فیزیک آماری و علوم کامپیوتر:
سیستم‌های پیچیده، علم شبکه و پدیده‌های بحرانی
abbas.sitpor.org
به قول فریمن دایسون، 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.
– فاینمن، چهره‌ترین چهره!
به نظر من، فاینمن بزرگترین روایتگر علم در دو قرن گذشته است!
زمان زیادی از شروع جنبش نرم‌افزار آزاد می‌گذره. مهم‌ترین پیام این جنبش شاید این بوده که آی آدم‌ها در دوران دیجیتال حواستون باشه که آزادی شما نسبت به استفاده از محتوای جدید دچار محدودیت نشه! از دستاوردهای این جنبش شکل‌گیری زیست‌بوم گنو/لینوکس، ویکی‌پدیا (و پروژه‌های خواهرش) و چیزهای این شکلی بود. کسایی که گنو/لینوکس رو یک فرهنگ می‌دونن ایده‌شون اینه که مستقل از ویژگیهای فنی ابزارها، ویژگیهای اخلاقی و انسانی دلیل استفاده کردن یا نکردن ما از اون‌ها رو مشخص می‌کنند.
این مسئله به علم هم سرایت کرده. سال‌هاست که به شکل ابلهانه‌ای علم گرفتار مشکل انتشار در مجلات بسیار پرهزینه شده! مجله‌هایی که علم رو از اهل علم به ازای دریافت پول زیادی تحویل می‌گیرن و بعد دوباره در ازای دریافت پول به اهل علم محصول خودشون رو می‌فروشن! اساسا علم یک فرایند اجتماعیه؛ یعنی هر موقع شخصی یافته‌های جدیدی رو منتشر میکنه تا زمانی که بقیه همکاران متخصص در اون زمینه اون یافته‌ها رو تایید نکنند (داوری همتا) اون اثر مورد اقبال عمومی قرار نمی‌گیره. برای همین نیازه که ساز و کاری باشه که افراد بتونن یافته‌هاشون رو به اشتراک بذارن تا بقیه نظراتشون در مورد کم و کیف اون کار رو گزارش کنند. اما قرار نبود که یک سری مجله علمی (بخوانید دلال) این وسط پیدا بشن که از این بده بستان علمی امرار معاش کنند. بماند که این وسط، دلال‌هایی مثل الزویر در نهایت گوش به حرف برادر بزرگتر پژوهشگران ایرانی رو هم تحریم کردند.
سال گذشته تصویر خیلی جالبی در توییتر دیدم که به عمق فاجعه در دسترس نبودن مقاله‌های علمی اشاره می‌کرد:
خلاصه که وضع موجود اصلا جالب نیست. برای همین مدت‌هاست که اهل دانشگاه به دنبال حل این مشکل هستند. تلاش‌های صورت گرفته رو می‌تونید زیر پرچم «علم باز» دنبال کنید. یکی از راه‌های پیشنهاد شده برای رهایی از شر مجلات پولی و بی‌اخلاق، انتشار در مجلات با «دسترسی باز» هست. اگه مقاله‌ی علمی با دسترسی باز منتشر بشه اون موقع هر شخص بدون نیاز به پرداخت کمترین هزینه می‌تونه اون مقاله رو بخونه. توجه کنید که اگه شما یک دانشجوی ساده ولی علاقه‌مند باشین، بیشتر وقت‌ها نمی‌تونید به صورت قانونی مقاله‌هایی که نیاز دارین رو بخونید. مستحضر هستین که قانون همیشه چیز خوبی نیست!؟ توی علوم پایه مردم معمولا سعی میکنن که نسخه نهایی یا پیش‌نویس بسیار شبیه به نسخه نهایی مقاله‌شون رو روی arXiv بذارن. آریکایو برای هر دو طرف ماجرا رایگانه اما باید توجه کنیم که مقالات منتشر شده در آرکایو هنوز از فرایند داوری همتا عبور نکردند. به همین خاطر اگه مقاله‌ای که روی آرکایو منتشر شده دقیقا همون چیزی نباشه که در یک مجله علمی چاپ شده اون موقع اعتماد کردن به اون مقاله سخت میشه. برای اینه که وجود مجلاتی با داوری همتا با دسترسی باز خیلی مهمه.
