رفتن به نوشته‌ها

سیتپـــــور مطالب

چرا تست‌های با حساسیت کمتر می‌تونن گزینه‌های بهتری باشن؟

این روزها خبر میرسه هزینه آزمایش پی سی آر (PCR) اونقدر زیاده که بعضی از افراد مشکوک به کرونا نمیتونن آزمایش بشن یا بودجه سیستم بهداشتی فلان کشور کفاف این‌ همه آزمایش پی‌سی‌آر رو نمیده و به جاش مجبوره مردم رو در قرنطینه بیش از حد طولانی ببره. ولی آیا واقعا نیازه سیستم بهداشتی در تمام موارد از پی‌سی‌آر استفاده کنه؟ یا جایگزین دیگه‌ای هم هست كه با مشكلات كمتر، نتيجه قابل‌قبولی داشته‌باشه؟

اين ویدیو قراره مزایا و معایب تست پی‌سی‌آر و جایگزین اون یعنی تست سریع آنتی‌ژن رو بررسی کنه.

ویدیو توسط Minute Physics ساخته شده و زیرنویس فارسی داره.

لینک های دانلود :

اگر همچنان مشتاق یادگیری بیشتر در مورد این نوع آزمایش هستید، به لینک های زیر سری بزنید:

پرسش و پاسخ‌ درباره ویروس جدید کرونا (کووید-‏‏۱۹)‏

سازمان جهانی بهداشت

سیتپـــــور در سالی که گذشت

سال ۲۰۲۰ برخلاف اسمش برای همه ما سخت، ملال‌آور، همراه با بیم بسیار و امید اندک بود. با همه ناخوشی‌ها، این دوازده ماه نیز گذشت. درست مثل همیشه، امسال هم در بنیاد سیتپـــــور سعی کردیم تا آن‌جا که از دستمان برمی‌آمد در علم روایتگری کنیم. از میان مجموع ۱۴۱ نوشته منتشر شده تاکنون در سیتپـــــور، امسال ۲۸ نوشته در زمینه‌های کرونا، ترویج علم، تاریخ علم، تحصیلات تکمیلی در علم، اپتیک و فوتونیک، نجوم و کیهان‌‌شناسی، آمار، برنامه‌نویسی و علم داده، فیزیک آماری و سیستم‌های پیچیده منتشر شد.

خرسندیم که به نظرات شما همیشه پاسخ داده‌ایم و بسیار ممنونیم از بذل توجه همه شما به سیتپـــــور در این هفت سال. تشکر می‌کنیم از همه نویسندگان خوش‌مرام و همراه با ما. سپاس‌گزاریم از دکتر علی‌رضا وفایی صدر و دکتر امیر‌محمد گمینی به‌خاطر حضور در برنامه اینستاگرامی «پشت پرده نجوم». تشکر ویژه هم از عزیزانی که حامی بوده‌اند.

پرطرفدارترین نوشته‌های امسال

نویسنده‌های سیتپور در ۲۰۲۰

اگر علاقه‌مند به پیوستن به ما هستید، مرام‌نامه ما را بخونید.

سیتپـــــور

به خاطر روایتگری در علم

به یاد آنان که راه را هموار ساختند…

در رویارویی با علم و مسئله ترویج آن

در مورد علم، شبه‌علم، روش و تحول ساختارش، ارتباط‌‌گری و روایتگری در علم زیاد حرف زده شده. با این وجود، خوبه که هر از گاهی با مرور بعضی مثال‌ها، به این موضوعات دوباره فکر کنیم. توی این مسیر همیشه باید توجه کنیم که علم، نه تقدس به همراه میاره و نه قاطعیت! به قول فاینمن، گزاره‌های علمی از جنس این نیستند که چه چیزی درست یا غلطه، بلکه اونا گزاره‌هایی هستند با درجه‌های مختلفی از عدم قطعیت در مورد چیزهایی که می‌دونیم. از طرف دیگه، باید به عنصر آزمایش یا تجربه در «علوم تجربی» هم توجه کنیم. در علم، هر اندازه‌گیری همراه با مقداری خطا گزارش میشه که به ما میگه عدم قطعیت (دقت) موجود در این اندازه‌گیری چقدره و ما تا کجا می‌تونیم مطمئن باشیم از مقدار مشاهده شده. میزان موفقیت یک نظریه علمی هم در دقت پیش‌بینی‌هایی هست که در مورد کمیت‌های مورد نظر ارائه می‌کنه. نظریه‌ای دقیق‌تره که نتایجش نزدیکتر به واقعیت (اندازه‌گیری‌ها) باشه. نظریه الکترودینامیک کوانتومی دقیق‌ترین نظریه فیزیکه چون مقداری که برای «ثابت ساختار ریز» معرفی می‌کنه تا ۸ رقم بعد از ممیز با مقدار اندازه‌گیری شده می‌خونه.

با این وجود، دقیق‌ترین نظریه لزوما بهترین نظریه نیست! مثلا در مسائل گرانشی، نسبیت توصیف دقیق‌تری ارائه می‌کنه، با این حال در زندگی روزمره معمولا ما به این میزان دقت نیاز نداریم؛ یک مهندس شهرسازی هیچ ملاحظه نسبیتی رو نیاز نیست که رعایت کنه! حتی اگه این کارو بکنه، فقط زمان و انرژی بیشتری برای محاسباتی صرف کرده که نتایج بهتری بهش تحویل نمیدن! اما مثلا در توصیف مدار عُطارِد دیگه این جوری نیست. نظریه نسبیت به طور چشم‌گیری دقیق‌تره و بر خلاف نظریه‌های غیرنسبیتی مقادیر معقول‌تری رو پیش‌بینی می‌کنه. خلاصه این‌که اگه همین‌طور رو هوا کسی بگه «آینشتین درست گفت و نیوتون غلط» نشون میده که یه آدم غیرحرفه‌ایه! همیشه توی علم مهمه که با چه مسئله‌ای روبه‌رو هستیم و انتظارات از مطالعه یا پژوهش ما چیه. گاهی مدل‌های خیلی ساده می‌تونن نتایج خیلی خوبی، بسته به مسئله مورد نظر، ارائه کنند. مثلا مدل آیزینگ با تمام سادگی‌هاش توصیف خیلی خوبی از گذارفاز خودبه‌خودی فرومغناطیسی و پدیده‌های بحرانی مرتبط با اون ارائه می‌کنه. انتخاب مدل در علم خودش بحث مفصلیه. بگذریم.

