رفتن به نوشته‌ها

نویسنده: عباس ک. ریزی

فیزیک آماری و علوم کامپیوتر:
سیستم‌های پیچیده، علم شبکه‌ و پدیده‌های بحرانی

abbas.sitpor.org

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.

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

دنیای این روزهای علم – قسمت ۰

دقت کردین که «عمده» شعرا یا نویسنده‌های بزرگ، دکتری ادبیات ندارن یا بازیگرای درجه‌ یک سینما هیچ‌ موقع خیلی جدی درس سینما نخوندن؟ یا از طرف دیگه نه رونالدو تربیت بدنی خونده و نه میلیاردرهای جهان دکتری اقتصاد یا مدیریت مالی دارن؟ ولی در مورد علم چی؟! دقت‌کردین همه فیزیکدان‌ها، دکترای فیزیک دارن! شخصا آخرین آدم حسابی که یادمه در علم دکتری نداشت ، مرحوم فریمن دایسون بود که اوایل امسال عمرشو داد به شما. ناگفته نمونه که دایسون با این‌که دکتری نداشت اما کار دانشگاهی داشت درست مانند بقیه همکارهاش که دکتری داشتند.

اصلا چون امروز هر فیزیکدانی دکتری داره، منجر به این برداشت شده که هر کسی که مثلا دکتری فیزیک داره رو فیزیکدان فرض کنن و هر کس که دکتری ریاضی داره رو آقا و خانم ریاضی‌دان صدا بزنن، خصوصا توی رسانه‌ها! فکر کنید سه‌ چهار سال دیگه من خودمو علوم‌کامپیوتردان معرفی کنم جایی؛ بیچاره تورینگ، بیچاره‌تر کنوث! خلاصه که در علوم پایه، کارکرد دانشگاه خیلی متفاوت از بقیه رشته‌ها شده. امروز تقریبا شما باید «دکتر» باشین تا در جامعه علمی بتونید ارتباط برقرار کنید. حتی نسبت به قرن بیستم هم مفهوم آکادمیا کاملا تعریف جدیدی داره انگار چه برسه به سده‌های گذشته. همین‌ قدر بگم که اگه آدم دانشگاهی نباشین، حتی در توییتر هم زیاد تحویلتون نمی‌گیرن چه برسه مثلا داخل کنفرانسی چیزی. بگذریم!

برخلاف گذشته که علما عمدتا هر کدوم شغل و منصبی داشتند و در کنارش به علم می‌پرداختند الان شغل‌های دانشگاهی مختلفی وجود داره که کسب و کار اصلی آدم‌ها رو تشکیل میده. در تاریخ اومده که ابن‌هیثم شغل کارمندی (دیوانی) داشته و بارها سعی کرده خودش رو به دیوونگی بزنه بلکه بتونه این شغل‌ها رو رها کنه و یک زندگی کاملا علمی داشته باشه. یا مثلا نیوتون مدتی شغلش ریاست ضرابخانهٔ سلطنتی بوده و در همان دوران هم «نورشناخت» رو منتشر کرده. ماجرای معروفی وجود داره به این نقل که یه شب که نیوتون خسته از ضرابخونه بر می‌گرده خونه‌ش می‌بینه برنولی (یوهانشون که استاد اویلر بود) نامه زده که آقا ببین این مسئله رو می‌تونی حل کنی، و نیوتون هم تا قبل آفتاب‌طلوع مسئله رو حل می‌کنه و جوابش رو با اولین پست فردا صبح – به صورت گمنام – برای برنولی ارسال می‌کنه!

ویلچک (برنده نوبل فیزیک در ۲۰۰۴) اینجا توضیح میده که چاپ مقاله در دنیای امروز فرایند کاملا متفاوتی رو طی می‌کنه. مثلا مقاله معروف ۱۹۱۵ (نسبیت) آینشتین با متر و معیارهای امروزی قاعدتا در هیچ مجله‌ای چاپ نمیشد! چون اولا مقاله با بحث فلسفی آرومی در مورد مفهوم فضا و زمان شروع میشه و بعدش آینشتین به سراغ ریاضیات شناخته‌‌شده‌ حساب تنسوری میره، اونم با شرح و تفصیل، جوری که نصف مقاله رو همینا پر می‌کنه. در حالی که امروز این‌ چیزها «زاید» حساب میشن و کسی اینقدر طولانی مقدمه نمی‌نویسه. اصلا بعضی مجله‌ها قیدهای خاصی روی اندازه مقاله دارن، مثلا میگن حداکثر فلان‌قدر کلمه باید داشته باشه یا در بهمان‌تعداد صفحه نهایتا باشه. از طرف دیگه، مقاله نسبیت آینشتین نه تنها هیچی شکلی نداره، بلکه به هیچ مقاله قبلی هم ارجاع نمیده! امروز اگه کسی این جوری مقاله بنویسه، قبل از اینکه به دست ویراستار مجله (editor) برسه، مقاله کلا کله‌پا میشه و کارش به زباله‌دان تاریخ کشیده میشه. نوشته ویلچک رو بخونید.

