பைத்தானுடன் கணக்கீடு மற்றும் எண் முறைகள்

ஆதாயங்கள்:

• AI இயற்பியல் கணக்கீட்டை NumPy/SciPy குறியீடாக மொழிபெயர்த்து, குறியீட்டையே இயக்குவதன் மூலம், வாய்மொழி யூகத்தை அல்ல, உறுதியான வெளியீட்டை நம்பும் திறன்
• ஒரு எண் குறியீட்டின் நம்பகத்தன்மையை சரிபார்க்கும் திறன், அதன் பதில் தெரிந்த எளிய சூழ்நிலையில் அதைச் சோதித்து அதன் ஒருங்கிணைப்பைச் சரிபார்த்தல்.
• குறியீட்டில் மாறி அலகுகளை பிரதிபலிப்பதன் மூலம் முடிவின் அலகு மற்றும் அளவை உடல் ரீதியாக வழங்கும் திறன்

இயற்பியலில் உள்ள பல சிக்கல்களை கையால் தீர்க்க முடியாது: ஒரு ஒருங்கிணைப்புக்கு பகுப்பாய்வு தீர்வு இல்லை, சமன்பாடுகளின் அமைப்பின் மூலத்தை மூடிய வடிவத்தில் கண்டுபிடிக்க முடியாது, அல்லது கணக்கீடு ஆயிரக்கணக்கான முறை மீண்டும் செய்யப்பட வேண்டும். இங்குதான் எண் முறைகள் செயல்படுகின்றன: சரியான சூத்திரத்திற்குப் பதிலாக, தோராயமான ஆனால் கட்டுப்படுத்தப்பட்ட துல்லியத்துடன் கணினி படிப்படியாகக் கணக்கிடுகிறது. இந்த யூனிட்டில், செயற்கை நுண்ணறிவை (AI) கணக்கீட்டு இயற்பியல் கணக்கீடுகளுக்கான குறியீடு கூட்டாளராகப் பயன்படுத்துவது, அது உருவாக்கும் குறியீட்டை எவ்வாறு சரிபார்ப்பது மற்றும் எந்தப் பொறிகளில் நீங்கள் விழுவதைத் தவிர்க்க வேண்டும் என்பதை நீங்கள் கற்றுக் கொள்வீர்கள். இங்கு இயற்பியலாளரின் நிலையான கருவிகள் பைதான் மொழி மற்றும் NumPy (எண் வரிசைகள் மற்றும் வேகமான கணிதத்திற்கான நூலகம்) அத்துடன் SciPy (விஞ்ஞான கணினிக்கான நூலகம்; ஒருங்கிணைப்பு, தீவிர கண்டுபிடிப்பு, தேர்வுமுறை ஆகியவை அடங்கும்).

ஏன் AI + பைதான், ஏன் கையால் இல்லை?

எண் கணக்கீடுகளை கைமுறையாகச் செய்வது மெதுவாகவும் பிழையாகவும் இருக்கும். AI ஆனது உங்கள் இயற்பியல் கட்டமைப்பை இயங்கும் பைதான் குறியீடாக சில நொடிகளில் மொழிபெயர்க்கலாம். ஆனால் இங்கே தங்க விதி: AI குறியீட்டை எழுதுகிறது, நீங்கள் குறியீட்டை இயக்கவும் மற்றும் இயற்பியல் மூலம் முடிவை சரிபார்க்கவும். "இந்தக் குறியீடு அதைத் தருகிறது" என்று AI சொல்வது ஒரு கணிப்பு; உண்மையில் குறியீட்டை இயக்குவது மற்றும் வெளியீட்டைப் பார்ப்பது ஒரு உறுதியான உண்மை. ஒரு LLM தனது தலையில் எழுதிய குறியீட்டின் வெளியீட்டை "கணக்கிட்டு" தவறான எண்ணைக் கூறலாம்; அதேசமயம் அதே குறியீட்டை இயக்கும்போது அது சரியான முடிவை அளிக்கிறது. எனவே AI வாய்மொழியாக வழங்கும் எண்ணியல் முடிவை ஒருபோதும் நம்ப வேண்டாம் - குறியீட்டை இயக்கவும்.

