමේ හැකියාව, සාධාරණ පරිමාණය සහ මැට්ප්ලොට්ලිබ් සමඟ පෙනෙන අවිනිශ්චිතතාවය
- දත්ත වලට ගැලපෙන ප්රස්ථාර වර්ගය සහ භෞතික සම්බන්ධතා වර්ගය (ඝාතීය, බල නීතිය) ලඝු පරිමාණයන් භාවිතයෙන් සත්යාපනය කිරීමේ හැකියාව
- ප්රස්ථාරයක් භෞතික විද්යාව නිවැරදිව පිළිබිඹු කරන්නේ දැයි පරීක්ෂා කිරීමට සහ නොමඟ යවන පරිමාණය සහ සැඟවුණු අවිනිශ්චිතතාවය හඳුනා ගැනීමේ හැකියාව
හොඳින් සකස් කළ විට, ප්රස්ථාරයක් බැලූ බැල්මට දත්ත පේළි සිය ගණනක් තේරුම් ගත හැකිය; දුර්වල ලෙස සූදානම් වූ විට, එය පාඨකයා සහ සූදානම් කරන්නා නොමඟ යවයි. භෞතික විද්යාවේදී, දෘශ්යකරණය යනු හුදෙක් "ලස්සන පින්තූරයක්" පමණක් නොව දත්තවල භෞතික පරිවර්ථනයේ කොටසකි: අක්ෂ පරිමාණය, දෝෂ තීරු, ඒකක ලේබල සහ ප්රස්ථාර වර්ගය ප්රතිඵලය වටහා ගන්නා ආකාරය කෙලින්ම තීරණය කරයි. මෙම ඒකකය තුළ, ඔබ විද්යාත්මක ප්රස්ථාර නිපදවීමට කෘතිම බුද්ධිය (AI) භාවිතා කරන්නේ කෙසේදැයි ඉගෙන ගනු ඇත-විශේෂයෙන් Python's Matplotlib පුස්තකාලය (විද්යාත්මක ප්රස්තාර මෙවලමක්) සමඟ - සහ ප්රස්ථාරයක් භෞතික විද්යාව නිවැරදිව පිළිබිඹු කරන්නේ දැයි පරීක්ෂා කරන්නේ කෙසේද යන්න. මූලික මූලධර්මය: AI ප්රස්ථාරය අඳිනවා, ඔබ ප්රස්ථාරය භෞතික විද්යාව නිවැරදිව හා අවංකව විස්තර කරන්නේ දැයි පරීක්ෂා කරන්න.
විද්යාත්මක ප්රස්ථාරයක අවශ්යතා
විද්යාත්මක ප්රස්ථාරයක් හෝ වගුවක් දත්ත වලට වඩා වැඩි යමක් පැවසිය යුතුය, නමුත් කිසිවක් විකෘති නොකළ යුතුය. AI ඉක්මනින් Matplotlib කේතය ජනනය කරයි; නමුත් ඔබ අවංක ප්රස්ථාරයක අවශ්යතා පැනවිය යුතුය:
අයිතමය
එය අවශ්ය වන්නේ ඇයි
පොදු වැරැද්ද
අක්ෂ ලේබලය + ඒකකය
අංකය කුමක්දැයි කියයි
ඒකක රහිත අක්ෂය
සුදුසු අක්ෂ පරිමාණය
භෞතික විද්යාව නිවැරදිව පෙන්වයි
ශුන්යයෙන් ආරම්භ නොවන y-අක්ෂයේ වෙනස අධිතක්සේරු කරන්න
දෝෂ තීරු
අවිනිශ්චිතතාවය දෘශ්යමාන කරයි
අවිනිශ්චිත බව සඟවන්න
නිවැරදි ප්රස්ථාර වර්ගය
පහසු ආකෘතියකින් දත්ත ඉදිරිපත් කරයි
අඛණ්ඩ දත්ත සඳහා රේඛාව, විවික්ත දත්ත සඳහා වැරදි වර්ගය
ලොග් පරිමාණය (අවශ්ය නම්)
ඝාතීය/පුළුල් පරාසයක් දක්වයි
රේඛීය අක්ෂය මත ඝාතීය දත්ත තලා දැමීම
විස්තරාත්මක මාතෘකාව/පුරාවෘත්තය
සන්දර්භය ලබා දෙයි
අපැහැදිලි හෝ නැතිවූ පුරාවෘත්තය
පියවරෙන් පියවර: අවංක විද්යාත්මක ප්රස්ථාරයක්
1. ඔබට පෙන්වීමට අවශ්ය දේ සහ ඔබ අවධාරණය කරන්නේ කුමන සම්බන්ධතාවයද යන්න තීරණය කරන්න. රේඛීය සම්බන්ධතාවක්, ඝාතීය ක්ෂයවීමක්, විචල්ය දෙකක ව්යාප්තියක්? අරමුණ ප්රස්ථාර වර්ගය තීරණය කරයි.