برای همین، اگه کمی دقت کنیم خیلی چیزها دیگه زیر پرچم علم قرار نمی‌گیرند. دونستن ارتفاع قله اورست یا ظرفیت گرمایی نقره علم حساب نمیشه. این‌ها اطلاعاتی هستند که پس از یک‌بار استخراج یا محاسبه میشه توی یه جدول نگهشون داشت و بارها ازشون استفاده کرد. همین‌طور خیلی از ادعاهایی که در رشته‌هایی مثل روان‌شناسی یا جامعه‌شناسی وجود داره علمی نیستند. چون یا درست آزمایش نشدند، یا قابل تکرار نیستند یا مشکلات دیگه‌ای دارن که روش تحقیقشون رو خارج از چارچوب روش علمی قرار می‌ده. حتی بخشی از ریاضیات هم علم نیست! در ریاضیات شما می‌تونید ساختارهای کاملا انتزاعی درست کنید بدون نیاز به وجود یا مثال خارجی. نکته مهم اینه که هر چیزی که علمی نباشه چیز بدی نیست. علمی بودن به ما یک سری ویژگی و ملاک‌ شناختی میده در برخورد با دنیای خارجمون. اصلا برای همینه که در علم، ندونستن عیب نیست و قرار نیست که علم به همه پرسش‌ها یا نیازهای بشر جواب بده. اعتبار بخشیدن به ادعایی به عنوان یک «گزاره علمی» فقط از این جهت قابل قبوله که میشه انتظارات مشخصی از اون حرف یا ادعا داشت.

یادگرفتن واژه‌ها خیلی لازم است، اما این کار علم نیست. البته منظور من این نیست که چون علم نیست نباید آن را یاد بدهیم. ما دربارهٔ این که چه چیزی را باید یاد بدهیم حرف نمی‌زنیم؛ دربارهٔ این بحث می‌کنیم که علم چیست. این که بلد باشیم چطور سانتی‌گراد را به فارنهایت تبدیل کنیم علم نیست. البته دانستنش خیلی لازم است، ولی دقیقاً علم نیست. برای صحبت کردن با همدیگر باید واژه داشته باشیم، کلمه بلد باشیم و درست هم همین است؛ ولی خوب است بدانیم که فرق «استفاده از واژه» و «علم» دقیقاً چیست. در این صورت، می‌فهمیم که چه وقت ابزار علم مثل واژه‌ها و کلمه‌ها را تدریس می‌کنیم و چه وقت خود علم را یاد می‌دهیم. … اگر به شما بگویند «علم این و آن را نشان داده‌است.» می‌توانید بپرسید که «علم چطور آن را نشان داده‌است؟ چطور دانشمندان فهمیده‌اند؟ چطور؟ چه؟ کجا؟» نباید بگوییم «علم نشان داده‌است.»، باید بگوییم «تجربه این را نشان داده‌است.» و شما به اندازهٔ هر کس دیگر حق دارید که وقتی چیزی دربارهٔ تجربه ای می‌شنوید، حوصله داشته باشید و به تمام دلایل گوش فرا دهید و قضاوت کنید که آیا نتیجه‌گیری درست انجام شده‌است یا نه.

– ریچارد فاینمن در علم چیست؟!

پس از علم پیروی کنیم؟!

علم در مورد یک سری واقعیته. علم به ما نمی‌گه که چیکار کنیم یا نکنیم. چیزی که میگه اینه که اگه توپی رو با فلان سرعت از فلان نقطه پرتاب کنید، فلان مسیرو طی می‌کنه و بعد از زمان فلان با سرعت بهمان به نقطه مشخصی می‌رسه. پرتاب کردن یا نکردن توپ اما دست ماست. علم در فاجعه هیروشیما و ناکازاکی بی‌تقصیره ولی انسان‌ها و مدیران مختلفی در این مسئله مقصر هستند. میزان گناه‌کار بودن افراد رو علم مشخص نمی‌کنه بلکه قراردادهای غیر علمی اما حقوقی یا اخلاقی مشخص می‌کنند. پس لزومی نداره علم همه امور ما رو رتق و فتق کنه! علم گاهی در مسائلی می‌تونه اصلا جوابی نداشته باشه یا ممکنه ما رو در یک حالت بلاتکلیف قرار بده. در کنترل همه‌‌گیری کرونا علم نمی‌گه که فلان شهرو قرنطینه کنید یا در بهمان شهر قوانین منع تردد از ۷ شب وضع کنید. در این شرایط، اهل علم در گروه‌های تحقیقاتی مختلف، شروع به مدل‌‌سازی‌ و آزمایش می‌کنند. اونا شرایط مختلفی رو تست می‌کنن تا ببینن چه روش‌هایی منجر به چه دستاوردهایی میشه. مثلا ممکنه گروهی سراغ مدل‌های بخش‌بندی یا سراغ تحلیل‌های داده‌محور و بیزی برن و عده‌ای هم از مدلسازی عامل بنیان استفاده کنند. در نهایت این وظیفه یک مدیره که با بررسی نتایج گروه‌های مختلف و با در نظر گرفتن نظرات و یافته‌های گروه‌های اقتصادی، فرهنگی، سیاسی و … تصمیم آخر رو بگیره. علم، شطرنج‌باز نیست، قوانین شطرنجه!