அடிப்படை கணக்கீட்டு பணிகள் மற்றும் AI இன் பங்கு

தேடுதல்

முறை/கருவி

உடல் சரிபார்ப்பு

திட்டவட்டமான ஒருங்கிணைந்த

scipy.integrate.quad

வரம்பு நிலைகள், பரிமாண பகுப்பாய்வு

சமன்பாட்டின் வேர்

scipy.optimize.brentq

அந்த இடத்தில் ரூட்டை வைத்து பூஜ்ஜியமா என சரிபார்க்கவும்.

நேரியல் சமன்பாடுகளின் அமைப்பு

numpy.linalg.solve

தீர்வை மீண்டும் அமைப்பில் வைப்பது

வழித்தோன்றல் (எண்)

மைய வேறுபாடு அல்லது நம்பி.கிரேடியன்ட்

பகுப்பாய்வு வழித்தோன்றலுடன் ஒப்பீடு

மொத்த திசையன் கணக்கீடு

NumPy அணிவரிசைகள்

அலகு மற்றும் தரவரிசை கட்டுப்பாடு

இந்தக் கருவிகளில் எது பொருத்தமானது என்று பரிந்துரைப்பதிலும், தொடரியல் (குறியீடு எழுதும் விதிகள்) சரியாகப் பெறுவதிலும் AI மிகவும் சிறப்பாக உள்ளது. ஆனால் எந்த முறையானது உடல் அர்த்தத்தையும், முடிவின் துல்லியத்தையும் தருகிறது என்பதை நீங்கள் தீர்மானிக்கிறீர்கள்.

படிப்படியாக: சரிபார்க்கக்கூடிய எண் கணக்கீடு

1. பிரச்சனை மற்றும் அலகுகளை தெளிவுபடுத்துங்கள். எடுத்துக்காட்டாக: "ஒருங்கிணைந்த e^(−x²) ஐ 0 முதல் முடிவிலி வரை கணக்கிடவும்; முடிவு √π/2 ≈ 0.8862 ஆக இருக்க வேண்டும்." எதிர்பார்த்த முடிவை (ஏதேனும் இருந்தால்) மீண்டும் எழுதுவது சரிபார்ப்பை எளிதாக்குகிறது.

2. குறியீட்டை AIயிடம் கேளுங்கள், ஆனால் நீங்கள் வெளியீட்டை இயக்குகிறீர்கள். குறியீடு தொகுதியை நகலெடுத்து உங்கள் சொந்த சூழலில் இயக்கவும் (ஜூபிடர், கோலாப், சொந்த பைதான்).

3. தெரிந்த சூழ்நிலையுடன் சோதனை. உங்களுக்கு ஏற்கனவே பதில் தெரிந்த எளிய சூழ்நிலையில் குறியீட்டை முயற்சிக்கவும். எடுத்துக்காட்டாக, ∫₀¹ x dx = 0.5 போன்ற உங்களுக்குத் தெரிந்த உதாரணத்துடன் ஒருங்கிணைந்த குறியீட்டைச் சோதிக்கவும். குறியீடு இதை சரியாக கொடுத்தால், உங்கள் நம்பிக்கை அதிகரிக்கும்.

4. ஒன்றிணைவதை சரிபார்க்கவும். எண் முறைகளில், நீங்கள் படிகளின் எண்ணிக்கையை அதிகரிக்கும் போது, ​​முடிவு ஒரு நிலையான மதிப்பை அணுக வேண்டும். அது அணுகவில்லை என்றால், முறை பொருத்தமானது அல்ல.

5. அலகு மற்றும் தரத்தை சரிபார்க்கவும். இயற்பியல் அலகு மற்றும் வரிசையுடன் எப்போதும் எண் முடிவை வழங்கவும்.

