من معمولا از پایتون برای برنامه‌نویسی استفاده می‌کنم، چون پایتون آزاده، رایگانه و یه حالت آچار فرانسه‌طوری داره که کارهای مختلف میشه باهاش کرد. همین‌طور پایتون کتاب‌خونه‌های زیادی داره که برای کارهای مختلف علمی (محاسباتی) میشه ازشون استفاده کرد. خوبی این کتاب‌خونه‌ها اینه که به زبان‌های سطح پایین‌تری نوشته شدن به همین خاطر به قدر کافی سریع هستند! اگر هم کسی قصد کارهای تحلیل داده و یادگیری ماشین داشته باشه هم پایتون گزینه اوله، دست کم برای شروع! خلاصه همیشه به همه پیشنهاد می‌کنم که با پایتون شروع کنید و اگه کار دانشگاهی می‌کنید با پایتون ادامه بدین! از همه مهم‌تر وقتی شما با پایتون کد می‌زنید معمولا آدم‌هایی رو پیدا می‌کنید که مثل شما روی پروژه یا مسئله مشابهی کار کردن یا کار میکنند و از تجربیاتشون میتونید استفاده کنید یا ازشون سوال بپرسین.
با این وجود گاهی پیش میاد که آدم مجبور به استفاده از زبان‌های دیگه بشه. تجربه شخصی من اینه که عمده دانشگاهی‌ها به این دلیل مجبور میشن از یک زبان خاص استفاده کنند که به قدر کافی آدم‌های حرفهای در تیمشون نیست! گاهی استاد و تیمی که پروژه‌ای رو پیش برده سال‌ها با یک زبان خاص کد زدند و ترجیحشون اینه که آدم‌های جدید هم با همون زبون ادامه بدن. راه کم‌دردسرتری هست معمولا، هر چند که گاهی میتونه به شدت احمقانه باشه! خلاصه ممکنه که هر کسی مجبور بشه سراغ زبان‌ها یا محیط‌های دیگه برنامه‌نویسی بره. یکی از این محیط‌ها متلب هست. توی لینوکس میتونید از Octave به جای متلب استفاده کنید و لذتش رو ببرید!
متلب یک محیط نرم‌افزاری برای انجام محاسبات عددی و یک زبان برنامه‌نویسی نسل چهارم است. واژهٔ متلب هم به معنی محیط محاسبات رقمی و هم به معنی خود زبان برنامه‌نویسی مورد نظر است که از ترکیب دو واژهٔ MATrix (ماتریس) و LABoratory (آزمایشگاه) ایجاد شده‌است. این نام حاکی از رویکرد ماتریس محور برنامه است، که در آن حتی اعداد منفرد هم به عنوان ماتریس در نظر گرفته می‌شوند.
گنو اُکتاو ( GNU Octave) زبان برنامه‌نویسی سطح بالایی است که بیشتر برای محاسبات عددی به کار می‌رود. این برنامه امکانات زیادی را از طریق رابط خط فرمان برای حل عددی مسائل خطی و غیر خطی می‌دهد. این برنامه را می‌توان جایگزین مناسبی برای همتای غیر آزاد خود متلب به حساب آورد.
پیشنهاد من اینه که کلیات متلب رو یاد بگیرین و از منابع مختلف مربوط به کارتون استفاده کنید. مخصوصا از مثال‌های خود Mathworks استفاده کنید. مثلا اینجا ۵۰۰ تا مثال خیلی خوب برای ریاضیات، آمار و یادگیری ماشین هست. خوبه به این‌ها حتما نگاه کنید. حواستون باشه که به روی ایران بسته‌س و شما نیاز به چیزی برای دور زدن تحریم دارین که حتما راه‌های مختلفی بلدین براش!
به عنوان پیشنهاد به دوستانی که معلم این درس یا درس‌های دیگه میشن : میتونید به جای حل‌تمرین سنتی پایه کلاس‌هاتون رو بر همچین چیزی بذارید. همین کار کوچیک میتونه تغییر محسوسی توی آموزش فیزیک به‌وجود بیاره. این کتاب نسخه پایتونی هم داره!
قصد من ارائه یک معرفی مدرن از بازبهنجارش از افق سیستم‌های پیچیده است. با نظریه اطلاعات و پردازش تصویر آغاز می‌کنم و به سراغ مفاهیم بنیادی چون پدیدارگی، درشت-دانه‌بندی و نظریه مؤثر در نظریه پیچیدگی خواهم رفت. آنچه برای این مجموعه نیاز دارید شهامت آشنایی با ایده‌های جدید و البته کمی نظریه احتمال، حسابان و جبر خطی است. برای تمرین‌های پیشنهادی هم خوب است که کمی پایتون و متمتیکا بدانید.
با تشکر از Simon Dedeo، موسسه سانتافه و بهار بلوک آذری.
ایده بازبهنجارش در مورد مطالعه نظریه‌ها است هنگامی که از مقیاسی به مقیاس دیگر می‌روند.
هفته چهارم: مدل آیزینگ
مدل آیزینگ، به عنوان معرف‌ترین مدل در فیزیک آماری، یک مدل ساده برای توصیف گذار فاز در مواد مغناطیسی است. این مدل از متغیرهای گسسته (اسپین) به روی یک گراف مشبکه (Lattice) تشکیل شده است. در این قسمت از مجموعه مقدمه‌ای بر بازبهنجارش، نخست مدل آیزینگ را معرفی می‌کنم و سپس به سراغ درشت-دانه‌بندی شبکه اسپینی می‌روم. چالش‌های پیش‌رو را مطرح می‌کنم و سرانجام به پدیدارگی جملات مرتبه-بالاتر و نقاط ثابت جریان بازبهنجارش می‌پردازم.
آلبرت لازلو باراباشی، یک دانشمند شبکه معروفه که اخیرا پروژه‌ای به اسم «علم موفقیت» در دپارتمان «علم شبکه» دانشگاه نورث‌ایسترن شروع کرده. منظور از علم موفقیت، بررسی افراد، شرکت‌ها، کسب‌وکارها و … به صورت کمی برای رسیدن به تحلیل‌های داده‌محور از موفقیت اون‌هاست. خلاصه که کارشون استفاده از روش علمی برای مطالعه میزان موفقیت افراد یا شرکت‌ها در موضوعات مختلفه. باراباشی تجربیات پژوهشی پروژه علم موفقیت رو در کتاب عامه‌پسندی به اسم «The Formula: The Universal Laws of Success» منتشر کرده. این نوشته کوتاه، نظر من در مورد این کتابه.
