收益：
- 能够使用solve_ivp等求解器模拟动态物理系统，并通过监控总能量或动量守恒来验证模拟的有效性
- 能够通过收敛测试选择步长来区分数值伪像和真实物理
- 能够通过将模拟结果与已知的分析情况和物理极限状态进行比较来测试模拟结果
物理学的大部分内容都涉及时变系统：振荡的钟摆、绕轨道运行的行星、冷却的物体、传播的波。大多数这些系统都是通过微分方程来描述的，即将某个量（位置、温度）的变化率与该量本身联系起来的方程。这些方程通常没有解析（公式精确）解；相反，我们进行模拟：以较小的时间步长推动系统前进，并以数字方式监控其行为。在本单元中，您将学习如何使用人工智能 (AI) 构建模拟代码，最重要的是如何使用守恒定律验证模拟是否准确反映物理现象。
仿真的基本思想和AI的作用
模拟由以下循环组成：采用当前状态，应用变化方程，向前移动一个小的 Δt，然后重复。人工智能非常快地构建这个循环，选择正确的求解器——逐步求解微分方程的算法，并编辑代码。物理学家的标准工具是 scipy.integrate.solve_ivp （解决初值问题的 SciPy 函数）。但在你相信人工智能创建的模拟之前，你必须问的问题是：这个模拟是否保留了需要保留的物理量（能量、动量、角动量）？
系统
方程类型
验证标准
摆、弹簧
二阶常微分方程
总能量恒定
行星轨道
牛顿引力常微分方程
角动量+能量守恒
冷/热
一级常微分方程
收敛至平衡温度
放射性衰变
指数常微分方程
半衰期控制
蒙特卡罗（随机）
统计
收敛于已知均值/分布
注意：ODE 代表“常微分方程”——涉及单个变量（通常是时间）的导数的方程。
一步一步：可靠的模拟
1. 阐明物理原理和初始条件。系统的方程是什么？起始位置、速度、温度是多少？单位是什么？将这些明确地交给人工智能。
2. 选择合适的求解器和步长。时间步长太大会使模拟不稳定（结果爆炸或物理破坏）；步幅太小会不必要地减慢速度。人工智能可能会提出建议，但会控制决定。
3. 代码中遵循守恒定律。计算并打印整个模拟过程中的总能量（或动量）。如果它漂移的幅度应保持恒定，则模拟是不可靠的。
4. 与已知解进行比较。例如，小振幅摆的周期由公式 T = 2π√(L/g) 得知；将模拟给出的周期与此进行比较。
5. 更改参数，测试行为。增加摩擦力后振动是否会减弱？当质量增加时，轨道是否会按预期发生变化？用物理直觉进行测试。
提示：为每个模拟添加一个“能量跟踪器”：计算每个步骤的总能量并将其绘制为与初始能量的比率。在无摩擦系统中，该比率应保持恒定且接近 1。漂移超过 1% 表明您需要减小步长或更改求解器。
三个迷你箱子
案例 1——能量爆发。一名学生用AI编写的简单欧拉法（最原始的步进法）模拟了行星轨道。随着时间的推移，轨道逐渐变宽，行星“飞走了”。当学生监测总能量时，他发现总能量在不断增加——这是欧拉方法的一个已知缺陷。他要求 AI 提供一个能够更好地节省能量的求解器（更适合使用solve_ivp 的方法），并将轨道固定为稳定的椭圆。
情况 2 — 单位错误、期间错误。一位老师在钟摆模拟中发现周期为 0.2 秒，但预期值为 2 秒。当他检查时，他发现人工智能输入了厘米的长度，并将其用作公式中的米。经过单位修正，模拟结果与分析值T=2π√(L/g)一致。
案例 3 — 蒙特卡洛验证。一名研究人员要求人工智能提供一个代码，可以对撞击探测器的粒子进行随机采样（蒙特卡罗——随机数统计模拟）。为了验证结果，他用同样的方法运行了一个分析上已知的简单案例（例如通过圆面积比估算 π）；当代码正确预测 π 时，它对实际模拟的信心就会增加。他还观察到，随着样本数量的增加，结果缩小并收敛于真实值。
四个可复制模板
1）保护监测模拟：
编写Python代码，使用solve_ivp模拟以下物理系统：[系统，方程，初始条件，单位]。在整个模拟过程中，计算每一步的总能量（和动量，如果有），并随时间绘制其与其初始值的比率。请注意，在无摩擦情况下，该比率应保持恒定~1。
2）分析比较：
添加代码，将以下模拟的结果与该系统的已知解析解进行比较（[公式]）。将它们绘制在同一张图表上，并打印数值和分析之间的最大差异。模拟代码：[此处]
3）步长/稳定性测试：
编写代码，以不同的时间步长（例如 dt = 0.1、0.01、0.001）运行以下模拟，并显示结果如何变化。指定在哪个步长后结果稳定（收敛）。代码：[此处]
4）物理极限状态测试：
建议以下模拟进行3个物理极限状态测试：（例如，摩擦力为零时能量应守恒，摩擦力大时应快速失速，质量加倍时周期应如何变化）。用一句话写出每项测试的预期结果。代码：[此处]
弱提示/强提示
弱：“写一个摆模拟。”
结果：代码没有单位，没有验证，没有保护检查；目前还不清楚它是否反映了物理现象。
Strong：“编写一个solve_ivp代码，模拟长度L = 1 m、起始角度10°、g = 9.81 m/s²的简单摆10秒。监视每一步的总能量并绘制与起始点的比率。将测量的周期与小振幅公式T = 2π√(L/g)进行比较并打印差异。”
结果：可靠的单位模拟、保护监测以及与分析值的比较。
常见错误
- 不遵守守恒定律。如果能量或动量发生漂移，则模拟是错误的；没有看到这一点就相信结果是最常见的错误。
- 任意选择步长。步子太大会犹豫不决，步子太小会产生不必要的成本；收敛测试是必不可少的。
- 不做分析比较。如果不将其与已知的特殊情况（小振幅、无摩擦状态）进行比较，则模拟仍然是无监督的。
- 将数值缺陷误认为是物理现象。轨道膨胀等行为通常是该方法的缺陷，而不是真正的物理学。
- 修复随机模拟中的样本数量。增加蒙特卡罗中的样本数量并依赖单一结果而不看到收敛是具有误导性的。
注意：仅仅因为模拟产生了“漂亮的图表”并不意味着它是正确的。视觉效果令人信服，但具有欺骗性。在相信模拟之前，请务必遵循守恒定律并将其与已知情况进行比较。未经验证的模拟不是物理证据。
综上所述
仿真是理解缺乏分析解决方案的动态物理系统并快速构建 AI 仿真代码的强大方法。但模拟的价值取决于它是否准确地反映了物理现象。确保这一点的方法是遵循守恒定律，通过收敛测试选择合适的步长，将结果与已知的分析案例进行比较，并测试物理极限情况。在下一个单元中，我们将把重点从生成的数据转移到实际实验数据的分析。
应用任务
选择一个简单的动力系统（摆、自由落体+空气阻力或冷却）。使用模板 1，打印并运行模拟代码，其中包括 AI 中的守恒或平衡检查。检查监控量（能量或温度）是否按预期运行。然后改变一个参数（摩擦力、质量、步长），看看行为的变化是否符合你的物理直觉。用 5-6 句话写下来。
清单
- [ ] 我阐明了系统的方程、初始条件和单位。
- [ ] 我在模拟中遵循守恒定律（能量/动量）。
- [ ] 我通过收敛测试验证了步长。
- [ ] 我将结果与已知的分析情况进行了比较。
- [ ] 我至少进行了一项物理极限状态测试。
- [ ] 我区分了数值缺陷和真实物理。