உதவிக்குறிப்பு: AI இலிருந்து குறியீட்டைக் கோரும்போது, ​​"தெரிந்த பகுப்பாய்வு மதிப்புடன் முடிவை ஒப்பிடும் ஒரு சோதனை வரியையும் சேர்க்கவும்" என்று கூறவும். இவ்வாறு, குறியீடு இரண்டும் கணக்கீடுகளைச் செய்கிறது மற்றும் அறியப்பட்ட சூழ்நிலையில் தன்னைச் சோதிக்கிறது. இதனால் பிழைகள் உடனடியாகத் தெரியும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - தவறான வாய்வழி முடிவு. ஒரு மாணவர் AI ஒரு ஒருங்கிணைந்த குறியீட்டை எழுதச் சொன்னார், மேலும் AI "இந்தக் குறியீடு சுமார் 1.77 தருகிறது" என்று கூறியது. மாணவர் குறியீட்டை இயக்கினார்: உண்மையான வெளியீடு 0.886. குறியீட்டின் வெளியீட்டைக் கணிப்பதில் AI தவறு செய்துவிட்டது; குறியீடு சரியாக இருந்தது. பாடம்: குறியீட்டை நம்புங்கள், வாய்மொழி யூகத்தை நம்பாதீர்கள்.

வழக்கு 2 - எண் உறுதியற்ற தன்மை. AI எழுதிய ரூட் கண்டுபிடிப்பு குறியீட்டைக் கொண்டு ஒரு சமன்பாட்டின் மூலத்தை ஆராய்ச்சியாளர் தேடினார். குறியீடு ஒரு மூலத்தை வழங்கியது, ஆனால் ஆராய்ச்சியாளர் மூலத்தை மீண்டும் சமன்பாட்டில் வைத்தபோது, ​​​​முடிவு பூஜ்ஜியம் அல்ல, ஆனால் மிகப் பெரிய எண். பிரச்சனை என்னவென்றால், தொடக்க வரம்பில் ரூட் இல்லை; AI பொருத்தமான வரம்பை ஏற்றுக்கொண்டது. ஆய்வாளர் இயற்பியல் தகவலுடன் இடைவெளியைச் சரிசெய்து சரியான மூலத்தைக் கண்டுபிடித்தார்.

வழக்கு 3 - உறுதிப்படுத்தல் கிடைத்தது. ஒரு பொறியியலாளர் சுமையின் கீழ் ஒரு கற்றை விலகலை எண்ணியல் ரீதியாக கணக்கிடும் குறியீட்டை விரும்பினார். குறியீடு வேலை செய்தது, ஆனால் இதன் விளைவாக மீட்டர் விலகலைக் காட்டியது-எஃகு கற்றைக்கு சாத்தியமற்றது. பொறியாளர் அலகுகளை ஆய்வு செய்தார்: AI ஆனது GPa க்கு பதிலாக Pa இல் மீள்நிலை மாடுலஸைக் கொண்டிருப்பதாக பாசாங்கு செய்தது, 10⁹ காரணியைக் காணவில்லை. அலகு திருத்தத்துடன், முடிவு மில்லிமீட்டராகக் குறைந்து நியாயமானது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) சரிபார்ப்பு வரியுடன் எண் கணக்கீடு:

பின்வரும் இயற்பியல் கணக்கீட்டைச் செய்யும் பைதான் (NumPy/SciPy) குறியீட்டை எழுதவும்: [சிக்கல்]. SI அலகுகளில் உள்ள அனைத்து மாறிகளையும் அறிவிக்கவும் மற்றும் ஒரு கருத்து வரியுடன் அலகு குறிப்பிடவும். அறியப்பட்ட பகுப்பாய்வு/எளிய மதிப்புடன் முடிவை ஒப்பிடும் குறியீட்டின் முடிவில் ஒரு சரிபார்ப்பு வரியைச் சேர்க்கவும் (உறுதிப்படுத்துதல் அல்லது அச்சிடுதல்). நான் குறியீட்டை இயக்குவேன்; நீங்கள் வெளியீட்டை யூகிக்கவில்லை, குறியீடு மற்றும் எதிர்பார்க்கப்படும் தரத்தை எழுதவும்.

2) முறை தேர்வு ஆலோசனை:

பின்வரும் சிக்கலை எண்ணியல் ரீதியாக தீர்க்க விரும்புகிறேன்: [சிக்கல்]. எந்த SciPy/NumPy செயல்பாடு பொருத்தமானது மற்றும் ஏன்? 2 மாற்று முறைகளைப் பரிந்துரைக்கவும், துல்லியம் மற்றும் நிலைத்தன்மையின் அடிப்படையில் ஒவ்வொன்றின் நன்மைகள்/தீமைகளையும் எழுதுங்கள். எந்த உடல் சூழ்நிலையில் எது விரும்பப்பட வேண்டும் என்பதைக் குறிப்பிடவும்.