در این ویدیو، سابینه هاسنفلدر به خوبی در مورد این مسئله حرف می‌زنه:

مسئله ترویج علم

ترویج علم یعنی چی؟! چه کسی مروج علمه؟

توافق کردن بر سر مفهوم ترویج علم، قبل از هر چیزی به این بستگی داره که تعریف علم و گزاره علمی رو بپذیریم و بعد در مورد کم و کیف رواج بحث کنیم. در فارسی، ترویج علم احتمال زیاد وام‌دار مفهوم ترویج دینه چون در انگلیسی (عرف جهانی) معادلی برای ترویج علم نداریم. چیزهایی مثل «ارتباط‌گری» یا «علم‌ به زبان ساده» داریم ولی «ترویج علم» نه! معقول هم هست؛ در گذشته تفاوتی بین علم دینی و غیر دینی نبوده. طبیعتا هر چقدر که ابعاد ترویج دین زیاده ابعاد ترویج علم هم زیاده. پس شما هر کاری که در جهت گسترش علم انجام بدین زیر پرچم ترویج علمه. از تدریس و تحقیق گرفته تا ساخت مدرسه و دانشگاه، دادن کمک هزینه تحصیلی به افراد، شرکت داوطلبانه در آزمایش واکسن کرونا تا مبارزه با خرافات یا اجرای نمایش‌های مختلف برای آشنا کردن مردم کوچه‌ و بازار با مفاهیم علمی. برای همین چه توی تاکسی چه توی دانشگاه یا روزنامه‌ یا توییتر اگه کسی بگه: «از روی زمین، انگار که ماه نمی‌چرخه به این دلیل که سرعت چرخش ماه به دور زمین تقریبا برابر با سرعت چرخشش به دور خودشه.» ترویج علم انجام داده.

اما باید مراقب جنبه‌های دیگه این فرایند هم باشیم؛ به داستان‌های مختلفی که در مورد پول‌شویی به واسطه تاسیس خیره‌ها شنیدین فکر کنید. اگه کارتل‌های مواد مخدر به کلیساها یا نهادهای خیریه کمک‌ کنند، آیا «ترویج انسانیت» کردند؟! اگه دولتی اجازه ورود آلاینده خاصی به آب یا هوای کشورش رو بده و از طرف دیگه به کمک یک شرکت داروسازی داروهای مربوط به بیماری‌های ناشی از اون آلاینده رو با یارانه دولتی به بازار عرضه کنه، آیا این دولت «ترویج سلامت» کرده؟! در مورد ترویج علم هم این سوال وارده؛ اگه فردی، نهادی یا رسانه‌ای خواسته یا ناخواسته یا با روش یکی به نعل یکی به میخ هم مطالب علمی منتشر کنه و هم مطالب غیرعلمی یا شبه علم آیا باز هم در حال ترویج علمه؟! اگه فردی یا حزبی در مورد یک واقعیت علمی که موافق اهدافشه تبلیغ کنه ولی در مورد واقعیت دیگه‌ای که براشون هزینه ایجاد می‌کنه جوسازی‌های نادرست ایجاد کنه، آیا باز مشغول ترویج علمه؟! فراموش نکنیم که اصلا مهم نیست که هم‌قطارهای ما بگن فلان چیز علمیه یا نیست، این روش علمیه که مشخص می‌کنه که کی راست میگه!

دیشب در یک آگهی شنیدم که روغن وسون به داخل غذا نفوذ نمی‌کند. خب این واقعیت دارد و تقلبی در کار نیست؛ ولی آنچه من دربارهٔ آن صحبت می‌کنم تقلب نیست بلکه صحبت از صحت و درستی علمی است که در مرتبه دیگری قرار دارد. حقیقتی که باید به آگهی اضافه می‌شد، این است که هر روغنی که در دمای مشخص استفاده شود به داخل غذا نفوذ نمی‌کند. اما اگر در دمای دیگری مصرف شود حتی اگر روغن وسون باشد، در غذا نفوذ می‌کند. در نتیجه می‌بینیم در این آگهی نه حقیقت مطلب بلکه بخشی از آن بیان شده‌است؛ و ما با همین اختلاف سر و کار داریم. … اگر تصمیم دارید یک نظریه را آزمایش کنید یا ایده‌ای را توضیح دهید، باید همواره آن را بدون در نظر گرفتن پیامدهایش منتشر کنید. اگر تنها مطالب خاصی را چاپ کنید بدین معناست که قصد داشته‌اید آن را درست جلوه دهید، ازین رو باید تمام جوانب کار را منتشر کنید. دربارهٔ مشاوره‌های دولتی نیز این اصل اهمیت دارد. تصور کنید سناتوری بررسی یک مسئله حفر چاه در ایالتش را به شما واگذار کند و شما پس از بررسی، ایالت دیگری را برای اینکار مناسب‌تر تشخیص دهید، اگر شما تحقیقتان را منتشر نکنید، توصیه شما عملی نخواهد شد و شما آلت دستی بیش نخواهید بود. اگر نظر شما موافق نظر دولت و سیاستمداران باشد، آنها می‌توانند از آن در جهت به‌کارگیری مقاصدشان استفاده کنند و اگر شما با خواست‌های آنها در تضاد باشید، هرگز آن را منتشر نخواهند کرد. در این صورت کار شما دیگر یک توصیه علمی قلمداد نمی‌شود.

– ریچارد فاینمن در علم بارپرست‌گونه

روایتگری در علم و تیراژ کار

«منظور ما از روایتگری در علم نوع بیان و ارائه یک مطلب علمی با هر میزان پیچیدگی به مخاطبی با سطح مشخصی از تخصص است، به طوری که فرایند یادگیری لذت بخش باشد و فرد ارتباط بین مفاهیم را به درستی متوجه شود.»

در مورد روایتگری در علم در این نوشته و این ویدیو مفصل صحبت کردیم. به نگاره زیر نگاه کنید. محور افقی نشون‌دهنده میزان تخصص افراد در یک حوزه تخصصی خاص مثل فیزیکه. طبیعتا هر چقدر که به سمت راست حرکت کنیم میزان تخصص بیشتر میشه. روایتگری در علم فرایند ارائه مطلب توسط فردی در نقطه $X$ از محور به فردی قبل‌تر از اون ($X – \Delta X$) هست. مثلا ممکنه یک استاد با تجربه بعد از سال‌ها تدریس، یک کتاب آموزشی خوب برای دوره لیسانس یا یک پژوهشگر برجسته یک مقاله مروری برای بقیه پژوهشگرا بنویسه. گاهی هم روایتگری در علم می‌تونه سر کلاس فیزیک دبیرستان رخ بده یا توی مهمونی وقتی داری به داییت توضیح میدی که فرکتال‌ها چی هستن! به عنوان یک نمونه عملیاتی کلاس‌های درس ساسکایند یا درس‌گفتارهای فاینمن رو ببینید. به تولید این جنس محتوا می‌گیم روایتگری در علم و اگه مخاطب ما عموم مردم باشن، اون موقع این کار به صورت عمده توسط روزنامه‌نگاران علمی و ارتباط‌گران علم انجام میشه.

