Als Theoretiker erfindet man gerne neue Ideen, wie Dinge funktionieren könnten. Eine entscheidende Komponente für die Theoriebildung ist die Suche nach Verbindungen zu Experimenten: Eine Theorie ist physikalisch bedeutungslos, wenn wir sie nicht testen können, denn dann kann sie nicht gefälscht werden. Ein Theoretiker sollte in der Lage sein, experimentelle Tests für seine Theorien zu entwickeln. Dies erfordert ein gutes Verständnis dessen, wozu Experimentatoren (nicht) fähig sind.

Das perfekte Beispiel hier ist Einstein (nicht immer?), der eine Reihe experimentell überprüfbarer Vorhersagen seiner allgemeinen Relativitätstheorie lieferte (die für die spezielle Relativitätstheorie waren ziemlich offensichtlich, also tat er es nicht Ich muss nicht zu hart daran arbeiten. Die bekannteste davon ist die Vorhersage der korrekten Ablenkung des Lichts, die von Eddington und einigen anderen während einer Sonnenfinsternis bestätigt wurde.

Ein notorisch schlechtes Beispiel in diesem Aspekt ist die Stringtheorie. Es hat sich bisher als unmöglich herausgestellt, einen Weg zu finden, um die Stringtheorie zu testen, und dies wird von vielen als ernstes Problem angesehen (obwohl dies möglicherweise nicht mit dem mangelnden Verständnis der Theoretiker für experimentelle Physik zu tun hat).

Weil Sie sonst Mathematiker sind.

Der Sinn der Physik besteht darin, die Natur in der Sprache der Mathematik zu beschreiben. Die einzige Möglichkeit, mit der Natur in Kontakt zu bleiben, besteht darin, durch Experimente und Beobachtungen mit ihr zu interagieren.

Wenn Sie verlieren völlig die Fähigkeit zu erfassen, wie ein Prozess beginnt und sich entwickelt, wie stark er durch externe Faktoren beeinflusst werden kann, wie wichtige Daten extrahiert werden, um sie zu verstehen und zu reproduzieren. dann spielst du nur mit zahlen. Sie mögen interessante Dinge finden, aber Sie machen keine Physik mehr.

Außerdem werden heutzutage viele Theorien mit Computersimulationen getestet, die viele der Techniken teilen, die den Experimentatoren seit Ewigkeiten bekannt sind, insbesondere in der Datenanalyse. Wenn Sie sich von Zeit zu Zeit die Hände schmutzig machen, werden Sie zu einem viel besseren Physiker, nicht nur, wenn es darum geht, einen experimentellen Test für Ihre Arbeit zu entwerfen. Dies wäre in der Tat eine leichte Aufgabe, wenn Sie Ihr Modell nah genug an der Natur gehalten hätten / p>

Für mich, einen Experimentator, überrascht mich die Anzahl der theoretisch veranlagten Menschen, die ich hier beobachtet habe, die mit Konzepten zappeln, die Philosophie sein sollten, und die den Blick auf den Zusammenbruch der Wellenfunktion werfen.

Ich würde einen Kurs in Teilchenphysik bestellen, der eine Vorstellung davon gibt, was es bedeutet, sich in den quantenmechanischen Dimensionen zu bewegen, eine Verbindung mit der Realität und harten Zahlen. Ohne eine klare Karte der reellen Zahlen, die wir beherrschen und die die Natur beschreiben, ist ein Theoretiker, soweit es die Intuition betrifft, nur ein Mathematiker. Deshalb bekommen wir Leute, die glauben, "Compositness" oder eine neue Sichtweise der Natur gefunden zu haben: weil sie den Großteil der harten Daten, die im Laufe der Jahre aufgebaut wurden und in einer höheren Ordnung aufgenommen werden müssen, nicht kennen Theorie.