خلاصه که امروز دنیای علم قر و فرهای زیادی داره که مثل هر چیز دیگه خوبی‌ها و بدی‌های خودشو به همراه میاره. قصد من از این نوشته این نبود که بگم دنیای امروز بده! در دنیای دیروز شاید آدمی مثل من باید دربه‌در دنبال یه لقمه نون می‌دوید به جای اینکه صبح به صبح بره دانشگاه، قهوه بخوره، کار علمی کنه و حقوق بگیره! اینو نوشتم چون تصور همه آدمای تازه وارد به علم، معمولا پره از داستان‌‌ها و گاهی افسانه‌های چهره‌های معروف تاریخ علم. با ورود به دوره دکتری آدم یک دفعه با دنیای متفاوتی روبه‌رو میشه که قبلا خیال می‌کرد شکل دیگه‌ای داشته باشه.

آیا باید دکتری بخونم؟!

این روزها، همه کسایی که با من لیسانس رو شروع کرده بودن یا دانشگاه رو کاملا ترک کردن یا اینکه جایی در گذار از کارشناسی ارشد به دکتری هستن. تعدادی وارد دوره دکتری شدن و تعدادی هم در فکر ورود به این مقطع، شب و روزشون رو سر می‌کنن. نزدیک به یک‌ساله که من دوره دکتریم رو در آلتو شروع کردم. احتمالا هنوز تجربه کافی برای دادن یک جواب خیلی پخته به این سوال رو ندارم، اما به نظرم تجربه‌هایی که این مدت کسب کردم یا چیزهایی که از بقیه شنیدم یا دیدم بتونه ایده‌های شفاف‌تری بده در مورد دکتری خوندن!

دکتری خواندن در ایران

راستش من به طور کلی مخالف دکتری خوندن توی ایران هستم! نه به این خاطر که ما اصلا اساتید خوبی نداریم در ایران، نه! بلکه به این خاطر که دکتری خوندن یک کار حرفه‌ایه و نیازمند یک بستر مناسبه که در ایران با تقریب خوبی همچین بستری وجود نداره. البته استثناهایی وجود داره برای قشر خاصی از جامعه!

ما توی ایران دانشگاه‌های خوبی داریم که «آموزش» با کیفتی ارائه می‌کنند. تجربه من از کلاس‌های دانشگاه شهید بهشتی و دانشگاه صنعتی شریف اینه که آموزش ارائه شده، به نسبت بقیه جاهای دنیا، از کیفیت قابل قبولی برخورداره. خصوصا که بعضی از کلاس‌ها واقعا با کیفیت بالایی برگزار میشن. کسی نمی‌تونه منکر کیفیت کلاس‌ جبر یا ریاضی عمومی دکتر شهشهانی، فرایندهای تصادفی دکتر علیشاهی، فیزیک۳ یا کاربرد کامپیوتر در فیزیک دکتر اجتهادی، الکترومغناطیس دکتربهمن‌آبادی و دینامیک غیرخطی دکتر مقیمی بشه! اصلا مگه چند جای دنیا در دوره لیسانس کلاسی با کیفیت کلاس مکانیک کوانتومی دکتر گوشه، فیزیک۱ یا هواشناسی یا نسبیت دکتر شجاعی ارائه میشه؟ اگه بخوایم منصف باشیم، ما در مقطع کارشناسی، حداقل در علوم پایه که من بیشتر اطلاع دارم، دانشگاه‌های خوبی داریم؛ دانشگاه خوب به معنی مجموعه‌ای از اساتید (مدرس)، دانشجوها، امکانات آموزشی و کادر اجرایی. قبول دارم که قوانین آموزشی، منش کادر اجرایی و فضای بسته و سیاست‌زده دانشگاه‌های ما اصلا راضی‌کننده نیست. اما از نقطه نظر آموزشی، دوره‌‌های لیسانسی که در دانشگاه‌های برجسته ما ارائه میشه واقعا خوبه. برای همین اگر کسی واقعا دوست داشته باشه که مثلا فیزیک بخونه، حتما توی پایتخت یا کلان‌شهرهای ایران فرصت استفاده از یک آموزش با کیفیت و به شدت ارزون‌قیمت رو پیدا می‌کنه. از طرف دیگه، به لطف دوره‌های آنلاین و ویدیوهای آموزشی روی وب، بخش بزرگی از ضعف‌های آموزش برطرف شده. شاید شما درسی بگیرین و استاد اون درس نتونه خوب درس بده، اما احتمال زیاد می‌تونه سوال شما رو جواب بده یا بالاخره کسایی پیدا میشن که به سوال شما جواب بدن. به عنوان مثال شما می‌تونید کلاس‌های درس حالت جامد دانشگاه آکسفورد رو ببینید و در نهایت مشکلاتی که توی حل مسئله دارین رو از کسی بپرسین.