نمودار روایتگری در علم – روایتگری در علم از راست به چپ رخ می‌دهد.

یکی از اهداف جدی روایتگری در علم تولید محتوای خوش‌هضم‌ برای مخاطبه. هرچقدر محتوا باکیفیت بهتری آماده بشه طبیعتا احتمال یادگیری بالا میره و این می‌تونه به پیکره علم و جریان‌های علمی کمک کنه. برای همین همیشه مهمه که محتوای تولید شده چه مقدار مخاطب داشته باشه. خصوصا برای روزنامه‌نگاران علمی یا ارتباط‌گران علم. مثلا با توجه به شرایط همه‌گیری بیماری کرونا خیلی مهمه که عمده مردم واکسینه بشن. برای همین از یک طرف وظیفه مروجان علمه که تا جایی که میشه دولت‌ها رو تشویق به سرمایه‌گذاری در خرید و توسعه واکسن کنند و از طرف دیگه با آگاهی دادن به مردم اونا رو متقاعد کنند که واکسن چیز خوبیه، اومد بزنید! این تلاش‌ها باید در مقیاس کشوری و جهانی انجام بشه. برای همین اگر کسی قصد تولید محتوایی رو داشته باشه خیلی مهمه که جامعه هدف بزرگی رو پوشش بده. اما در مورد بقیه موضوعات قاعدتا نیازی نیست که تیراژ کار اینقدر زیاد باشه. مثلا افراد علاقه‌مند به نجوم یا علم داده قابل مقایسه با افراد علاقه‌مند به شیمی یا زیست‌شناسی دریا نیستند. برای همین درسته که تیراژ کار مهمه، اما باید دید در چه حوزه‌ای مشغول به کار هستیم. گاهی روایتگری در علم برای کلاس دو سه نفره‌ای از دانشجویان دکتری یا جلسه‌های دو نفره استاد و شاگرده.

چگونه در ترویج علم «گاوِ نُه مَن شیر» نباشیم؟!

در دنیای امروز که به لطف شبکه‌‌های اجتماعی هر کسی تریبونی داره به نظر می‌رسه که مشکلات ترویج علم کمتر باید بشه. اما در مورد پخش اطلاعات، متاسفانه نتایج تحقیقات این شکلیه که اطلاعات نادرست بیشتر بهره بردن از این بستر! با این وجود نکته‌هایی وجود داره که اگه رعایت نکنیم همه تلاش‌هامون از بین میره و دیگه علمی رواج ندادیم.