2. නිවැරදි ප්රස්ථාර වර්ගය තෝරන්න. අඛණ්ඩ ක්රියාකාරිත්වය සඳහා රේඛාව, විවික්ත මිනුම් සඳහා ලකුණු කළ ලකුණු, ඝාතීය/පුළුල් පරාසයක දත්ත සඳහා ලොග් පරිමාණය, විචල්ය බෙදාහැරීම් දෙකක් සඳහා විසිරීම. AI එය යෝජනා කළ හැක, නමුත් එය භෞතික විද්යාවට අනුකූලද යන්න ඔබ තීරණය කරන්න.
3. ඒවායේ ඒකක සමඟ අක්ෂය ලේබල් කර පරිමාණය නිවැරදිව තෝරා ගන්න. එක් එක් අක්ෂය මත විශාලත්වය සහ ඒකක තිබිය යුතුය. අතිශයෝක්තියක් ඇති කිරීම සඳහා y අක්ෂය බිංදුවෙන් ඉවතට ආරම්භ කිරීම වංක විකෘති කිරීමකි.
4. අවිනිශ්චිතතාවය දෘශ්යමාන කරන්න. මිනුම් දත්තවල දෝෂ තීරු එකතු කරන්න; ඔබ ගැලපෙන වක්රයක් අඳින්නේ නම්, විශ්වාස අන්තරය පෙන්වන්න. අවිනිශ්චිතභාවය සැඟවීම යනු දත්ත පවතිනවාට වඩා නිශ්චිත බව පෙනේ.
5. ප්රස්ථාරයෙන් භෞතික විද්යාව පිළිබිඹු වන බව පරීක්ෂා කරන්න. බෑවුම අපේක්ෂිත ලකුණෙහි තිබේද? ඡේදනය භෞතිකව සාධාරණද? ලඝු සටහනක සරල රේඛාවක් ඇත්ත වශයෙන්ම ඝාතීය සම්බන්ධතාවයක් පෙන්නුම් කරයිද?
ඉඟිය: ඝාතීය හෝ බල නීති සම්බන්ධතා සඳහා පරීක්ෂා කිරීමට වඩාත්ම බලගතු මාර්ගය වන්නේ සුදුසු ලොග් පරිමාණය භාවිතා කිරීමයි. ඝාතීය ක්ෂය වීම (N = N₀e^(-λt)) අර්ධ ලඝුගණක කුමන්ත්රණයේ (ලොග් y-අක්ෂය) ඝන රේඛාවක් ලබා දෙයි; බල නියමයක් (y = a·xⁿ) ද්විත්ව ලඝුගණක ප්රස්ථාරයක් මත සරල රේඛාවක් ලබා දෙන අතර රේඛාවේ බෑවුම සෘජුවම ඝාතකය (n) දක්වයි. මෙම ප්රස්ථාරවල ඔබේ දත්ත සමතලා වී ඇත්නම්, ඔබ සම්බන්ධතා වර්ගය තහවුරු කර ඇත.