این روزها آدمای زیادی مشغول پرداختن به این مسئله هستند. اخیرا هم دانشگاه‌های مختلف تلاش کردن با عقد قراردادهای مختلفی کمی از وخامت وضع دسترسی بسته کم کنند. توی توییتر هم می‌تونید ببینید دانشمندهای مختلف چه‌طور علیه این مسئله در حال مبارزه هستن و خودشون رو از فرومایگان جامعه جدا کردن! از میان آدم‌های سرشناس، تیموثی گاورز (برنده جایزه فیلدز در ۱۹۹۸) مدت‌هاست که ناراحتی خودش رو نه تنها آشکارا ابراز کرده بلکه در جهت حل این مشکل زحمت هم کشیده:
لیبجن و سای‌هاب دو پروژه مهم برای دور زدن پرداخت هزینه مقالات به کمک پراکسی دانشگاه‌ها هستن که اجازه میدن شما مقالات رو رایگان دانلود کنید. سال‌هاست که انتشارات مختلف (همون دلال‌ها) به دنبال شکایت از سای‌هاب هستند. حساب کاربری سای‌هاب در توییتر بسته شده و اخیرا در کشورهای مختلفی از جمله انگلستان به شدت دنبال محکوم کردن و غیرقانونی جلوه دادن فعالیت‌های سای‌هاب هستن در این حد که پلیس به دانش‌آموزها و دانشجوها هشدار داده از این وب‌سایت استفاده نکنند! طبیعتا واکنش همه آدم‌های شریف این بوده که برین دنبال کارتون بابا! یعنی چی؟! افراد مختلفی در حمایت از سای‌هاب توییت کردن، از جمله کارلو روولی فیزیکدان!
در این ویدیو الکساندرا الباکیان موسس سای‌هاب توضیح میده که چرا همچین سایتی رو ایجاد کرده:
قانون بد، بده! نیازی نیست که ما از قانون بد پیروی کنیم. این که سرمون رو بندازیم پایین و چیزی نگیم و هیچ حمایتی از برطرف شدن قانون بد نکنیم بده. امروز جامعه علمی باید در برابر این چیزها مقاومت کنه.
«قوانین در مورد درست یا غلط بودن چیزی تصمیم‌گیری نمی‌کنند. هر آمریکایی باید بداند که چهل سال پیش در بسیاری از ایالات، نشستن یک سیاه‌پوست در جلوی اتوبوس خلاف قانون تلقی می‌شد؛ اما این فقط نژادپرستان بودند که می‌گفتند این کار غلط است.»
– ریچارد استالمن – موسس بنیاد نرم‌افزار آزاد
به دعوت بچه‌های انجمن علمی فیزیک دانشگاه تهران در مورد شبکههای پیچیده حرف زدم. ویدیو جلسات ضبط شده. در ادامه اسلایدها رو گذاشتم.
در این قسمت ابتدا به سراغ انگاره پیچیدگی می‌رویم و پیرامون تحول انگاره در فیزیک در دهه‌های گذشته صحبت می‌کنیم. نشان می‌دهیم که فیزیک آماری در گذار از ریزمقیاس به بزرگ‌مقیاس با چه چالش‌هایی روبه‌رو بوده. سپس به دنبال توجیه رفتارهای جمعی در سیستم‌های فیزیکی و زیستی به اهمیت برهمکنش‌های نابدیهی و شبکههای پیچیده می‌رسیم.
در ادامه قسمت قبل، به دنبال توجیه رفتارهای جمعی در سیستم‌های فیزیکی و زیستی به اهمیت برهمکنش‌های نابدیهی و شبکههای پیچیده می‌رسیم و به ویژگیهای این شبکه‌ها و پدیده‌های دینامیکی روی آنها می‌پردازیم. سرانجام در مورد مدل‌سازی‌های انتشار ویروس کرونا صحبت خواهیم کرد!
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.
اگر علاقه‌مند به پیوستن به ما هستید، مرام‌نامه ما را بخونید.
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؟!
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:
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 به 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
«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.
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.
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.
﷽ 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.
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!
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.
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:
