Faida:
- Uwezo wa kuiga mfumo wa kimaumbile wenye nguvu na vitatuzi kama vile solve_ivp na kuthibitisha uhalali wa simulizi kwa kufuatilia jumla ya nishati au uhifadhi wa kasi.
- Uwezo wa kutofautisha mabaki ya nambari kutoka kwa fizikia halisi kwa kuchagua saizi ya hatua na jaribio la muunganisho.
- Uwezo wa kujaribu matokeo ya kuiga kwa kulinganisha na hali zinazojulikana za uchanganuzi na hali za kikomo cha mwili
Sehemu kubwa ya fizikia inahusika na mifumo ya kutofautiana kwa wakati: pendulum inayozunguka, sayari inayozunguka, mwili wa baridi, wimbi la kuenea. Mingi ya mifumo hii inaelezewa na milinganyo tofauti-yaani, milinganyo ambayo inahusiana na kiwango cha mabadiliko ya wingi (nafasi, halijoto) na kiasi hicho chenyewe. Equations hizi mara nyingi hazina suluhu ya uchanganuzi (formula-halisi); badala yake tunaiga: kusogeza mfumo mbele kwa hatua ndogo za muda na kufuatilia kwa nambari tabia yake. Katika kitengo hiki, utajifunza jinsi ya kutumia akili bandia (AI) kuunda msimbo wa uigaji na - muhimu zaidi - jinsi ya kuthibitisha kwa sheria za uhifadhi ikiwa uigaji huo unaonyesha fizikia kwa usahihi.
Wazo la msingi la kuiga na jukumu la AI
Simulation inajumuisha mzunguko huu: kuchukua hali ya sasa, tumia usawa wa mabadiliko, songa mbele kwa Δt ndogo, kurudia. AI ni haraka sana katika kuunda kitanzi hiki, ikichagua kisuluhishi sahihi - algoriti inayosuluhisha mlinganyo wa kutofautisha hatua kwa hatua, na kuhariri msimbo. Chombo cha kawaida cha mwanafizikia ni scipy.integrate.solve_ivp (kitendaji cha SciPy ambacho hutatua matatizo ya awali ya thamani). Lakini kabla ya kuamini simulation iliyoundwa na AI, swali lazima uulize ni hili: Je, simulation hii inahifadhi kiasi cha kimwili (nishati, kasi, kasi ya angular) ambayo inahitaji kuhifadhiwa?
Mfumo
Aina ya mlinganyo
Vigezo vya uthibitishaji
pendulum, spring
ODE ya shahada ya pili
Uthabiti wa jumla wa nishati
mzunguko wa sayari
Newtonian mvuto ODE
Kasi ya angular + uhifadhi wa nishati
Baridi/joto
ODE ya shahada ya kwanza
Kuunganishwa kwa joto la usawa
kuoza kwa mionzi
ODE ya kielelezo
Udhibiti wa nusu ya maisha
Monte Carlo (nasibu)
takwimu
Muunganisho kwa maana/usambazaji unaojulikana
Kumbuka: ODE inasimamia "mlinganyo wa kawaida wa kutofautisha" - mlinganyo ambao unahusisha derivative kwa heshima ya kigezo kimoja (kawaida wakati).
Hatua kwa hatua: simulation ya kuaminika
1. Fafanua fizikia na hali ya awali. Equation ya mfumo ni nini? Nafasi ya kuanzia, kasi, joto ni nini? Je, ni vitengo gani? Toa haya kwa uwazi kwa AI.
2. Chagua solver sahihi na ukubwa wa hatua. Hatua kubwa sana ya muda hufanya uigaji kutokuwa thabiti (matokeo hulipuka au kuvunjika kwa fizikia); Hatua ndogo sana hupunguza kasi bila ya lazima. AI inaweza kupendekeza, lakini kudhibiti uamuzi.
3. Fuata sheria ya uhifadhi kwa kanuni. Kokotoa na uchapishe jumla ya nishati (au kasi) katika uigaji. Ikiwa inateleza kwa ukubwa ambao unapaswa kubaki mara kwa mara, simulation haiwezi kutegemewa.
4. Linganisha na suluhisho linalojulikana. Kwa mfano, kipindi cha pendulum ndogo ya amplitude inajulikana kwa formula T = 2π√(L/g); Linganisha kipindi kilichotolewa na simulation na hii.