කුඩා නඩු තුනක්
නඩුව 1 - රැවටිලිකාර අක්ෂය. එක් සිසුවෙකු සතුව මිනුම් කට්ටල දෙකක් සංසන්දනය කරමින් ප්රස්ථාරයක් සාදා තිබුණි. YZ ස්වයංක්රීයව 9.5–9.9 පරාසයේ y අක්ෂය ආරම්භ කළේය. ප්රස්ථාරයෙන් පෙන්නුම් කළේ කට්ටල දෙක අතර විශාල පරතරයක්. ශිෂ්යයා බිංදුවෙන් අක්ෂය ආරම්භ කළ විට, වෙනස ඇත්ත වශයෙන්ම ඉතා කුඩා බව ඔහුට පෙනී ගියේය - ස්වයංක්රීය පරිමාණයෙන් නොවැදගත් වෙනසක් නාටකාකාර ලෙස දිස් විය. සන්දර්භය මත පදනම්ව, නියෝජනය දෙකම නීත්යානුකූල විය හැකි නමුත්, වෙනස සවිඥානික තේරීමක් විය යුතුය.
2 වන අවස්ථාව - දෝෂ තීරු අතුරුදහන්. පර්යේෂකයෙකු දෝෂ තීරුවකින් තොරව මිනුම් ලක්ෂ්ය සැලසුම් කර ඇත; ප්රස්ථාරයෙන් පෙන්නුම් කළේ එක් දත්ත ලක්ෂ්යයක් න්යායෙන් "සැලකිය යුතු ලෙස අපගමනය වූ" බවයි. දෝෂ තීරු එකතු කළ විට, එම ස්ථානයේ ඇති අවිනිශ්චිත කලාපය න්යාය වක්රය පහසුවෙන් තරණය කරන බව පෙනී ගියේය - අපගමනය නොවීය. දෝෂ තීරු නොමැතිව ප්රස්ථාරය වැරදි නිගමනයකට තුඩු දෙනු ඇත.
නඩුව 3 - ලොග් පරිමාණය තහවුරු කර ඇත. ගුරුවරයෙකු රේඛීය අක්ෂයක් මත විකිරණශීලී ක්ෂය දත්ත සැලසුම් කළේය; වක්රය "යමක්" මෙන් දිස් වූ නමුත් වර්ගය අපැහැදිලි විය. මම AI වෙතින් අර්ධ-ලොග් ප්රස්ථාරයක් ඉල්ලා සිටි විට, දත්ත සරල රේඛාවකට වැටී, ඝාතීය ක්ෂය වීම තහවුරු කරන ලද අතර, දිරාපත්වීමේ නියතය රේඛාවේ බෑවුමෙන් කියවන ලදී.
පිටපත් කළ හැකි සැකිලි හතරක්
1) දෝෂ තීරුව සහිත විද්යාත්මක සටහන:
Matplotlib සමඟ පහත මිනුම් දත්ත ([x, y, y-uncertainty]) සැලසුම් කරන කේතයක් ලියන්න. දෝෂ තීරු සමඟ ලකුණු පෙන්වන්න. එක් එක් අක්ෂය විශාලත්වය සහ ඒකක සමඟ ලේබල් කරන්න. සුදුසු මාතෘකාවක් සහ පුරාවෘත්තයක් එක් කරන්න. y අක්ෂය භෞතිකව සාධාරණ පරාසයක් තුළ තබා ගන්න; අතිශයෝක්තිය සඳහා ශුන්ය ආරම්භක සිට දුරින්.
2) සම්බන්ධතා වර්ගය තහවුරු කරන ලඝු සටහන:
පහත දත්ත රේඛීයව සහ සුදුසු ලොග් පරිමාණයෙන් (අර්ධ-ලොග් හෝ ද්විත්ව-ලොග්) අක්ෂයේ සටහන් කරන කේතයක් ලියන්න. දත්ත සරල රේඛාවකට ගැළපෙන කුමන පරිමාණයකින් වුවද, සම්බන්ධතා වර්ගය (ඝාතීය/බල නීතිය) ගැන මෙය පවසන දේ සඳහන් කරන්න. රේඛාවේ බෑවුමේ සිට උනන්දුව දක්වන භෞතික පරාමිතිය ඇස්තමේන්තු කරන්න.