3) ஒருங்கிணைப்பு சோதனை:

பின்வரும் எண் கணக்கீட்டின் படிகளின் எண்ணிக்கையை அதிகரிப்பதன் மூலம் முடிவு எவ்வாறு ஒன்றிணைகிறது என்பதைக் காட்டும் பைதான் குறியீட்டை எழுதவும் (எ.கா. N=10, 100, 1000). முடிவுகளை அட்டவணையில் அச்சிடவும். ஒருங்கிணைப்பு இல்லை என்றால், இதற்கான இயற்பியல்/எண் காரணத்தை ஒரே வாக்கியத்தில் விளக்கவும். குறியீடு: [இங்கே]

4) அலகு கட்டுப்பாடு:

கீழே உள்ள குறியீட்டில், ஒவ்வொரு மாறியின் SI யூனிட்டைக் குறித்து கருத்து தெரிவிக்கவும் மற்றும் இறுதி முடிவின் அலகு எதிர்பார்க்கப்படும் யூனிட்டுடன் (எ.கா. மீட்டர், ஜூல்) ஒத்துப்போகிறதா எனச் சரிபார்க்கவும். முரண்பாடு இருந்தால், அது எந்த வரியில் உள்ளது என்பதைக் காட்டு. குறியீடு: [இங்கே]

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமானது: "இந்த ஒருங்கிணைப்பின் முடிவைச் சொல்லுங்கள்: ∫₀^∞ x²·e^(−x) dx"

முடிவு: AI அதன் தலையில் ஒரு எண்ணைத் துப்புகிறது (சரியாக இருக்கலாம், தவறாக இருக்கலாம்); இயங்கக்கூடியது எதுவுமில்லை, சரிபார்க்கக்கூடியது எதுவுமில்லை.

வலிமையானது: "scipy.integrate.quad உடன் ஒருங்கிணைந்த ∫₀^∞ x²·e^(−x) dx ஐக் கணக்கிடும் பைதான் குறியீட்டை எழுதவும். இந்த ஒருங்கிணைப்பின் பகுப்பாய்வு மதிப்புடன் முடிவை ஒப்பிடும் உறுதியான வரியைச் சேர்க்கவும், 2! = 2. நான் இயக்குவேன்.

முடிவு: இயங்கக்கூடிய குறியீடு, உள்ளமைக்கப்பட்ட சரிபார்ப்பு (பகுப்பாய்வு மதிப்புடன் ஒப்பிடுதல்) மற்றும் நம்பகமான முடிவு.

பொதுவான தவறுகள்

• AI இன் வாய்மொழி எண்ணியல் முடிவை நம்பி. தலையில் உள்ள குறியீட்டின் வெளியீட்டை LLM தவறாகக் கணிக்கக்கூடும். எப்போதும் குறியீட்டை இயக்கவும்.
• தெரிந்த சூழ்நிலையில் சோதனை செய்யவில்லை. ஒரு எளிய உதாரணத்துடன் சோதிக்காத குறியீடு, பதில் மறைக்கப்பட்ட பிழைகளைக் கொண்டிருக்கலாம்.
• ஒன்றிணைவதை சரிபார்க்கவில்லை. ஒற்றைப் படி எண்ணிக்கையுடன் ஒட்டிக்கொள்வது, எண்ணியல் ரீதியாக நம்பகத்தன்மை உள்ளதா என்பதை மறைக்கிறது.
• குறியீட்டில் உள்ள அலகுகளை பிரதிபலிக்கவில்லை. மாறிகளின் அலகு குறித்து கருத்து தெரிவிக்காதது அமைதியான 10ⁿ பிழைகளை அழைக்கிறது.
• நூலகப் பதிப்பு/ அனுமானங்களைப் புறக்கணித்தல். சில நேரங்களில் AI இல்லாத செயல்பாட்டுப் பெயர் அல்லது வழக்கற்றுப் போன தொடரியல் உருவாக்கலாம்; நீங்கள் அதை இயக்கும் போது இது கவனிக்கப்படுகிறது.