روز جهانی نور، فیزیک لیزر و جامعه علمی

از زمانی که من وارد دانشگاه شدم (مهر ۹۱) تقریبا میشه گفت که دو اتفاق مهم دنیای نور و فوتونیک رو پشت سر گذاشتم. اولی سال جهانی نور بود (۹۳). اون‌سال دانشگاه بهشتی میزبان «۲۱امین کنفرانس اپتیک و فوتونیک و ۷امین کنفرانس مهندسی و فناوری فوتونیک» در ایران بود و من به عنوان خبرنگار این کنفرانس توی اکثر برنامه‌ها شرکت می‌کردم. خیلی برنامه خوبی بود و حسابی هم خرج کرده بودند! خلاصه که خوش گذشت و از همه جهات برای من منجر به یک تجربه هیجان‌انگیز شد. به نظرم‌ حرفه‌ای‌ترین رویدادی بود که در عمرم در ایران دیده بودم! اما خب اینکه حالا این همه پول از کجا اومد و چه‌طور برنامه‌ای با اون کیفیت برگزار شد توی بهشتی رو نمی‌دونم. بگذریم! رویداد بعدی، مهر ۹۷ بود. اون سال جایزه نوبل فیزیک به سه نفر، با سهم‌های مختلف، برای نوآوری‌های پیشگامانه در زمینه فیزیک لیزر تعلق گرفت.

از دو سال پیش هم، سازمان ملل، تصمیم گرفت که روز ۱۶ ماه می یا ۲۸ اریبهشت رو به عنوان روز جهانی نور اعلام کنه. علت این تاریخ هم برمیگرده به ۶۰ سال پیش، وقتی که اولین لیزر دنیا کار کرد! مردم امسال به خاطر کرونا، در خونه و پشت کامپیوترهاشون با هشتگ #SEETHELIGHT این روز جشن گرفتند و رویدادهای آنلاین برگزار کردند. این نوشته رو بخونید!

یکی از سه برنده نوبل فیزیک سال ۲۰۱۸، خانومی بود به اسم دانا استریکلند که سومین زنی بود که برنده این جایزه می‌شد در تاریخ. قبل از ایشون، خانم ماریا مایر برنده این جایزه شده بود که اختلاف زمانی این دو نفر بیشتر از ۵۰ ساله! خانم دانا استریکلند، استاد دانشگاه واترلو کانادا هستند و طبیعتا کارشون فیزیک لیزر هست. فیزیک لیزر در حقیقت زیرمجموعه‌ای از فیزیک اتمی حساب میشه و به تعبیر دیگه‌ای، بخشی از شاخه علم فوتونیک. در مورد فوتونیک، امین مطلبی نوشته که پیشنهاد می‌کنم اون رو بخونید.