3) සමගිය + දත්ත එකට:
මිනුම් ලක්ෂ්ය (දෝෂ තීරු සහිත) සහ ඒවාට සවි කර ඇති භෞතික ආකෘති වක්රය එකම ප්රස්ථාරයේ සටහන් කරන කේතය ලියන්න. පුරාවෘත්තයේ ඒවායේ අවිනිශ්චිතතාවයන් සමඟ ආකෘති පරාමිතීන් පෙන්වන්න. ඉතිරි කොටස් වෙනම උප බිම් කොටසක සටහන් කරන්න. දත්ත සහ ඒකක: [මෙහි]
4) චිත්රක අවංකභාවය පරීක්ෂා කිරීම:
විද්යාත්මක අඛණ්ඩතාව සඳහා පහත ප්රස්ථාර කේතය පිරික්සන්න: අක්ෂ ඒකක තිබේද, පරිමාණය නොමඟ යවන සුළුද, අවිනිශ්චිත බව පෙන්වා තිබේද, ප්රස්ථාර වර්ගය දත්තවලට සුදුසුද? ගැටලුවක් ඇත්නම් නිවැරදි කළ කේතය ලබා දෙන්න. කේතය: [මෙහි]
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල: "මෙම දත්ත වලින් ප්රස්ථාරයක් අඳින්න."
ප්රතිඵලය: ඒකක රහිත අක්ෂ, අපැහැදිලි බවක් නැත, පරිමාණ ස්වයංක්රීය සහ සමහරවිට නොමඟ යවන සුළුය; ප්රස්ථාරයෙන් භෞතික විද්යාව නිවැරදිව පිළිබිඹු නොවිය හැක.
ශක්තිමත්: "මෙම (t, N, δN) ක්ෂය දත්ත Matplotlib සමඟින් සැලසුම් කරන්න: δN දෝෂ තීරු සමඟ ලක්ෂ්ය සැලසුම් කරන්න, 'කාලය (s)' සහ 'ගණන් (ගණන්)' යන අක්ෂ ලේබල් කරන්න. ඝාතීය සම්බන්ධතාවය සරල රේඛාවක් ලෙස දිස්වන පරිදි අර්ධ-ලොග් අනුවාදයක් ද සැලසුම් කරන්න. y-axis හිදී ආරම්භ වේ."
ප්රතිඵලය: පරිමාව සමඟ අවංක දෘශ්යකරණය, අවිනිශ්චිත බව පෙන්වීම, සම්බන්ධතා වර්ගය තහවුරු කිරීම.
පොදු වැරදි
- ඒකක නොමැතිව අක්ෂ අත්හැරීම. ඒකක නොමැති අක්ෂයක් ප්රස්ථාරය විද්යාත්මකව කියවිය නොහැක.
- පරිමාණයෙන් අතිශයෝක්තියක් නිර්මාණය කිරීම. නොදැනුවත්වම y අක්ෂය බිංදුවෙන් ඉවතට ආරම්භ කිරීම සහ නොවැදගත් වෙනස්කම් නාටකාකාර ලෙස පෙනේ; පරිමාණය තෝරා ගැනීම සවිඥානික විය යුතුය.
- අවිනිශ්චිතභාවය සඟවයි. දෝෂ තීරුවකින් තොරව මිනුම් ප්රස්ථාරයක් දත්ත ඉක්මවා යන අතර අපගමනය/ගැළපීම පිළිබඳ වැරදි හැඟීමක් ඇති කරයි.
- වැරදි ප්රස්ථාර වර්ගය. ඝන රේඛාවක් සමඟ විවික්ත මිනුම් සම්බන්ධ කිරීම හෝ රේඛීය අක්ෂය දිගේ ඝාතීය දත්ත squishing භෞතික විද්යාව විකෘති කරයි.
- අධික සැරසිලි. අනවශ්ය ත්රිමාණ බලපෑම්, බොහෝ වර්ණ සහ සැරසිලි දත්ත සඟවයි; විද්යාත්මක ප්රස්ථාරය සරල හා අවංක විය යුතුය.