5. Badilisha parameter, tabia ya mtihani. Je, oscillation hupunguzwa wakati msuguano unaongezwa? Je, obiti inabadilika kama inavyotarajiwa wakati wingi unaongezeka? Jaribu na angavu ya mwili.
Kidokezo: Ongeza "kifuatiliaji cha nishati" kwa kila simulizi: hesabu jumla ya nishati katika kila hatua na upange kama uwiano wa nishati ya awali. Katika mfumo usio na msuguano, uwiano huu unapaswa kubaki mara kwa mara karibu na 1. Drift ya zaidi ya 1% ni ishara kwamba unahitaji kupunguza ukubwa wa hatua au kubadilisha solver.
kesi tatu ndogo
Kesi ya 1 - Kupasuka kwa nishati. Mwanafunzi aliiga mzingo wa sayari kwa kutumia mbinu rahisi ya Euler (mbinu ya hatua ya awali zaidi) iliyoandikwa na AI. Obiti iliongezeka polepole kwa wakati na sayari "iliruka". Mwanafunzi alipofuatilia jumla ya nishati, aliona kwamba ilikuwa ikiongezeka mara kwa mara—kasoro inayojulikana ya mbinu ya Euler. Aliuliza AI kwa kisuluhishi ambacho huhifadhi nishati bora (njia inayofaa zaidi na solve_ivp) na obiti ikatulia kwenye duaradufu thabiti.
Kesi ya 2 - Kitengo kibaya, kipindi kibaya. Mwalimu alipata muda kuwa 0.2 s katika uigaji wa pendulum, lakini thamani iliyotarajiwa ilikuwa 2 s. Alipoichunguza, aligundua kuwa AI iliingia urefu kwa sentimita na kuitumia kama mita katika fomula. Kwa urekebishaji wa kitengo, uigaji ulikubaliana na thamani ya uchanganuzi ya T = 2π√(L/g).
Kesi ya 3 - uthibitishaji wa Monte Carlo. Mtafiti aliuliza AI msimbo ambao sampuli za nasibu (Monte Carlo - simulizi la takwimu na nambari za nasibu) chembe zinazogonga kigunduzi. Ili kuthibitisha matokeo, aliendesha kesi rahisi inayojulikana kwa uchanganuzi (k.m. kukadiria π kwa uwiano wa eneo la duara) kwa njia sawa; Wakati msimbo ulitabiri kwa usahihi $ \ pi $, imani yake katika uigaji halisi iliongezeka. Pia aliona kuwa kadiri idadi ya sampuli inavyoongezeka, matokeo yalipungua na kuunganishwa hadi thamani halisi.
Violezo vinne vinavyoweza kunakiliwa
1) Uigaji unaofuatiliwa na uhifadhi:
Andika msimbo wa Python ambao huiga mfumo ufuatao wa kimwili na solve_ivp: [mfumo, equation, hali ya awali, vitengo]. Katika uigaji wote, hesabu jumla ya nishati (na kasi, ikiwa ipo) katika kila hatua na upange uwiano wake na thamani yake ya awali baada ya muda. Kumbuka kuwa katika hali isiyo na msuguano, uwiano huu unapaswa kubaki thabiti ~1.
2) Ulinganisho wa uchambuzi:
Ongeza msimbo unaolinganisha matokeo ya uigaji ufuatao na suluhisho la uchanganuzi linalojulikana la mfumo huu ([fomula]). Zipange zote kwenye grafu moja na uchapishe tofauti kubwa kati ya nambari na uchanganuzi. Msimbo wa uigaji: [hapa]
3) Mtihani wa saizi ya hatua / uthabiti:
Andika msimbo unaotumia mwigo ufuatao kwa hatua tofauti za wakati (k.m. dt = 0.1, 0.01, 0.001) na uonyeshe jinsi matokeo yanavyobadilika. Taja baada ya ambayo saizi ya hatua matokeo hutulia (hubadilishana). Kanuni: [hapa]
4) Mtihani wa hali ya kikomo cha mwili:
Pendekeza majaribio 3 ya hali ya kikomo cha kimwili kwa uigaji ufuatao: (k.m. nishati inapaswa kuhifadhiwa wakati msuguano ni sifuri, kusimama haraka wakati msuguano ni mkubwa, jinsi kipindi kinapaswa kubadilika wakati wingi unaongezeka maradufu). Andika matokeo yanayotarajiwa ya kila mtihani katika sentensi moja. Kanuni: [hapa]
Mwongozo dhaifu / Mwongozo thabiti
Dhaifu: "Andika simulation ya pendulum."