توی این ویدیو خانم استریکلند مفهوم لیزر رو در چند مرحله، از مقدماتی تا حرفه‌ای توضیح میده:

یادگیری فیزیک لیزر

اگر علاقه‌مند هستید که فیزیک لیزر رو یاد بگیرین طبیعتا باید درس‌هایی مثل الکترومغناطیس و مکانیک کوانتومی رو خیلی خوب یادبگیرید. دست کم در اندازه‌ای که بچه‌های رشته‌ فیزیک توی دوره لیسانس یاد میگیرند. قبلا در مورد یادگیری آنلاین این دو موضوع در اینجا نوشتم. به طور خاص، دوره‌هایی که در ادامه اومده بهتون در درک فیزیک لیزر می‌تونه کمک کنه:

اگر هنوز الکترومغناطیس و مکانیک کوانتومی نمی‌دونید، خوبه که این چیزها رو ببینید:

و اگر الکترومغناطیس و کوانتوم بلد هستین، برای حرفه‌ای شدن سراغ این دو دوره برین:

جستاری کوتاه در مورد جامعه علمی

سال ۲۰۱۸ زمانی که جایزه نوبل فیزیک اعلام شد، یکی از خبرهای عجیب که دست به دست میشد این بود که خانم استریکلند صفحه ویکی‌پدیا نداشت! برای خیلی‌ها سوال شده بود که چرا اصلا این اتفاق، یعنی ساخته نشدن صفحه ویکی‌پدیا برای یه همچین آدمی، افتاده؟! آیا این مربوط به اینه که ایشون خانومه و نه آقا یا چی؟! بازتابی از اون اتفاقات و پاسخ به خیلی از پرسش‌ها رو می‌تونید در اینجا بخونید. اما بد نیست به عنوان یک حاشیه، اشاره کنم به اینکه حتی الان اگه صفحه گوگل اسکالر خانم استریکلند رو ببینید، عددی که h-index نشون میده شما رو متعجب خواهد کرد؛ عددی به ظاهر کم، برای برنده شدن یک جایزه نوبل در علم! بحث بیشتر در مورد این موضوع، نه کار منه و نه علاقه‌ای دارم که بهش بپردازم. همون توضیح بنیاد ویکی‌مدیا در مورد صفحه نداشتن ایشون به نظرم ایده‌های خوبی از برخورد دنیای بیرون از دانشگاه با دانشگاه رو نشون میده. برهمکنش اهل دانشگاه با هم‌دیگه هم بمونه داخل محافل خودشون. بگذریم!

راستش چیزی که سبب شد این متن رو بنویسم، دیدن این تصویر از گروه خانم استریکلند در دانشگاه واترلو بود:

عکس دسته جمعی از گروه لیزرهای فوق‌سریع دانشگاه واترلو – ۲۰۱۷ – نگاره از ویکی‌پدیا

این عکس که شبیه به یک عکس خونوادگی می‌مونه در حقیقت تصویری از آدم‌هاییه که در حرفه‌ای‌ترین سطح، مشغول به انجام کار علمی هستند. یکی از این آدم‌ها (خانم مسن آبی‌پوش) برنده جایزه نوبل در فیزیک هست و بقیه هم تیم تحقیقاتی ایشون رو تشکیل میدن که حضورشون در این عکس، تنوعی از سن و سال، جنسیت، وزن، تیپ، نژاد، فرهنگ‌، ملیت، عقیده و … رو نشون میده! واقعیت اینه که دانشگاه‌ها این شکلی هستند و طیفی از آدم‌های مختلف با سلیقه‌ها و ویژگی‌ها شخصیتی متفاوت رو در بر می‌گیره که همه‌شون در یک چیز، دست‌کم، مشترک هستند: انجام دادن کار زیاد!

به نظرم این تصویر و تصاویر مشابه برای کسایی که دوست دارن وارد کار پژوهشی بشن و آینده شغلی خودشون رو در دانشگاه بسازن این ارمغان رو داره که دانشمند شدن نه به قیافه‌س و نه به تیپ و عقیده آدما! دانشمند شدن به صبر، پشتکار، حوصله، خونواده حمایتگر و شانس نیاز داره. از طرف دیگه ممکنه این عکس این ایده رو به ذهن‌ها بیاره که این آدم‌ها همیشه این قدر خندان و خوشحال هستند! نه این طوری نیست! حتی ممکنه همیشه هم اینقدر خوش لباس و آراسته نباشن! بالاخره آدم‌ها موقع عکس گرفتن سعی می‌کنن بهترین حالت از خودشون رو ثبت کنند! برای همین درسته که این جور تصویرها، یک جمع شاد و سرزنده رو نشون میده ولی نباید فراموش کنیم که پشت هر عکس دست جمعی در علم، کلی خون دل، شکست، تلاش‌ مجدد و بدشانسی می‌تونه نشسته باشه!

جمله آخر این نوشته هم باشه تعمیمی از حرف مریم میرزاخانی که:

علم، زیبایی‌هاشو فقط به اونایی که صبور هستند نشون میده!