این کتاب بر اساس مجموعه‌ای از پژوهش‌های گروه باراباشی در مورد موفقیته و ابتدای کتاب هم موفقیت رو به عنوان یک امر اجتماعی در نظر می‌گیره. همین‌طور که از فهرست کتاب مشخصه، در ادامه باراباشی سراغ ۵ قانون کلی در مورد موفقیت میره که هر کدومشون مستند بر تعداد زیادی پژوهشه که میشه بهشون رجوع کرد. توی این کتاب در مورد موفقیت افراد در ورزش، علم، هنر و … صحبت میشه. این کتاب توسط نشر نوین ترجمه شده.
این کتاب چه چیزی نیست؟!
«فرمول» باراباشی نه قرار است کتاب انگیزشی باشد و نه قرار است به شما امید الکی بدهد! کتاب باراباشی یک گزارش داده‌محور علمی است!
تصویری از فهرست کتاب
تفاوت عمده این کتاب با عمده کتاب‌هایی که در مورد موفقیت تا حالا نوشته شده اینه که این کتاب یک گزارشدادهمحور هست! منظورم اینه که شما ممکنه زندگی‌نامه افراد موفق مثل استیوز جابز یا محمد علی کلی رو بخونید و چون اونها آدمای موفقی هستند دچار این خطا بشین که پس من هم اگر کارهایی که جابز کرد رو بکنم حتما یک مدیر موفق در دنیای استارتاپ‌ها میشم یا اگه مثل کلی تمرین کنم حتما تبدیل میشم به قهرمان بوکس دنیا. از طرف دیگه کتاب‌هایی که در مورد موفقیت نوشته میشن معمولا بر اساس نمونه‌های خاص از افراد یا شرکت‌های موفق هستند. اغلب این کتاب‌ها به نمونه‌هایی اشاره میکنند که مستقل از کم (ناکافی) بودن تعدادشون برای یک بررسی آماری، هیچ گزارشی هم از افرادی که موفق نشدند تاحالا ارائه نمی‌کنند. به عنوان مثال، ممکنه در کتابی بعد از یک بحث کوتاه و اشاره به چند شرکت موفق این ایده تجویز بشه که فلان استراتژی شما رو به پیروزی می‌رسونه بدون اینکه بررسی بشه که این استراتژی تا حالا چند شرکت دیگه رو به خاک سیاه نشونده! هر ادعایی که در این کتاب شده بر اساس مجموعه‌ای از پژوهش‌های منتشر شده در مجلاتیه که به عنوان مجلات علمی شناخته‌شده‌ن و از فرآیند داوری همتا (peer review) عبور کردن! به همین خاطر به این نتایج میشه تکیه کرد!
علی بندری در پادکست بی‌پلاس، خلاصه این کتاب رو خیلی شنیدنی تعریف کرده:
این کتاب برای چه کسانی مناسبه؟!
اگر دنبال کتابی می‌گردین که آدرنالین خونتون رو بالا ببره یا بهتون هیجان بده، قطعا کتاب خوبی نیست! این کتاب شرح مجموعه‌ای از پژوهش‌های علمیه که برای مردم به زبان قابل فهم منتشر شده. این کتاب یک کتاب انگیزشی نیست!
اگه دنبال این هستید که با واقعیت‌ها کنار بیاین و دنیا رو همون شکلی که کار می‌کنه بپذیرید قطعا کتاب خوبیه.
اگر حالتون از کتاب‌های زرد دنیای موفقیت بهم می‌خوره چون می‌فهمید که می‌خوان سرتون کلاه بذارن تا با فروش این کتاب‌ها خودشون پول‌دار بشن، این کتاب رو بخونید!
اگر فکر می‌کنید که شانس وجود نداره یا اینکه زندگی کلا شانسی هست، این کتاب بهتون کمک می‌کنه که دید درستی از مفهوم شانس داشته باشین.
اگر یک دانشجو هستید و براتون مهمه که آینده کار حرفه‌ایتون به چه چیزهایی بستگی داره، حتما این کتاب رو بخونید.
اگر اصحاب هنر و رسانه هستید، اگر دنبال راه‌اندازی یک کسب‌وکار نوپا هستید قطعا این کتاب ایده‌های خوبی بهتون میده.
اگر مشاور، معلم با مدیر مدرسه هستید و قصد پاک کردن ذهن بچه‌های مردم از باورهای غلطی که از طریق نسل‌های گذشته، همکارهای خودتون و شبکه‌های اجتماعی بهشون رسیده رو دارید، این کتاب فوق‌العاده‌ایه!
پس کتاب رو تقریبا به همه پیشنهاد می‌کنید؟!
بله! به نظر من کتاب «فرمول: قوانین عمومی موفقیت» نوشته باراباشی کتابیه که خوندنش دست‌کم برای یک بار پیشنهاد بدی نیست! ویدیو تدتاک باراباشی رو ببینید:
شکی نیست که کتاب حاوی اطلاعات ارزشمندی هست که خوبه حتما عموم جامعه اونا رو بدونند. برای همین اگر این کتاب به فارسی ترجمه بشه، من حتما نسخه‌های زیادی از این کتاب رو به دوستان و اعضای خونواده‌م هدیه خواهم داد. همین‌طور به دانشجوهای تازه وارد به دانشگاه یا گروهمون.
اما اگر شما با ادبیات علم شبکه آشنا باشید، بهتون توصیه می‌کنم که به جای دنبال کردن این کتاب، مراجعی که کتاب بهش اشاره می‌کنه رو مطالعه کنید. این کار چندتا خوبی داره؛ اول اینکه در وقتتون صرفه‌جویی میشه و دوم اینکه با این دست از پژوهش‌ها آشنا می‌شید. این کار تمرین خوبیه که ببینید چه‌طور میشه «موفقیت به عنوان یک مفهوم اجتماعی» رو کمّی کرد و با عدد و رقم و نمودار در موردش حرف زد. از طرف دیگه این کتاب جوری نوشته شده که خودش گواهی باشه بر ادعاهایی که درش هست! وقتی کتابی یک مدل علمی برای موفقیت میده باید تا جایی که قوانین موفقیت اجازه میدن، موفق بشه! به همین خاطر روایتگری کتاب به شکلیه که یک‌سری یافته علمی نهایتا تبدیل به یک کتاب عامه‌پسند بشه که با برچسب «پرفروش‌ترین کتاب سال» در موردش بشه تبلیغ کرد! کسایی که باراباشی رو میشناسن منظور منو به‌خوبی درک میکنند 😉
خلاصه قبل از هر حرف اضافه بیشتری میتونید این ویدیو رو ببینید و اطلاعات خوبی از این کتاب پیدا کنید:
این نوشته رو به مناسبت بیست و پنجمین گردهمایی ژرفا با موضوع سیستم‌های پیچیده برای شماره ۸۱۸ روزنامه دانشگاه صنعتی شریف نوشتم.
برای دیدن نگاره با کیفیت بیشتر کلیک کنید. حق نشر متعلق به شماره ۸۱۸ روزنامه دانشگاه صنعتی شریف.
انسان به دنبال قدرت پیش‌بینی
از قرن ۱۷ میلادی ما انسان‌ها به امید پیدا کردن الگوهایی در طبیعت، با جدیت خاصی شروع به مطالعه دنیای اطرافمان به صورت کمی کردیم. رفته‌رفته عددها مهم‌تر شدند و همه هم و غم‌مان تبدیل به این شد که بعد از به دست آوردن یک‌سری عدد، پیش‌بینی کنیم که عدد بعدی چیست! گاهی این پیش‌بینی در مورد مکان یک سیاره در آسمان بود بعد از چند ماه رصد یا دمای یک پیستون پر از گاز و مایع بعد از طی کردن یک فرایند ترمودینامیکی. گاهی هم آن عدد مطلوب، زاویه‌ی پرتاب یک توپ بود به لشکر دشمن! الگوهای حاکم بین اعداد همیشه موضوع هیجان‌انگیز و سودآوری برای مردم بود چرا که قدرت «پیش‌بینی» را در پی داشت.
قدرت پیش‌بینی،مزیت رقابتی علم بر فلسفه بود که از دل مدل‌سازی‌های عددمحور به دست می‌آمد. قرن ۱۹ و ۲۰ میلادی طی شد و نوبت به هزاره سوم رسید. انسان قرن ۲۱ام که به گمانش همه علوم را خوب می‌شناخت، با پرسش‌های جدیدی روبه‌رو شد. پرسش‌هایی که این بار مرز بین علوم را نشانه گرفته بودند. پرسش‌هایی از این جنس که حالا که فیزیک را به‌خوبی می‌شناسیم، آیا می‌توانیم یک ترکیب آلی را به خوبی توصیف کنیم یا مثلا شیوه تاشدگی یک پروتئین را با دقت خوبی پیش‌بینی کنیم؟! یا اگر متخصص زیست‌شناسی باشیم پیش‌بینی رفتار جامعه انسان‌ها در شرایط بحران اقتصادی برایمان ممکن است؟! در مورد رفتار بازار بورس چه؟ اکنون که سلول‌های عصبی را می‌شناسیم آیا کارکرد مغز را می‌توانیم توصیف کنیم؟ آیا می‌توانیم بگوییم که برای سلول‌های عصبی چه اتفاقی می‌افتد که فردی دچار بیماری‌هایی مانند صرع یا پارکینسون می‌شود؟ یا پرسش‌هایی از این قبیل که چرا هنوز مدیریت ترافیک و جلوگیری از مسدود شدن جاده‌ها برایمان دشوار است؛ مگر ما همان بشری نیستیم که به ماه سفر کرده‌ایم و با توسعه مکانیک کوانتومی بمب اتم ساخته‌ایم؟! چرا بعد از حل کردن این همه مسئله بغرنج، نمی‌توانیم زمان بحرانی برای همه‌گیری یک شایعه یا بیماری جدید در دنیا را محاسبه کنیم و برنامه دقیقی برای چگونگی واکسیناسیون مردم را تدوین کنیم؟ علی‌رغم این همه پیشرفت در علوم مختلف، چرا در حل این قبیل مسائل ناتوان مانده‌ایم؟!
چرا شناخت دنیای اتم‌ها برای شناخت دنیای شیمی کافی نیست؟! یا چرا «بیشتر، متفاوت است»؟
همه این‌ها پرسش‌هایی بود که به‌خاطر ظاهر ساده‌شان انسان قرن بیست و یکمی نخست فکر می‌کرد که «علی‌الاصول» باید بشود جوابشان را دانست. بالاخره طی سه قرن گذشته، ریاضیات بسیار گسترش یافته بود و فیزیک – علم اتم‌ها و کهکشان‌ها – را به خوبی توسعه داده بودیم. فیزیک هم که مادر شیمی است و شیمی مادر زیست‌شناسی و زیست‌شناسی توصیف‌کننده موجودات زنده و انسان هم یک موجود زنده است. رفتار بازار بورس یا اقتصاد جهانی یا همه‌گیری یک بیماری هم بر اساس عملکرد همین موجودات زنده است. خب پس لابد با مقداری محاسبه می‌توان به این پرسش‌ها پاسخ داد. با این وجود، رفته رفته متوجه شدیم که فهم ما از سیستم‌هایی مانند مغز انسان یا اقتصاد جهانی دچار نواقص جدی است و پیش‌بینی و کنترل رفتار آن‌ها برای ما بسیار دشوار است. گویا این سیستم‌ها دارای پیچیدگی عجیبی هستند. به عبارتی، این سیستم‌ها، پیچیده هستند از آن‌جا که ما با آن‌که اجزایشان را می‌شناسیم و رفتار تک‌تک آن‌ها را به خوبی می‌توانیم پیش‌بینی کنیم، ولی «رفتار جمعی» آن‌ها تحت یک ساختار جدید را نمی‌توانیم به خوبی توصیف کنیم! می‌دانیم که عملکرد سلول‌های عصبی سازنده مغز چگونه است، اما عملکرد مغز را نمی‌توانیم توصیف کنیم. مثلا نمی‌دانیم تکلیف حافظه چیست! می‌دانیم که در سلول‌های عصبی حافظه وجود ندارد ولی با این حال، در مجموعه‌ای از همین سلول‌ها وجود دارد! همین مجموعه کارهای عجیب و غریب‌تری هم می‌کند. مثلا سلول‌های عصبی مغز به طور جمعی از خود، آگاهی نشان می‌دهند. در حالی که آگاهی در هیچ کجای سلول عصبی بیچاره وجود ندارد. تلاش برای حل این قبیل تناقض‌ها که در مقیاس ریز اگر همه چیز آشنا باشد، لزومی ندارد در مقیاس درشت‌تر رفتار سیستم را بتوانیم توصیف کنیم آغازگر انگاره‌ای جدید در علم بود؛ انگاره پیچیدگی.