Matokeo: msimbo usio na vitengo, hakuna uthibitishaji, hakuna ukaguzi wa uhifadhi; Haijulikani ikiwa inaonyesha fizikia au la.
Imara: "Andika msimbo wa solve_ivp unaoiga pendulum rahisi ya urefu L = m 1, angle ya kuanzia 10°, na g = 9.81 m/s² kwa sekunde 10. Fuatilia jumla ya nishati katika kila hatua na upange uwiano hadi mwanzo. Linganisha kipindi kilichopimwa na fomula ndogo ya amplitude T = 2π√ (L/g) tofauti."
Matokeo: Uigaji unaotegemewa na vitengo, ufuatiliaji wa uhifadhi, na kulinganisha na thamani ya uchanganuzi.
Makosa ya kawaida
- Kutofuata sheria ya uhifadhi. Ikiwa nishati au kasi inateleza, simulation si sahihi; Kuamini matokeo bila kuona hili ni kosa la kawaida.
- Kuchagua ukubwa wa hatua kiholela. Hatua kubwa sana huleta kutokuwa na maamuzi, hatua ndogo sana huleta gharama zisizo za lazima; Mtihani wa muunganisho ni muhimu.
- Si kufanya ulinganisho wa uchambuzi. Bila kulinganisha na kesi maalum inayojulikana (amplitude ndogo, hali isiyo na msuguano), simulation inabakia bila kusimamiwa.
- Kukosea kasoro ya nambari kwa fizikia. Tabia kama vile upanuzi wa obiti mara nyingi ni dosari ya mbinu, si fizikia halisi.
- Kurekebisha idadi ya sampuli katika uigaji nasibu. Inapotosha kuongeza idadi ya sampuli huko Monte Carlo na kutegemea tokeo moja bila kuona muunganiko.
Tahadhari: Kwa sababu tu simulation hutoa "grafu nzuri" haimaanishi kuwa ni sahihi. Kielelezo kinashawishi lakini kinadanganya. Kabla ya kuamini simulation, hakikisha kufuata sheria ya uhifadhi na kulinganisha na hali inayojulikana. Uigaji ambao haujathibitishwa sio ushahidi halisi.
Kwa muhtasari
Uigaji ni njia yenye nguvu ya kuelewa mifumo thabiti ya kimwili ambayo haina suluhu za uchanganuzi na huunda kwa haraka msimbo wa simulizi wa AI. Lakini thamani ya simulation inategemea ikiwa inaonyesha kwa usahihi fizikia. Njia ya kuhakikisha hili ni kufuata sheria za uhifadhi, kuchagua ukubwa wa hatua ufaao kwa kupima muunganiko, kulinganisha matokeo na matukio ya uchanganuzi yanayojulikana, na kujaribu kesi za kikomo halisi. Katika kitengo kinachofuata tutahamisha mwelekeo kutoka kwa data inayozalishwa hadi uchanganuzi wa data halisi ya majaribio.
Jukumu la maombi
Chagua mfumo rahisi wa nguvu (pendulum, kuanguka bure + upinzani wa hewa au baridi). Ukiwa na kiolezo cha 1, chapisha na utekeleze msimbo wa kuiga unaojumuisha ukaguzi wa uhifadhi au salio katika AI. Angalia ikiwa idadi inayofuatiliwa (nishati au halijoto) inafanya kazi inavyotarajiwa. Kisha ubadilishe parameter (msuguano, wingi, ukubwa wa hatua) na uone ikiwa mabadiliko ya tabia yanakubaliana na intuition yako ya kimwili. Andika katika sentensi 5-6.
orodha ya ukaguzi
- [ ] Nilifafanua mlingano, masharti ya awali na vitengo vya mfumo.
- [ ] Nilifuata sheria ya uhifadhi (nishati/kasi) katika uigaji.
- [ ] Nilithibitisha saizi ya hatua kwa jaribio la muunganisho.
- [ ] Nililinganisha matokeo na hali ya uchanganuzi inayojulikana.
- [ ] Nimefanya angalau jaribio moja la hali ya kikomo cha mwili.
- [ ] Nilitofautisha kasoro za nambari na fizikia halisi.