  • قبل از هر چیز بدونیم اگه در زمینه‌ای تخصص نداریم یا اطلاع کافی نداریم لزومی نداره که در موردش با همه صحبت کنیم. بارها در بین افراد مختلفی که فیزیک نخوندن و حتی تجربه جدی نجوم آماتوری ندارن دیدم که در مورد مسائل مربوط به مه‌بانگ و انرژی تاریک با بی‌دقتی تمام حرف می‌زنن. یا دانشجو تازه وارد فیزیکی که سعی داره در مورد جهان‌های موازی به دوستش توضیح بده و به جای این‌که صادقانه بگه «هنوز نمی‌دونم» شروع میکنه به داستان‌های غلط غلوط تعریف کردن! اولین نکته در ترویج علم از طریق بیان یا نوشته اینه که در مورد چیزی که حرف می‌زنیم به مقدار کافی اطلاع داشته باشیم و اگه سوالی ازمون پرسیدن که جوابش رو بلد نبودم خیلی صریح بگیم که نمی‌دونیم!
  • فراموش نکنیم که اگه دکتری فیزیک داشته باشیم دلیلی نمیشه که زیست‌شناسی رو هم خوب بشناسیم. خارج از حیطه تخصصی خودمون همیشه باید دست به عصا حرکت کنیم. بخش زیادی از اطلاعات نادرستی که دست مردم رسیده به خاطر حرف‌های اشتباه افراد تحصیل‌کرده بوده. مثلا در برنامه‌های مختلف تلوزیون زیاد می‌بینیم که افراد خارج از تخصصشون حرف‌های کاملا غلطی می‌زنن که به خاطر شهرت یا محبوبیتشون متاسفانه بسیار هم در جامعه حرفشون نفوذ می‌کنه. مثلا همین اواخر در برنامه خوب کتاب‌باز، آقای مجتبی شکوری که ظاهرا دکتری علوم سیاسی دارد در مورد نسبیت و مکانیک کوانتومی حرف‌های اشتباهی زد چون که می‌خواست با مفهوم نسبی بودن و گذر زمان بازی کنه. ایشون جزو محبوب‌ترین کارشناس‌های این برنامه هستن و قطعا با توجه به تعداد بالای بازدید اون برنامه و بازپخشش در اینستاگرام این کج‌فهمی علمی سال‌ها در جامعه باقی می‌مونه. کافی بود ایشون دو سه جمله‌ای که خارج از تخصصشون بود رو نمی‌گفت و نُه مَن شیر رو روی زمین نمی‌ریخت! چند سال پیش هم بهروز افخمی در بیست و دومین قسمت از برنامه تلویزیونی «چهل چراغ» چون می‌خواست برای حرفی که میزنه پشتوانه علمی بیاره، چرند و پرندهایی در‌ مورد نسبیت آینشتین و نظریه تکاملی داروین سر هم کرد و با قباحت تمام بیانشون کرد!
  • نکته دیگه پرهیز از ساده‌سازی‌های بی‌مورده. خیلی مهمه که ساده کردن یک مفهوم علمی سوءبرداشتی ایجاد نکنه. «شیر بی‌دم و سر و اشکم کی دید؟!» تلاش برای زیاد ساده کردن مفاهیم علمی و به درک توده مردم رسوندن کار هر کسی نیست. راستش ما باید مراقب شهوت بیان علم به زبان ساده باشیم! استفاده از بعضی مثال‌ها و استعاره‌ها برای توصیف یک مفهوم علمی گاهی منجر به ایجاد شبهه و عدم درک درست اون مفهوم یا پدیده میشه. از طرف دیگه بعضی از مفاهیم علمی درسته که اسامی آشنایی دارن ولی معنای فنی خاصی ممکنه داشته باشن. نباید موقع صحبت کردن یا نوشتن معنی فنی موضوع تغییر یا تقلیل پیدا کنه. مثلا واژه «کار»، «فشار» و «درهم‌تنیدگی» معنی کاملا دقیقی در فیزیک داره. در علم عناصر خیال و رمز و راز آلود بودنی وجود نداره و سعی شده هر کلمه تعریف کامل مشخصی داشته باشه. پس خوبه که یادآور بشیم که منظور ما دقیقا چیه از واژه‌های خاص. مثلا در مورد پیکان زمان و قانون دوم ترمودینامیک به راحتی نمیشه گفت که انتروپی یعنی بی‌نظمی و جهان به سمت بی‌نظمی می‌ره! لزومی نداره انتروپی معنی بی‌نظمی بده. در ضمن، نظم خودش تعریف مشخصی باید داشته باشه قبل از هر چیز. یا مثلا دورنوردی کوانتومی درسته که اتفاق افتاده ولی باید توجه کنیم که در چه شرایطی و با چه اندازه‌هایی این آزمایش انجام شده.
  • نکته مهم دیگه‌ای که به نظر من به شدت ازش چشم‌پوشی میشه استفاده از لحن و ادبیات مناسبه. اگر شما تجربه حضور در برنامه‌هایی مثل کنفرانس‌های علمی رو داشته باشین همیشه افراد بسیار با احتیاط و لحن خالی از عدم قطعیت کامل در مورد پدیده‌ها و یافته‌هاشون صحبت می‌کنند. این خیلی خیلی مهمه که موقعی که در مورد گزاره‌های علمی صحبت می‌کنیم جنس حرف زدن ما یا لحن نوشته ما جوری نباشه که در ناخودآگاه مخاطب احساس اطمینان و قطعیت ایجاد کنه. به نظرم افراد مدعی ترویج علم عمدتا این مشکل رو دارن. برای همین امروز در دنیا افرادی رو داریم که کیششون علم شده و گزاره‌‌های علمی رو مثل آیات کتب مقدس می‌دونن. از طرف دیگه وقتی فقط در مورد نتایج علمی صحبت میشه و از فرایندهای نفس‌گیر و پر از تنش در رسیدن به اون یافته‌ها صحبت نمی‌شه افراد درک درستی از شیوه عملیاتی روش علمی نمی‌بینن. بخشی از بی‌اعتمادی مردم به علم حاصل ندونستن مسیر پرزحمت و پر از سوال و جواب برای رسیدن به یافته‌های علمیه. مروج علم باید شیوه کار کردن علم در دنیای واقعی رو هم ترویج بده و گرنه افراد با تخیلاتی که از مستندهای عامه‌پسند دریافت کردن به علم نگاه می‌کنن. وقتی مردم متوجه بشن که با چه وسواسی این یافته‌ها به دست اومده در تحلیل‌ها و بررسی‌های روزانه‌شون هم تفاوت ایجاد می‌کنن و در نهایت رفتار منطقی‌تری از خودشون نشون میدن. برای همینه که بعضی‌ها این روزها بیشتر از ترویج علم به دنبال ترویج «تفکر علمی» یا «تفکر انتقادی» هستند.

گراف اقلیدس و کارهای ولفرم – قسمت اول

شاید تا به حال تجربه پیدا کردن مسیر در جنگلی تاریک را داشته باشید یا حداقل فرض کنید که در آن گیر کرده‌اید و تنها یک چراغ قوه برای پیدا کردن مسیر دارید. پیدا کردن مسیر و تلاش برای حل مسئله با پرسیدن و استدلال کردن همراه است. کجا بودیم؟ چقدر تا به حال مسیر آمده‌ایم؟ شیب زمین به کدام سمت است؟ خورشید در کدام سمت قرار دارد؟ و سعی می‌کنیم با استدلال‌های ریز و درشت به آن‌ها پاسخ دهیم.

این تلاش مشابهی است که پژوهشگران در جنگلی از اطلاعات و رخدادها به دنبال پیدا کردن پاسخ درست مسائل هستند. ریاضی‌دانان از ارتباط بین خطوط و اشکال تلاش می‌کنند تساوی دو پاره‌خط یا موازی بودن را نتیجه بگیرند. فیزیکدانان پس از مشاهده یک پدیده، با اندازه‌گیری و فرضیه سازی‌های مکرر تلاش می‌کنند آن را توصیف کنند. اما این بار استیون ولفرم فیزیکدان معاصر خلاقیت جالبی را برای حل مسائل پیشنهاد کرده‌است. او یک قدم عقب می‌ایستد و جنگل پیمایان را رصد می‌کند. برای او پدیدهٔ اصلی مورد مطالعه خود چراغ قوه به‌دستان هستند نه جنگل و درخت آن.

او با ترسیم مسیری که تا الان پیموده شده و تصویرسازی تلاش می‌کند تا تصویر بزرگتر را پیدا کند و با شناخت آن بگوید چه چیزهایی را می‌توان پیدا کرد و احتمالاً چه چیزهایی از نظر مغفول مانده‌اند. تصویر مولانا را از فیل شناسان را به خاطر بیاورید. هر یک از نظردهندگان، فیل را یک جور می‌دیدند اما حالا اگر یک نفر با در کنار هم قرار دادن این نظرات پازل را تشکیل دهد و بفهمد که آن موجود ناشناخته فیل است؛ آنگاه هم نظر بقیه را توجیه خواهد کرد و هم می‌تواند اطلاعات بیشتر و دقیق‌تری از آن پیکره روایت کند.