අවවාදයයි: ප්රස්ථාරයක් ඒත්තු ගැන්විය හැකි ය - එය හරියටම භයානක වන්නේ එබැවිනි. හොඳින් සැලසුම් කළ ප්රස්ථාරයකට එය නොපවතින ප්රවණතාවක් ඇති බවක් හෝ සැබෑ අවිනිශ්චිතතාවයක් නොමැති බවක් පෙනෙන්නට සැලැස්විය හැක. විද්යාත්මක අඛණ්ඩතාව සඳහා දත්ත පවතින ආකාරයට ප්රස්ථාරිකව ඉදිරිපත් කිරීම අවශ්ය වේ (අනිශ්චිතතාවයෙන් යුතුව, අවංක පරිමාණයෙන්). හොඳ AI-උත්පාදිත ප්රස්ථාරයක් මෙම අඛණ්ඩතා පරීක්ෂාව සඳහා ආදේශකයක් නොවේ; ප්රස්ථාරය පළ කිරීමට පෙර ඔබම පරීක්ෂා කරන්න.
සාරාංශයක් ලෙස
විද්යාත්මක දෘශ්යකරණය දත්තවල භෞතික අර්ථ නිරූපණයට අත්යවශ්ය වන අතර AI Matplotlib කේතය වේගයෙන් ජනනය කරයි. නමුත් ඔබ අවංක ප්රස්ථාරයක අවශ්යතා පැනවිය යුතුය - ඒකක සහිත අක්ෂ, අවංක පරිමාණය, දෘශ්ය අවිනිශ්චිතතාවය, සුදුසු ප්රස්ථාර වර්ගය. ලොග් පරිමාණයන් සම්බන්ධතා වර්ගය තහවුරු කිරීමේ ප්රබල මෙවලමකි. ග්රැෆික් එකක් වඩාත් ඒත්තු ගැන්වෙන තරමට, අඛණ්ඩතාව පරීක්ෂා කිරීම වඩාත් වැදගත් වේ. මීළඟ ඒකකයේදී, අපි දත්ත සහ ප්රස්ථාරවල සිට සාහිත්යය වෙත අවධානය යොමු කරමු - සාහිත්ය සමාලෝචනය සහ විද්යාත්මක ලිවීම.
යෙදුම් කාර්යය
ඔබ සතුව ඇති හෝ නිපදවා ඇති දත්ත කට්ටලයක් තෝරන්න (වඩාත් සුදුසු වන්නේ ඝාතීය හෝ රේඛීය සම්බන්ධතාවයක් අඩංගු එකක්). AI හට 1 වන අච්චුව සමඟ දෝෂ තීරු සහිත ඒකක ප්රස්ථාරයක් සහ 2 වන අච්චුව සමඟ සුදුසු ලොග් ප්රස්ථාරයක් ඇඳ එය ක්රියාත්මක කරන්න. ලොග් ප්රස්ථාරයේ සම්බන්ධතා වර්ගය තහවුරු කර ඇත්දැයි නිරීක්ෂණය කරන්න. ඉන්පසු හිතාමතාම y අක්ෂය වෙනස් ලෙස ආරම්භ කර එකම දත්තවලට විවිධ “කතන්දර” පැවසිය හැකි ආකාරය බලන්න. එය වාක්ය 5-6 කින් ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම ප්රස්ථාරයේ අරමුණ සහ එය ඉස්මතු කරන සම්බන්ධතාවය තීරණය කළෙමි.
- [ ] මම දත්ත වලට ගැලපෙන ප්රස්ථාර වර්ගය තෝරා ගත්තෙමි.
- [ ] මම එක් එක් අක්ෂය එහි විශාලත්වය සහ ඒකකය සමඟ ලේබල් කළෙමි.
- [ ] මම පරිමාණය සාධාරණ ලෙස තෝරා ගත්තෙමි; මම එය අතිශයෝක්තියට විකෘති කළේ නැත.
- [ ] මම මිනුම් අවිනිශ්චිතතාවය දෝෂ තීරු සමඟ පෙන්වා ඇත.
- [ ] මම ප්රස්ථාරයෙන් භෞතික විද්යාව නිවැරදිව පිලිබිඹු කරන බව පරික්ෂා කලෙමි.