اگر به دنبال کتاب مناسبی برای یادگیری سیستم‌های پیچیده هستید، این کتاب پیشنهاد جدی ما است 🙂
بشر قرن ۲۱، به دنبال شناخت سیستم‌های پیچیده است. سیستم‌هایی که از تعداد زیادی اجزا تشکیل شده‌اند و نوعی نظم خودبه‌خودی بر آن‌ها حاکم است. در این سیستم‌ها در مقیاس ریز، اجزایشان برهم‌کنش‌های موضعی دارند ولی در مقیاس درشت، رفتارهای «پدیداره» از خود نشان می‌دهند که شبیه به رفتار اجزای آن در مقیاس ریز نیست. راستش، ما ناچار به درک سیستم‌های پیچیده هستیم. برای ما که همیشه مجذوب قدرت پیش‌بینی علم شده‌ایم مهم است که بدانیم اگر آنفولانزا در آفریقا شایع شد با چه احتمالی یک آلمانی در چه روزی بیمار می‌شود و با چه احتمالی یک ایرانی در چند روز بعد. برای ما مهم است، چرا که شبکه واگیری بیماری از لحاظ ریاضیاتی موجود ساده‌ای نیست و مطالعه یک فرایند دینامیکی روی چنین شبکه‌ای بدون کمک گرفتن از کامپیوترها غیرممکن است. برای ما حل همزمان تعداد زیادی معادله دیفرانسیل غیرخطی که به همدیگر وابسته هستند با قلم و کاغذ اصلا راحت نیست. حداقل تجربه سال اول و دوم زندگی دانشگاهیمان این را به ما گوش‌زد می‌کند!
سیستم‌های پیچیده مهم هستند، چرا که انگاره پیچیدگی عینک جدیدی برای مطالعه طبیعت به ما می‌دهد. انگاره پیچیدگی به ما می‌گوید مستقل از اینکه مسئله‌ای تا پیش از این در کدام حوزه خاص از علم بررسی می‌شده، باید با نگاهی از پایین به بالا به دنبال حل آن مسئله باشیم و همزمان از همه امکانات فنی و تحلیلیمان برای حل آن استفاده کنیم. برای مثال، مسئله مغز، یک مسئله در فیزیک یا شیمی یا زیست‌شناسی یا علوم کامپیوتر نیست. در مکتب/نگاه/انگاره پیچیدگی، مسئله مغز سوالی است که متخصصان حوزه‌های مختلف با ابزارهایی که دارند سعی میکنند در یک محیط مشارکتی راهی برای حل آن پیدا کنند.
انگاره پیچیدگی به ما می‌گوید با تبدیل کردن یک سیستم به اجزا سازنده آن و شناخت اجزا نمی‌توانیم به درک درستی از آن سیستم برسیم. مکتب پیچیدگی در برابر مکتب تقلیل‌گرایی (reductionism) قرار دارد.
(این نوشته از دکتر محمد خرمی در مورد تقلیل‌گرایی را بخوانید.)
اگر از دنبال‌کنندگان سیتپور هستین لابد با فاینمن تا حالا آشنا شدین. ریچارد فاینمن بدون اغراق یکی از بزرگترین فیزیکدانان قرن ۲۰ام و یکی از تاثیرگذارترین فیزیکدانان کل تاریخه. پیش‌تر از این، در مورد فاینمن نوشته بودم (۱) (۲) (۳) (۴) (۵). طی این چند روز، دوستان ویدیویی از یکی از مصاحبه‌های فاینمن رو برام فرستادن که ازش می‌پرسن آیا هرکسی میتونه فاینمن بشه؟ و فاینمن با خونسردی خاصی میگه آره! متن مصاحبه از این قراره:
شما از من می‌پرسی که آیا یه آدم معمولی با سخت درس خوندن میتونه چیزهایی که من تصور می‌کنم رو تصور کنه؟ البته! من یه آدم معمولی بودم که سخت درس خوندم. هیچ آدم افسانه‌ای وجود نداره! داستان از این قراره که این جور آدما به این جور چیزا علاقمند میشن و همه چیزای مربوط به اون رو یاد می‌گیرن. اونا هم آدم هستن! توانایی خارق‌العاده‌ای برای درک مکانیک کوانتومی یا تصور امواج الکترومغناطیس به دست نمیاد مگه از راه تمرین و مطالعه و یادگیری و ریاضیات! پس، اگه شما یه آدم معمولی رو در نظر بگیرین که وقت بسیار زیادی رو وقف مطالعه و فکر کردن و ریاضیات و این جور چیزا می‌کنه. اون موقع اون شخص خب یه دانشمند میشه!
فاینمن، ابرچهره مردمی!
احتمالا هر کسی که قدری فیزیک یا ریاضی خونده باشه، با دیدن این ویدیو کمی جا می‌خوره. واقعا مگه میشه مثل فاینمن شد؟ من نمی‌دونم، ولی خود فاینمن میگه میشه! نابغه‌ها دو دسته هستن. دسته اول، اونایی که اگه مدتی وقت بذاری متوجه کارشون می‌شی و با اینکه کارشون قابل تقدیره، ولی این حس رو پیدا می‌کنی که اگر کس دیگه‌ای هم وقت کافی صرف اون موضوع کرده بود، می‌تونسته اون نتایج رو به دست بیاره. اما دسته دوم، نابغه‌هایی هستن که وقتی آدم کارشون رو دنبال می‌کنه و ایده‌های بکری که به کار بردن رو متوجه میشه، همه‌ش از خودش می‌پرسه، مگه میشه!؟ آخه چه‌طور به ذهنش رسیده این چیزا! چه‌طور یه نفر تونسته توی این سن و سال این مسیر عجیب و غریب رو دیده باشه! آقای کاتس (Mark Kac) توی مقدمه کتاب Enigmas of Chance گفته که فاینمن از اون دسته‌ای هست که حتی دانشمندان تراز اول هم بهش غبطه می‌خورن! آدم‌هایی که نبوغشون جادوییه! با این وجود، این چیزی نیست که فاینمن در مصاحبه گفته! فاینمن معتقده که هر کسی که تلاش کنه میتونه فاینمن بشه! راستش گروه باراباشی سال گذشته نشون دادن که موفقیت در مسیر علمی به شانس هم بستگی داره و صدالبته اینکه وقتی شما شانس بیشتری پیدا می‌کنی که همیشه در حال تلاش باشی و پرکار و پویا! به‌هرحال ما نمی‌تونیم انکار کنیم که کار زیاد و خون جگر خوردن بی‌ثمر می‌مونه، همین‌طور که نمی‌تونیم عظمت جناب فاینمن رو انکار کنیم!
چه کسی محبوبه؟ نابغه‌ترین؟!
چیزی که برای من جالبه اینه که چرا بین همه فیزیکدانان رده بالای قرن ۲۰ام، چهرههایی مثل آینشتین، فاینمن و هاوکینگ تبدیل به ابرچهره شدند؟! چهرههایی که نه تنها جامعه فیزیک‌دان‌ها اونا رو ستایش می‌کنه بلکه مردم هم اونا رو میشناسن، بهشون احترام می‌ذارن و بهشون به عنوان قهرمان/الگو/اسطوره نگاه میکنند! راستی، برای اینکه دانشمندی تبدیل به چهره‌ای مردمی بشه فقط به نبوغ سرشار نیاز داره؟
جواب این سوال منفیه! یقینا در قرن گذشته بزرگانی وجود داشتن که از فاینمن یا هاوکینگ بزرگتر بوده باشن. بزرگانی که حتی دانشجوهای لیسانس فیزیک هم ممکنه با شنیدن اسمشون احساس آشنایی پیدا نکنن! مثلا همین جناب شویینگر که به همراه فاینمن در سال ۱۹۶۵ نوبل QED رو گرفته یا عالی‌مقام دیراک! سوال اینجاست که چرا این فاینمنه که ورد زبان‌هاست و نه جان ویلر (استاد فاینمن)؟! بدون تردید جان ویلر قله‌ای استوار در فیزیک به حساب میاد. (شاید از کم‌ترین دستاورهای جان ویلر این باشه که دو تا از دانشجوهاش نوبلیست شدن: فاینمن در سال ۱۹۶۵ و کیپ ثرون در ۲۰۱۷.) یا مثلا اکثر مردم آینشتین رو به عنوان نمادی از نبوغ میشناسن ولی با ماکس پلانک یا هنری پوانکاره عزیز هیچ آشنایی ندارن چه برسه به کسانی مثل چاندراسخار یا لینوس پاولینگ! یا مثلا آقای بیل گیتس، فاینمن را به خوبی می‌شناسه ولی لابد اسمی از دیوید بهم هیچ موقع نشنیده! پس ماجرا چیه؟!
فاینمن، روایتگر بزرگ علم!
چیزی که فاینمن رو تبدیل به یک نماد و ابرچهره کرده فقط نبوغ سرشار و بی‌نظیرش نیست. به قول فریمن دایسون،
فاینمن در حال گفتگو با TA خود پس از کلاس درس. April 29, 1963. حق نشر متعلق به کلتک: feynmanlectures.caltech.edu
برای اینکه یک دانشمند بتونه تبدیل به یک ابرچهره یا نماد برای مردم بشه، علاوه بر نبوغ زیاد، باید توانایی ارتباط با مردم رو داشته باشه. باید بتونه با مردم حرف بزنه و به زبون خودشون بهشون اتفاقات دنیای علم رو توضیح بده. مردم به امثال آینشتین یا فاینمن با روی خوش نگاه میکنند چون مثل خودشون هستن! فاینمن یک بذله‌گو تمام عیار بود، یک دلقک حتی! مردم کسایی که خشک و عصا قورت داده هستن رو دوست ندارن! فاینمن همون‌قدر که دانشمند تراز اولی بود، موقع تدریس یک شومن فوق‌العاده هم بود! همون قدر که دقت علمی در گفتگوهاش داشت، همون‌قدر هم در روایتگری ید بیضایی داشت! مردم قصه‌گوها رو دوست دارن و به قصه‌ها گوش میدن. به نظر من، فاینمن بزرگترین روایتگر علم در دو قرن گذشته است!
فاینمن، انسان بود، درد رو می‌فهمید!
فاینمن فرد عاقل و خرمندی بود! فاینمن در مورد مسائل زندگی حرف برای گفتن داشت. حرفهای درست و حسابی! فاینمن زندگی رو می‌شناخت و سختی‌های زیادی رو طی زندگی تحمل کرده بود. اگر کتاب «حتما شوخی می‌کنید آقای فاینمن!» رو خونده باشین، در جریان بیماری Arline همسر فاینمن هستین. فاینمن، علی‌رغم مشغله‌های کاریش به خاطر پروژه منهتن (پروژه ساخت بمب هسته‌ای)، با تمام وجود از همسرش پرستاری کرد و اجازه نداد که آب توی دلش تکون بخوره! فاینمن همسر جوانش رو خیلی زود از دست داد و این داغ هیچ موقع از دل و ذهن فاینمن بیرون نرفت. ما فاینمن رو به عنوان یک معلم بزرگ فیزیک می‌شناسیم. لکچرنوت‌های فاینمن پرآوازه‌ترین کتاب‌هایی هستن که برای یادگیری فیزیک توی بازار میشه پیدا کرد و از صدقه سر این مجموعه فوق‌العاده ما بعد اجتماعی فاینمن رو به خوبی می‌شناسیم. در مورد بعدی فردی فاینمن، چندسال پیش، مجوعه‌ای از نامه‌های فاینمن منشتر شد به اسم «Perfectly Reasonable Deviations: The Letters of Richard P. Feynman» که جلوه‌های جدیدی از زندگی فاینمن رو به ما نشون میده.
فاینمن باتمام وجود از همسرش پرستاری می‌کرد. درست زمانی که مشغول پروژه بمب اتم بود!
پیشنهاد می‌کنم نامه‌ای که فاینمن پس از مرگ همسرش نوشته رو حتما بخونید!فریمن دایسون میگه پشت تمام شادمانی‌های فاینمن، یک تراژدی نشسته بوده و با تمام شور و نشاطی که مردم از فاینمن سراغ دارن، اون خیلی خوب می‌دونسته که زندگی کوتاهه! فاینمن در سال‌های آخر عمرش از دو سرطان نادر رنج می‌برد: لیپوسارکما و بیماری والندشتروم. بعد از یک عمل جراحی کوتاه برای درمان بیماری والندشتروم، فاینمن در ۱۵ فوریه ۱۹۸۸ تو سن ۶۹ سالگی در مرکز پزشکی یو سی ال ای در گذشت. آخرین کلماتش این بود: «از این که دو بار بمیرم متنفرم، خیلی کسل‌کننده است.» 🙁
فاینمن «انسان» بود، درد رو حس کرده بود و برای فرزندان، دانشجوها و حتی همکارانش یک «راهنمای دلسوز» بود. مجموعه نامه‌های منتشر شده فاینمن، گواه دغدغه‌های فاینمن و احساسش نسبت به مردم اطرافشه. فاینمن به عنوان یک نوبلیست، با تمام مشغله‌های آکادمیک به نامه‌های مردم از سراسر جهان با حوصله جواب می‌داده، برای مردم وقت می‌ذاشته و سعی می‌کرده راهنماییشون کنه! راستش، فاینمن عجیب منو یاد این عبارت از اسرارالتوحید ابوسعید ابوالخیر می‌ندازه: «مرد آن بود که در میان خلق بنشیند و برخیزد و بخسبد و بخورد و در میان بازار در میان خلق ستد و داد کند و با خلق بیامیزد و یک لحظه، به دل، از خدای غافل نباشد.»