داستان فیل و مردان نابینا یا فیل و کوران داستانی‌است تمثیلی و عارفانه، که برای روشن کردن نقص کشف حسی به آن استشهاد شده‌است.
دیدنش با چشم چون ممکن نبود 
 اندر آن تاریکی‌اش کف می‌بسود

  آن یکی را کف به خرطوم اوفتاد 
 گفت همچون ناودان است این نهاد

  آن یکی را دست بر گوشش رسید 
 آن برو چون بادبیزن شد پدید

  آن یکی بر پشت او بنهاد دست
 گفت خود این پیل چون تختی بدست

یکی از نمونه‌های بارز تلاش او مطالعه کتاب اصول اقلیدس است. اقلیدس با مطرح کردن ۴+۱ اصل پیمایش خود را در جنگل هندسه و نظریه اعداد شروع کرد. پس از مطرح کردن این ۵ اصل متوجه شد که ترکیب این ۵ اصل می‌تواند گزاره‌های دیگری را نتیجه دهد. گزاره‌هایی که از آن‌ها به عنوان قضیه یاد می‌کنیم. استیون ولفرم در پژوهش خود فارغ از این‌که اقلیدس چه استدلال‌هایی برای گام برداشتن می‌کند؛ مسیری که او برای اثبات هر قضیه از میان قضایای پیشین پیموده رصد می‌کند. به این معنی که در بدنه اثبات هر قضیه دنبال ارجاعاتی که او در اثبات آن استفاده کرده‌است می‌گردد. مثلاً اگر در اثبات قضیه دو از قضیه یک استفاده شد با یک خط جهت دار آن دو را به هم متصل می‌کند. اگر برای کل ۴۶۵ قضیه‌ای که اقلیدس مطرح کرده‌است این روش را ادامه دهیم به گراف زیر خواهیم رسید.

اگر قضیه آخر کتاب او را در نظر بگیرید (که پر ارجاع‌ترین قضیه او هم هست) متوجه می‌شوید که برای اثبات آن باید بسیاری قضیه را اثبات کنیم. گراف زیر تمام قضایایی را که برای اثبات آن نیاز است به رنگ قرمز درآورده است. گویا برای اثبات هر قضیه نیازمند ترسیم یک گراف هستیم که با تعدادی اصول شروع می‌شود و از پس میان قضایای میانی در آخر به قضیه نهایی منجر می‌شود.

او پس از تصویر سازی‌هایی که انجام داده‌است و پیدا کردن یک الگوی کلی موفق شد که درستی گزاره‌های هندسی که حتی درون کتاب اقلیدس نیستند را نیز بررسی کند. به این ترتیب که اصول و فرض‌های اولیه هر قضیه را نقطه آغاز قرار داد و با الگویی که از کتاب اقلیدس فراگرفته بود تلاش کرد مسیر خود را تا مقصد نهایی که اثبات قضیه باشد ترسیم کند. به این ترتیب اثبات هر قضیه را به کمک یک گراف انجام داد. شما هم‌اکنون می‌تواند از ابزار ولفرم آلفا او استفاده کنید و درستی یک حکم را برای یک قضیه هندسی از او بپرسید. شکل زیر گراف محاسبه شده او از یک قضیه مثالی است.

اما امروز کمتر به مسائل هندسه دو بعدی علاقه‌مندیم. شاید تلاش تا به اینجای او برای حل مسائل هندسی خیلی قابل توجه نباشد اما او پس از موفقیت در هندسه به سراغ فیزیک و خانه اصلی خود بازگشت و چندی است که تلاش می‌کند گراف مشابهی را برای نظریات فیزیک رسم کند تا در کشف قوانین جدید از جمله بقیه فیزیکدانان سبقت بگیرد.

تا کنون او در ترسیم گرافی که بتواند برخی قوانین ساده فیزیک را نشان دهد موفق بوده‌است اما همچنان اسب او و گروهش از بقیه دانشمندان پیشی نگرفته‌است. اگر تلاش او برای شما جالب و خلاقانه آمده و می‌خواهید روی اسب او نیز شرط‌بندی کنید. توصیه می‌کنم به تارنمای پروژه فیزیک او نگاهی بیاندازید. گروه او تمام دستاوردهای خود را به صورت رایگان و لایه باز مرتباً منتشر می‌کنند.

این مطلب روایتی است از مطلب زیر:

https://writings.stephenwolfram.com/2020/09/the-empirical-metamathematics-of-euclid-and-beyond/

📺 پروژه فیزیک ولفرام

ولفرام ادعا کرده که فیزیک رو حل کرده! اصطلاحا به کمک اتوماتای سلولی نظریه همه چیز رو پیدا کرده!

از کجا بفهمیم که داریم کرونا رو شکست میدیم؟

۹۰۰۰ بیمار جدید و ۱۰۰۰ نفر بستری
۱۱۷۳۷ بیمار جدید و ۲۰۰۰ نفر بستری

  • قراره این آمار تا کجا ادامه پیدا کنه؟
  • قراره در انتها چند نفر کرونا بگیرن و بستری بشن؟
  • آیا ریاضیات میتونه انتهای راهی که میریم رو مشخص کنه؟

پرسش و پاسخ‌ درباره ویروس جدید کرونا (کووید-‏‏۱۹)‏

سازمان جهانی بهداشت

بر خلاف آمار روزانه‌ای که شبکه‌های خبری میدن، که اصلا معلوم نمی‌کنه قراره در آینده چه اتفاقی بیافته، در این ویدیو یاد می‌گیریم که چطور از ریاضیات و نمودارهای لگاریتمی میشه کمک گرفت تا آینده‌ای که پیش رو داریم رو روشن‌تر ببینیم و قدرت تحلیل و تصمیم‌گیریمون رو بالا ببریم، نتایج تصمیمات مختلف کشورها رو به روشنی ببینیم و حدس بزنیم که «کی قراره کرونا رو شکست بدیم؟»

اگر با ديدن ويديو در ذهنتون سوال پیش اومد و خواستید که خودتون با این آمار بازی کنید، حتما به سایت Aatish سر بزنید!