எச்சரிக்கை: வெளியீடு, ஒதுக்கீடு அல்லது வடிவமைப்பில் ஒரு எண் முடிவை வைப்பதற்கு முன், ஒரு சுயாதீனமாக அறியப்பட்ட கேஸ் மூலம் குறியீட்டைச் சோதித்து அதன் முடிவை அலகுகள்/ஆர்டர்களில் வழங்கவும். வேலை செய்யும் குறியீடு கூட தவறான இயற்பியலைக் கணக்கிடுகிறது; குறியீடு செயல்படுவதால் இயற்பியல் சரியானது என்று அர்த்தமல்ல.

சுருக்கமாக

இயற்பியல் கணக்கீடுகளை பைதான் குறியீடாக மொழிபெயர்ப்பதில் AI ஒரு சக்திவாய்ந்த பங்குதாரர்; ஆனால் அவர் வாய்மொழியாகக் கொடுக்கும் எண்கள் மதிப்பீடுகள், உண்மைகள் அல்ல. பாதுகாப்பான பணிப்பாய்வு தெளிவாக உள்ளது: அதன் அலகுகளில் உள்ள சிக்கலை வரையறுக்கவும், AI குறியீட்டை எழுதவும், ஆனால் நீங்கள் வெளியீட்டை இயக்கவும், அறியப்பட்ட சூழ்நிலையுடன் குறியீட்டை சோதிக்கவும், ஒருங்கிணைப்பு மற்றும் அலகு சரிபார்க்கவும். நிர்ணயம் என்பது செயல்படுத்தப்படும் குறியீடு; இது எல்எல்எம் அல்ல. அடுத்த யூனிட்டில், இந்த எண் அடிப்படையை நேர-மாறும் இயற்பியல் அமைப்புகளின் உருவகப்படுத்துதலுக்கு நகர்த்துவோம்.

விண்ணப்ப பணி

பகுப்பாய்விற்கான தீர்வு உங்களுக்குத் தெரிந்த இயற்பியல் கால்குலஸைத் தேர்வு செய்யவும் (உதாரணமாக, ஒரு குறிப்பிட்ட காலத்திற்குள் கட்டற்ற-விழும் பொருளின் வேகம் அல்லது ஒரு எளிய திட்டவட்டமான ஒருங்கிணைப்பு). டெம்ப்ளேட் 1 உடன் பைதான் குறியீட்டை AI எழுதச் செய்யுங்கள்; குறியீட்டை நீங்களே இயக்கவும். உங்களுக்குத் தெரிந்த பகுப்பாய்வு மதிப்புடன் முடிவை ஒப்பிடுக. பின்னர் படிகளின் எண்ணிக்கை அல்லது அளவுருவை மாற்றுவதன் மூலம் முடிவு எவ்வாறு செயல்படுகிறது என்பதைக் கவனியுங்கள். 5-6 வாக்கியங்களில் குறிப்பு: குறியீட்டின் வெளியீடு வாய்மொழி கணிப்புடன் பொருந்துகிறதா, யூனிட்/ஆர்டர் சிக்கல் உள்ளதா?

சரிபார்ப்பு பட்டியல்

• [ ] பிரச்சனை மற்றும் அனைத்து மாறிகளின் அலகு ஆகியவற்றை நான் தெளிவுபடுத்தினேன்.
• AI ஆல் எழுதப்பட்ட குறியீட்டை நானே இயக்கினேன், வாய்மொழி முடிவை நான் நம்பவில்லை.
• [ ] நான் ஒரு எளிய சூழ்நிலையில் குறியீட்டை சோதித்தேன், அதற்கான பதில் எனக்குத் தெரியும்.
• [ ] நான் குவிதல் அல்லது அளவுரு உணர்திறனைச் சரிபார்த்தேன்.
• [ ] முடிவின் அலகு மற்றும் வரிசையை உடல் ரீதியாக வழங்கினேன்.
• [ ] நான் பயன்படுத்தும் நூலக செயல்பாடுகள் உண்மையானவை மற்றும் புதுப்பித்தவை என்பதை நான் சரிபார்த்துள்ளேன்.