حواسمون باشه:
در انتها به نظرم باید به این نکته اشاره کنم که فراموش نکنیم که ما در علم به دنبال چهره‌ها نیستیم! علم مستقل از عالمه! افراد مهم نیستن، بلکه حرف مردمه که مهمه. درگیر اشخاص نشیم و از دانشمندا بت نسازیم! نظر ساسکیند در مورد فاینمن رو بشنویم، نگاه کنیم که پس از مرگ فاینمن، شووینگر در رثای اون چی گفت! همین‌طور به ماری گل-مان هم گوش کنیم که میگه: «فاینمن بخشی از وقتش رو صرف پرداختن به قصه‌های می‌کرد که خودش قهرمان اونها بود!». نگاه کنید به: Feynman100
یه نکته جالب دیگه اینه که مشهور بودن لزوما معنای مثبتی نداره! ارنست آیزینگ معروف‌ترین دانشمند در فیزیک آماری به حساب میاد ولی این به این معنا نیست که بزرگترین فرد در این زمینه هم باشه! راستی زیاد دل‌خوش به اسم قضیه‌ها و قانون‌ها هم نباشیم! بخش زیادی از اکتشافات، قضیه‌ها، روابط و قوانین به اسم کسانی معروف شدن که هیچ ربطی به اون قضیه یا قانون ندارن. به‌هرحال روزگار زیاد مطابق میل و اراده ما هم پیش نمیره!
قصه‌گوها را خیلی دوست دارم. قصه، نوع ادبی عجیبی از اطلاعات است که محملی برای بیان عجیب وغریب‌ترین رخ‌دادهاست. اصلا به نظر من، قصه همه چیز است! اگر می‌خواهید ایده‌ای را، هرچند بغرنج و پیچیده، به ذهن کسی بنشانید، محتوای آن را درون قصه‌ای نهادینه و برای آن شخص بازگو کنید. بی‌بروبرگرد اثرش بیشتر از روایت حادثه به صورت خالص و عریان آن است. به باورهای خود رجوع کنید، در بنیادی‌ترین آن‌ها هم، قصه‌ها نشسته‌اند. شاید اصلا بشود چنین ادعا کرد که فرهنگ هر ملتی را می‌توان در چارچوب قصه‌هایشان بازتعریف کرد؛ ممکن است که این ادعا از دقت کافی برخوردار نباشد اما به نظر گمان بدی نیست.
به هرحال، این شکوهمندی درقصه‌گویی و روایتگری همیشه برایم جالب توجه بوده و با این که نه ادیب هستم (که اگر شما باشید لابد می‌توانید به این نوشته خرده بگیرید! پس اگر هستید، به آنچه در ادامه می‌خواهم بگویم توجه کنید که عاقل نخست محتوا را می‌نگرد و سپس صورت را!) و نه چندان تجربه زیادی در مطالعه آثار ادبی جهان دارم (که ای کاش داشتم!)، ارزش والای قصه و قصه‌گویی را می‌دانم. از سوی دیگر، یک فیزیک‌خوانده هستم، به بیانی، پیشه‌ام فیزیک است و چند صباحی با اهل علم حشر و نشر داشته‌ام و در گفتگویشان حاضر بوده‌ام. مکانیک کلاسیک گلدستین و الکترودینامیک جکسون را خوانده‌ام، مکانیک کوانتومی گریفیث و درس‌گفتارهای فاینمن را نیز. تفاوت بیان گریفیث با ریتس و میلفورد در بیان الکترومغناطیس را هم دیده‌ام. با این وصف، ممکن است بپرسید که روایتگری و قصه‌گویی چه ربطی به من دارد؟ فیزیک کجا و انواع ادبی! زمختی سخنرانی‌های علمی کجا و حماسه‌سرایی‌های شاهنامه؟! ریاضیات پیشرفته و بی‌عاطفه هنکل و بسل کجا و عاشقانه‌های رومئو و ژولیت؟ می‌توانم پاسخ را از این نقل قول جناب اردوش شروع کنم:
«این که بپرسیم چرا اعداد زیبا هستند مثل این است که بپرسیم چرا سمفونی نهم بتهوون زیباست! و اگر شما این زیبایی را نمی بینید، کسی هم نمی‌تواند این زیبایی را به شما نشان دهد. من می‌دانم که اعداد زیبا هستند. اگر نباشند، آنگاه هیچ چیز نیست!»
در داستان شازده کوچولو سنت اگزوپری به شیوه‌ای سوررئالیستی به بیان فلسفه خود از دوست داشتن و عشق و هستی می‌پردازد. او از دیدگاه یک کودک، که از سیارکی به نام ب۶۱۲ آمده، پرسشگر سؤالات بسیاری از آدم‌ها و کارهایشان است. نگاره از ویکی‌پدیا
ولی در پی این پاسخ، باید بگویم که «عاقلان دانند یا صاحبان خرد» یا اینکه سراغ «بصیرت» بروم که در این نوشته قصد پرداختن به آن را ندارم. راستش پاسخ بهتر به این پرسش، با فکر کردن به قصه‌گویی به‌دست می‌آید و ریشه در شیوه روایتگری ما در علم دارد! به نظر شما، هنگامی که نویسنده‌ای یا روایتگری، قصه‌ای تعریف می‌کند، چقدر به این فکر می‌کند که مستمعش کیست؟ چند سال دارد؟ در هاروارد درس خوانده یا یک دیپلم‌ردی است؟ به نظر شما «سنت اگزوپری» موقع نگارش شازده کوچولو چقدر تحت تاثیر این قید بوده که شنونده یا خواننده اثرش کودک تازه مدرسه رفته‌ایست یا استاد دانشکده ادبیات؟ سعدی چه طور؟! آیا سعدی هنگام نگارش گلستان، مخاطبش را مشخص کرده بود؟ اگر این‌گونه بود، چگونه هم در بازار و هم دربین کتاب‌های کتاب‌خانه دانشگاه تهران صحبت از حکایات سعدی است؟
راستش را بخواهید، حکایت علم هم همین است! علم، روایتی از طبیعت است، روایتی زیبا، معرکه و پرشکوه! اما این روایت، به آن زیبایی که هست، معمولا نقل نشده و نمی‌شود. روایتگری در علم معمولا جایش را به بیانی خشک و بدون عاطفه داده است. در اقصی‌نقاط دنیا، معلمان ریاضی، فیزیک، شیمی و زیست‌شناسی که اصلی‌ترین راویان علم هستند معمولا تلاشی برای «روایتگری» نمی‌کنند و به جای آن فقط به «بیان حقایق» می‌پردازند. همین است که همه ما سرماخورده یک زمستان در سرتاسر دنیا هستیم، زمستان بی‌ذوق و قریحگی در روایتگری در علم!
گالیله، روایتگر بزرگ علم
نگاهی تاریخی به آغاز علم، به معنی امروزی یا مدرنش، ما را با گالیله و نیوتون مواجه می‌کند. در مورد این دو ابرمرد، نقل‌های زیادی وجود دارد ولی آنچه از نظر من جالب توجه است روایتگری این دو نفر است! همه ما می‌دانیم که سه‌جلدی شاهکار نیوتون به نام «اصولِ ریاضیِ فلسفهٔ طبیعی» یا به طور کوتاه «پرینکیپیا» چه تاثیر شگرفی بر علم داشته است. با این وجود، باید توجه کنیم این کتاب به زبان لاتین نوشته شده و فقط جلد نخست آن حدود ۵۰۰ صفحه و ۳۴۰ شکل بسیار پیچیده دارد. گویا جناب نیوتون کتاب را فقط برای متخصصان و اهل فن نوشته و حقی برای فهم مردم عادی در نظر نگرفته. فراموش نکنیم که نیوتون شخصیتی تکرار نشدنی در تاریخ علم است!
گالیله بر خلاف نیوتون، کتاب دیالوگو را، به صورت یک قصه، به گونه‌ای نوشته که همه بتوانند آن را بخوانند. نگاره از ویکی‌پدیا
با این حال، برخلاف نیوتون، گالیله حدود ۵۰ سال قبل از نیوتون، کتاب «گفتگو در باب دو سامانه بزرگ جهان» یا به طور کوتاه «دیالوگو» را به زبان ایتالیایی و کاملا فصیح نوشته، به گونه‌ای که همه بتوانند اثرش را بخوانند! «دیالوگو» در مورد این ایده است که خورشید مرکز منظومه شمسی است و گالیله این موضوع را به صورت گفتگویی میان سه دوست که به مدت چهار روز در ونیز به سر می‌برند روایت می‌کند. نوشته گالیله بی‌نظیر است، ادبی و خنده‌دار است، پرشکوه و مبارزطلب است! گالیله به شکل هنرمندانه‌ای خواسته که مردم اثرش را بخوانند و درک کنند و بفهمند که زمین مرکز عالم نیست و این خورشید است که در مرکز این منظومه قرار دارد. البته همین کتاب سرانجام سبب شد تا آگاهی عمومی بالا برود و گالیله را به اتهام کفر علیه خدا روانه دادگاه کنند.
«دیالوگو»تا مدت زیادی ممنوع‌الانتشار شد. نکته این است که آنچه برای کلیسا هشدار تلقی می‌شد فقط اکتشاف علمی گالیله نبود، بلکه قدرت روایتگری او بود! مردم قصه‌ها را دوست دارند، می‌شنوند، فکر میکنند و آگاه می‌شوند. گالیله یک روایتگر فوق‌العاده علم بود، یک آگاهی‌رسان!
«توسعه علم» به چه معناست؟
هرچند که می‌شود مفصل بحث کرد که هرکس شخصیت متفاوتی دارد و خلقیات خاص خود را، اما هدف من معطوف کردن ذهن شما به ایده روایتگری در علم است. راستی، در مسیر «توسعه علم»، اینکه فقط ایده یا مجموعه‌ای از ایده‌ها را به‌درستی بیان کنیم کافی است؟ یا به نظر شما، اگر نابغه‌ای به مدت ۱۰ سال حجم عظیمی از کارهای پژوهشی را در جزیره‌ای دور افتاده انجام دهد و به اکتشافات فوق‌العاده‌ای دست یابد ولی قبل از انتشار آن‌ها فوت کند یا اینکه آثارش به دلایلی از بین رود،آیا باز هم علم یا توسعه علم رخ‌داده است؟ نظر من که منفی است! البته سر این موضوع بحث زیادی وجود دارد و در این نوشته مجال پرداختن به آن نیست، ولی این یک مسئله جدی است! فتامل!
«چه جور مردمانی هستند این شاعران، که اگر ژوپیتر خدایی در هیئتِ انسان باشد، درباره‌اش چه شعرها که نمی‌سرایند اما اگر در قالبِ کرهٔ عظیم چرخانی از متان و آمونیاک باشد، سکوت میکنند؟» ریچارد فاینمن یکی از تاثیرگذارترین فیزیکدانان و روایتگران علم – نگاره از پیکی‌پدیا
تعریف «روایتگری در علم» چیست؟!
روایتگری در علم، به معنای بازگو کردن حقایق علمی به زبان مردم است! البته خوب است که منظورمان از «مردم» را با یک مثال مشخص کنیم! برای یک فیزیکدان، یک مهندس یا زیست‌شناس یا دانش‌آموز کلاس پنجم دبستان یا قصاب محل، مردم حساب می‌شود. هر کس که در حوزه مورد مطالعه یا پژوهش شما متخصص نیست، هنگام روایتگری، عامی حساب می‌شود. روایتگری در علم به این معناست که به فراخور مخاطبتان، چنان حق مطلب را ادا کنید که مخاطب، مستقل از سن و دانشش، پس از روایت شما بگوید «آهان، فهمیدم، چه جالب!». مهم‌ترین اصل در روایتگری در علم این است که چنان روایت کنید که هر کس بتواند بگوید «آهان!» پر واضح است که کار ساده‌ای نیست! برای اینکه روایتگر خوبی باشید، قبل از هر چیز، به درک درستی از موضوع نیاز دارید و سپس تلاش زیادی برای بیان مطلب به زبان مردم (مخاطبتان).
ایده‌هایی در باب روایتگری در علم
۱) سایت سیتپور
به عنوان یک فیزیک‌پیشه چند پروژه را به کمک دوستانم برای روایتگری در علم آغاز کردیم. پروژه اول، همین وب‌سایت سیتپور است. «مرام‌نامه» ما را بخوانید. هدف ما در سیتپور این است که فیزیک و ریاضی را قابل هضم‌تر به دست مردم برسانیم.
۲) رادیوفیزیک
«رادیـوفیزیـک»، یک رادیـوی اینترنتی علمی به یاد آنان که راه را هموار ساختند!
پروژه سیتپور، ایده‌ای بر اساس وبلاگ نویسی است، یعنی ما مطالبی را می‌نویسم و شما می‌خوانید! اما امروز گاهی مردم حوصله خواندن ندارند! پس به سراغ ایده‌ی دیگری رفتیم. یک میکروفن برداشتیم و شروع به ضبط صدا کردیم که سرانجام منجر شد به یک رادیوی اینترنتی علمی به اسم «رادیوفیزیک»! ایده رادیوفیزیک بر مبنای ضبط پادکستهای علمی و پخش رایگان آن به روی وب است. با رفتن به نشانی www.radiophysics.ir می‌توانید پادکستهای ما را گوش کنید. راستش را بخواهید کار ساده‌ایست! کافیست که بدانید که قرار است چه بگویید! من و امید میکروفون را برداشتیم و در مورد موضوعی به گفتگو پرداختیم، صدایمان ضبط شد، کمی با کامپیوتر ویرایشش کردیم و در نهایت به روی وب منتشرش کردیم که خب بازخورد خوبی هم نصیبمان شد!