این ویدیو توسط Minute Physics ساخته شده و ویدیو زیرنویس فارسی دارد.
لینک های دانلود ویدیو :

نگاره از https://aatishb.com/covidtrends/

آنیون‌ها و آمار کوانتومی در ۲-بعد

﷽ توی فیزیک، بسته به شرایط مسئله‌ای که مطالعه می‌کنیم، به یه سری چیزها می‌تونیم بگیم ذره. از یک نگاه، فیزیک چیزی نیست جز بررسی ذرات و میدان‌ها. کیهان‌شناس‌ها به منظومه شمسی میگن یه ذره! به عبارت دیگه در فیزیک بسته به مقیاس، وقتی میگن ذره، لزوما منظور شی کوچیکی نیست وقتی با چشم بهش نگاه می‌کنیم. فقط در حوزه «فیزیک ذرات» یا «فیزیک انرژی بالا» مردم منظورشون از ذره معمولا ذرات بنیادیه. تعریف دم‌دستی از ذره بنیادی هم یه چیزیه که ساختار ریزتری نداره؛ مثلا ما ساختار ریزتری برای الکترون نمی‌شناسیم گویا. اما در مورد نوکلئون‌ها (پروتون و نوترون)، اونا رو می‌تونیم با کوارک‌ها بسازیم. پس الکترون و کوارک ذره بنیادی حساب میشن اما پروتون نه. از طرف دیگه، منظور ما از یک «ذره کوانتومی» یا به‌طور کلی یک «پدیده کوانتومی» اینه که فیزیک کلاسیک در توصیف رفتار اون ذره یا پدیده ناکافی یا ناکارآمده و اصطلاحا باید در یک رژیم کوانتومی به دنبال توصیف مناسب بگردیم.

کهکشان‌ها به قدری بزرگ هستند که به ستاره‌ها بشود عنوان یک «ذره» را نسبت داد!
این نوشته از کوانتا مگزین را بخوانید.

حالا اگه علاقه‌مند به مطالعه سیستم‌های بس‌ذره‌ای کوانتومی باشیم، یعنی بخوایم بدونیم که مجموعه‌ای از ذرات کوانتومی با یک مدل برهمکنشی خاص چه‌طوری رفتار می‌کنن اون موقع فیزیک آماری کلاسیکی که برای سیستم‌های بس‌ذره‌ای بلدیم باید قاعدتا به یک نسخه‌ کوانتومی تغییر کنه. در دنیای کوانتومی، ذرات به دو گروه فرمیون‌ها و بوزون‌ها تقسیم میشن. این طبقه‌بندی در دنیای کلاسیک اصلا نیاز نیست. به خاطر این طبقه‌بندی جدید ذرات، وقتی نیاز داشته باشیم که یک سیستم‌ کوانتومی رو به طور آماری بررسی کنیم، باید دقت کنیم که در بررسی اجزا اون سیستم با دو آمار مختلف رو به رو هستیم. یک آمار ویژه فرمیون‌ها به نام «آمار فرمی-دیراک» و یک آمار ویژه بوزون‌ها به نام «آمار بوز-اینشتین». پس منظور از «آمار کوانتومی» مجموعه‌ای از ذرات، یک بررسی فیزیک آماری کوانتومی از اون سیستمه.

یک سری چیزها مثل پروتون، نوترون و الکترون پیرو آمار فرمی-دیراک هستن. این‌ها ذراتی هستن که اسپین‌هاشون کسریه و مضرب یک‌دوم، به اینا میگیم فرمیون. اصل طرد پائولی هم فقط برای فرمیون‌ها برقراره. اصل طرد هم یک جور فاصله‌گذاری اجتماعی بین ذراته! یکی از نتایج اصل طرد اینه که برای داشتن ماده (به معنی اکثر ساختارهای فیزیکی که اطرافمون هست) باید فرمیون‌ها رو کنار هم قرار بدیم و نه بوزون‌ها رو. چون اجتماع فرمیون‌ها منجر به ساختارهای گوناگونی میشه که منجر به ایجاد ماده‌های مختلفی میشن. اما اجتماع بوزون‌ها این شکلی نیست!

مثلا فوتون که کوانتا (ذره) سازنده نوره یک بوزونه و از آمار بوز-آینشتین پیروی می‌کنه. اسپین بوزون‌ها صحیحه و اصل طرد برشون حاکم نیست. به همین خاطر میشه تعداد زیادی فوتون رو جایی جمع کرد بدون اینکه ساختار خاصی شکل بدن. به این کار اصطلاحا میگن چگالش بوز-آینشتین. در نگاه «فیزیک ذرات» برای توصیف هر پدیده‌ای علت رو میندازن گردن یه «ذره»؛ به عنوان مثال، دو تا جسم جرم‌دار رو تصور کنید که به خاطر گرانش بهم نیرو وارد میکنن. در نگاه فیزیک کلاسیک، گرانش انگار پیوسته بین دو جسم وجود داره و سبب میشه که این دو جسم بهم نزدیک بشن. مثلا زمین همیشه داره به خورشید نزدیک میشه به خاطر جاذبه گرانشی، ولی به جای اینکه سقوط کنه روی خورشید دورش میچرخه. حالا سوال اساسی اینه که این برهمکنش چه‌طور انجام میشه؟ از نگاه فیزیک ذرات، این برهمکنش گرانشی با تبادل ذره‌ای به اسم گراویتون بین خورشید و زمین انجام میشه. هنوز از لحاظ تجربی گراویتون مشاهده نشده، اما انتظار میره در صورت مشاهده، بوزونی بی‌جرم اسپین-۲ باشه!

بوز یک فیزیکدان هندی بود. قطار سوار شدن هندی‌ها رو به عنوان چگالش بوز-آینشتین در نظر بگیرید!

خلاصه تا این اواخر ما فکر می‌کردیم که ذرات کوانتومی یا باید فرمیون باشن یا بوزون و وقتی به یک سیستم کوانتومی نگاه می‌کنیم فقط با دو جور آمار روبه‌رو هستیم.

در فیزیک یک طبقه‌بندی دیگه‌ای هم وجود داره که به بعضی چیزها به جای ذره، میگیم شبه‌ذره یا Quasi-particle. این‌ها در حقیقت موجوداتی هستن که از برانگیختگی‌ میدان‌ها بیرون میان، مثل فنون‌ها. در فیزیک ماده‌چگال، فنون‌ها ذراتی هستن که سبب رسانش گرمایی توی فلزات میشن. این شبه‌ذرات همون چیزایی هستن که ما بهشون میگیم ذره پدیداره یا emergent particle. انگار ذره‌ای در عمل نیست توی یه تکه فلز، اما ذره‌ای خلق شده جوری که مسئولیت رسانش گرمایی رو برعهده گرفته. برای همین، غیر از ذرات کوانتومی معروفی مثل پروتون، نوترون و الکترون یک سری ذره دیگه هم وجود دارده مثل فونون و گراوتیون که ذرات کوانتومی هستن. برای همین انتظار اینه که همه این ذرات آمارهای کوانتومی داشته باشن.

پس:

  • بسته به مقیاس مورد مطالعه‌مون به هر چیزی می‌تونیم بگیم ذره.
  • اگه ذره‌ای کوانتومی حساب بشه اون موقع اجتماعی از اون ذرات باید از آمار کوانتومی پیروی کنه.
  • آمار کوانتومی دو نوع داشت: آمار فرمی-دیراک و آمار بوز-آینشتین

راستش همه این حرفا برای ۳-بعد بود. توی ۱۰ – ۱۲ سال گذشته مردم به صورت نظری راجع به این حرف زدن که در ۲-بعد ذرات می‌تونن آمار خیلی غنی‌تری از خودشون نشون بدن! یعنی در ۲-بعد نمیشه همه رو به دو دسته فرمیون و بوزون دسته‌بندی کرد. در ۲ بعد خیلی خبرهای بیشتری داریم. از پیشگامان این عرصه نوبلیستی بود به اسم فرانک ویلچک. (با تاماش ویچک اشتباه گرفته نشه!)

اگه مردم بتونن نتایج آزمایش بالا رو بدون کم و کاست تکرار کنن، یک اتفاق بسیار مهم تو فیزیک به حساب میاد. به‌طور خلاصه، با این‌که ذرات در ۳-بعد یا آمار فرمیونی دارن یا بوزونی اما در ۲-بعد داستان خیلی پیچیده‌تره. اگر فازی که در اثر جابه‌جایی دو تا ذره به دست میاد رو به شکل $e^{i \theta}$ در نظر بگیریم برای بوزون‌ها θ صفره و برای فرمیون‌ها π. اما در ۲-بعد θ می‌تونه هر عددی باشه! حتی بالاتر از این میشه یه فضای برداری تعریف کرد و به جای یه فاز یه ماتریس یکانی اونجا گذاشت! (این اون چیزی‌است که محاسبات کوانتومی توپولوژیک قراره ازش استفاده کنه).

پیشنهاد می‌کنم این نوشته‌ رو بخونید و فرانک ویلچکو در توییتر دنبال کنید. ویلچک جزو فیزیکدونای بزرگیه که تلاش میکنه مردم عادی هم فیزیک رو بفهمن. مثلا در مورد شبه‌ذره‌ای مثل آنیون‌ هم مطالب و سخنرانی‌های جالبی داره:

جدید: این نوشته رو در مورد ویلچک بخونید: A Prodigy Who Cracked Open the Cosmos

نوبل فیزیک ۲۰۲۰ برای کاوشگران تاریکی

جایزه نوبل فیزیک امسال به اخترفیزیک‌دان‌ها به خاطر خدماتشان در زمینه بهتر شناختن سیاه‌چاله‌ها رسید. نیمی از جایزه امسال به راجر پنروز و نیم‌دیگر آن به طور مشترک به رینهارد گِنزِل و آندریا ام. گز تعلق گرفت. این جایزه به خاطر کشف این که تشکیل سیاهچاله یک پیش‌بینی بی شائبه از نظریه نسبیت عام است و کشف یک شی فشرده‌ی کلان‌جرم در مرکز کهکشان تعلق گرفت.

سِر راجر پنروز (Sir Roger Penrose) (زاده ۸ اوت ۱۹۳۱)،فیزیک‌دان و ریاضیدان برجستهٔ انگلیسی است.

او به پاس کشف این که تشکیل سیاهچاله یک پیش‌بینی بی شائبه از نظریه نسبیت عام است برنده نیمی از جایزه نوبل فیزیک شد.

آندریا اِم. گِز (Andrea M. Ghez) (زن – زادهٔ ۱۶ ژوئن ۱۹۶۵ در نیویورک) استاد گروه فیزیک و اخترشناسی دانشگاه کالیفرنیا، لس‌آنجلس است. برای آشنایی با کار گز این نوشته را بخوایند.

رینهارد گِنزِل ( Reinhard Genzel) (زادهٔ ۲۴ مارس ۱۹۵۲) عضو انستیتوی فیزیک فرازمینیِ ماکس پلانک و استاد دانشگاه کالیفرنیا، برکلی است.

نیم دیگر جایزه به این دو نفر به خاطر «کشف یک شی فشرده‌ی کلان‌جرم در مرکز کهکشان» تعلق گرفت.

در مورد جایزه امسال بیشتر بخوانید:

سخنرانی اندریا گز در تد ۲۰۰۹ در مورد کشف سیاه‌چاله کلان‌جرم

بر اساس داده‌های جدیدی که از تلسکوپ‌ها به دست آمده‌است، آندریا گز نشان می‌دهد که چگونه اپتیک تطبیقی، اخترشناسان را قادر می‌سازد تا به بررسی مرموزترین اجرام عالم یعنی سیاهچاله‌ها بپردازند. او در این سخنرانی مدارکی را مطرح می‌کند که بر مبنای آن شاید سیاهچاله ای ابر پرجرم در مرکز کهکشان راه شیری کمین کرده باشد.

مصاحبه با رینهارد گنزل در مورد کارهای او پیرامون سیاه‌چاله‌های کلان‌جرم

تصویرسازی‌های موسسه نوبل

fig2-phy-en-cross-section-merged