۳) در تلگرام
کمی بعدتر، به این فکر کردیم، که جامعه ایرانی چقدر با تلگرام عجین شده! پس چه خوب است که به تلگرام برویم و روایتگری کنیم! ابتدا گروه «فیزیک‌طوری» را ساختیم. برخلاف نظر خیلی از دوستان به جای یک کانال، یک سوپرگروه در تلگرام ایجاد کردیم تا همه اعضا بتوانند در مسیر روایتگری سهمی داشته باشند. گروه فیزیک‌طوری در ظاهر قوانین خشکی دارد! ولی به شما اطمینان می‌دهم، باوجود شیوه خاص مدیریت گروه، نوعی جدید از روایتگری در علم به کمک این گروه بنا شده است. پس از آن، به همت دکتر مانی رضایی، گروه و سپس کانالی در تلگرام ساختیم که به روایتگری در حوزه «آموزش ریاضی» می‌پردازد. در گروه و کانال «آموزش ریاضی» به طور دقیق به موضوع «آموزش ریاضی» پرداخته می‌شود و اعضا می‌توانند مسیر علمی این رشته را دنبال کنند. آخرین پروژهایی که در تلگرام در آن شریک هستم، کانال «سیستم‌های پیچیده»است. پروژه‌های «آموزش ریاضی» و «سیستم‌های پیچیده» البته مخاطب‌های خاص خود را دارند، به ویژه کانال سیستم‌های پیچیده. با این وجود یکی از اهداف اصلی در همه کانال‌ها روایتگری در آن حوزه خاص و ترویج علم است.
در نهایت
اگر روایتگری در علم نباشد، توسعه علم با آهنگ کندتری پیش‌می‌رود. نباید فراموش کنیم که «علم» موجودی اجتماعی و سیاسی است! توسعه علم از دو سو ممکن است؛ نخست آن‌که متخصصان هر رشته، چه پیر و چه جوان، بتوانند آزادانه بیاندیشند و در تعامل با یکدیگر سعی در توسعه علم کنند و دوم اینکه متخصصان، مردم را همراه و هم‌هدف خود سازند تا مسیر علمی برای پیمودن هموارتر شود. برای این‌کار نخستین گام، ترویج روایتگری در علم است. دانشمندان، اساتید دانشگاه و معلمان مدارس نه تنها باید تلاش کنند که به بهترین شکل ممکن مسیر آموزش را در کلاس درس طی کنند بلکه باید به عنوان مروجان علم بکوشند تا فکر و جیب مردم را هم معطوف به علم کنند.
به روایتگری در علم فکر کنید! اگه برای پسرخاله‌تان از علم نمی‌گویید یا نمی‌توانید دایی‌تان را با فهمیدن یک مطلب علمی شاد کنید یا دوست شما در گفتگو با شما نمی‌گوید «آهان، چه جالب!» یک جای کارتان لنگ است؛ یا خود درک درستی از موضوع ندارید یا اینکه به وظیفه خود عمل نمی‌کنید. بله، روایتگری در علم وظیفه هر اهل علم است!
قبلا کتاب‌ها و دوره‌هایی که دانشجوهای سال اول و دوم کارشناسی فیزیک بهشون نیازدارند رو معرفی کرده بودم. همین طور بحث مفصلی در مورد دوره‌ها (کورس‌ها) اینجا و اینجا کرده بودم. معمولا بچه‌ها سال دوم و سوم دروس الکترومغناطیس و مکانیک‌کوانتومی رو می‌گیرند و شاید بشه گفت اصلی‌ترین درس‌های دوره‌ی کارشناسی فیزیک همین دوتا درس باشه. برای همین من سعی می‌کنم طی این پست کمی از تجربیاتم بگم:
۱) الکترومغناطیس:
چیزی که لازمه تا این درس رو راحت شروع کنید و در حین ترم کم‌تر اذیت بشید مرور مفاهیم اصلی فیزیک پایه۲ و آنالیزبرداری هست که احتمالا آخرای ریاضی پایه۲ و ریاضی‌فیزیک باهاش مواجه شدید. الکترومغناطیس از لحاظ مفهومی زیاد سخت نیست ولی از لحاظ تکنیکی سخت‌ترین درس کارشناسی به نظر می‌رسه چون که کار کردن با آنالیز برداری زیاد خوشایند ملت نیست!
«آشنایی با الکترودینامیک، دیوید گریفیث»
اگر دنبال یک کتاب آموزشی خوب می‌گردید که به خوبی درس رو توضیح داده باشه، مثال‌های خوبی زده باشه و در نهایت تمرین‌های مناسبی رو در اختیارتون بذاره بدون هیچ شکی سراغ کتاب «آشنایی با الکترودینامیک، دیوید گریفیث» برید. نسخه ۴ام این کتاب تفاوت چندانی با نسخه‌ی قبلی نداره با این وجود مسئله‌های به شدت جالب و قابل تفکری بهش اضافه شده. در ضمن گریفیث از جمله کسانی هست که خودش برای کتاب‌هاش حل‌المسائل می‌نویسه پس شما میتونید به راحتی پاسخ صحیح همه پرسش‌ها و تمرین‌های کتاب رو داشته باشید. بعد از گریفیث به شما کتاب «الکترودینامیک کلاسیک، والتر گراینر» رو پیشنهاد می‌کنم و بعد از اون کتاب «الکتریسیته و مغناطیس، پرسل و مورین». این دو کتاب‌های خیلی خوبی هستند به ویژه اینکه مثال‌های متنوعی دارند. به نظر من این سه کتاب بهترین کتاب‌هایی هستند که دانشجوهای سال دوم و سوم کارشناسی می‌تونند ازشون برای یادگیری الکترومغناطیس استفاده کنند. با این وجود کتاب‌های دیگه‌ای هم هستند از جمله:
اگر دنبال این هستید که کتابی داشته باشید که مطالب رو با ریاضیات استوارتری بررسی کرده باشه و به موضوع الکترودینامیک بیشتر ریاضیاتی نگاه کرده باشه کتاب «الکترودینامیک جکسون» رو بخونید. این کتاب معمولا مرجع درس الکترودینامیک برای مقطع کارشناسی ارشد هست. اگر هم دنبال این هستید که مطالب رو عمیقا بهفمید و فوق‌العاده لذت ببرید و از فرط هیجان نتونید روی صندلی بندشید به این کتاب‌ها (Lecture Notes) مراجعه کنید:
در نهایت یادتون باشه که بهترین کتاب، پرمسئله‌ترین کتابه برای شما و اینکه انتخاب کتاب کاملا سلیقه‌ای هست، شاید سلیقه‌ی شما با سلیقه‌ی من یا استادتون سازگار نباشه و شما کتاب دیگه‌ای رو در اولویت قرار بدید! به هر حال صلاح مملکت خویش خسروان دانند!