In diesem Sinne kommt die starke Unterstützung von Stringtheorien durch viele Physiker, weil sie die Gruppen- und Gleichungsstruktur haben, um alle hart erkämpften Messungen der letzten Jahrzehnte in einen kohärenten Rahmen einzubetten. Auf der anderen Seite hat dies vielleicht den Theoretiker zu dem Gedanken gebracht, dass sie nur nachdenken und physikalische Theorien erstellen können, weil die Stringtheorie eine Theorie ist, die durch Theorien validiert wird, die durch Daten validiert wurden. Hoffen wir, dass mehr Vorhersagen als Supersymmetrie vorliegen. Wenn sie jedoch gefunden wird, ist sie groß genug, und es werden große Modelle mit zusätzlichen Dimensionen zum Testen in der nächsten Generation von Messungen am LHC und möglicherweise im ILC angeboten.

Einige Fälle mit Beispielen aus meinem Bereich (nur weil ich es am besten kenne), aber auch auf andere anwendbar:

• Beachten Sie die Observablen. Sie bieten Start- und Endpunkte für eine Theorie.
  • Wenn Sie beispielsweise die 3D-Struktur von Proteinen modellieren, könnten Sie daran interessiert sein, Kontaktkarten (im Grunde alle Paare von) zu erstellen Atome, die nahe beieinander liegen), weil es experimentelle Beweise dafür gibt; oder anderweitig als Eingabe verwenden. Sie müssen die Einschränkungen dieser Daten kennen, um festzustellen, ob die Unterschiede zwischen Ihrer Theorie und dem Experiment signifikant sind. Sie müssen sich auch der Unterschiede zwischen beispielsweise Pflanzen und Menschen auf Proteinebene bewusst sein. Was bei einem gut funktioniert, kann beim anderen möglicherweise nicht funktionieren.
• Einige Teile Ihrer Theorie sind möglicherweise nur sehr schwer analytisch zu beschreiben. Man kann zum Beispiel versuchen, maschinelles Lernen einfach auf die Daten anzuwenden und sie einfach zu verwenden. Dies bedeutet, dass Sie sich seiner Grenzen bewusst sein müssen und wissen müssen, welche Aspekte in einer möglichen Zeitspanne verbessert werden können (geringfügige technologische Verbesserungen, unterschiedliche Einstellungen usw.).
  • Ein Elektronenfluss, der auf ein Protein trifft, wird neigen dazu, es zu fragmentieren, und einige Stellen sind schwächer als andere. Dies mag theoretisch durch einige Monte-Carlo-Simulationen und die Störungstheorie lösbar sein, ist jedoch in der Praxis nicht rückgängig zu machen (oder zumindest bisher). Es gibt jedoch Tausende von Maschinen, die jede Stunde buchstäblich Gigabyte an Daten generieren. Man könnte gerade genug davon sammeln, um ein gutes Modell zu bekommen. Und es wurde keine einzige Wellenfunktion benötigt.
  • In der vorherigen Vorrichtung kann man durch Erhöhen der Integrationszeit weniger Rauschen und eine bessere Auflösung erzielen. Dies bedeutet, dass wir weniger Proben erhalten, diese jedoch genauer sind. Wenn Ihre spezielle Anwendung eine höhere Genauigkeit erzielen würde, wissen Sie, dass Sie mit den heutigen Maschinen einige Falten erzielen können. Andererseits können andere Geräuschquellen nicht einfach verbessert werden, und man muss den Weg finden, um mit ihnen umzugehen.

Ich möchte das hinzufügen im zweiten Fall kann man abhängig vom verwendeten ML-Algorithmus tatsächlich eine physikalische Interpretation der Parameter vornehmen. Ähnlich wie beim Flüssigkeitstropfenmodell für die Kernmassen: Es ist nur eine Anpassung vieler Parameter, aber interessanterweise liegen die Werte für einige von ihnen, die theoretisch (zumindest teilweise) modelliert werden können, im gleichen Bereich.

Hier ist ein Grund, der noch nicht angesprochen wurde (auf den Ihre Frage anspielt): neue Theorien aufstellen zu können.

Viele der interessantesten Theorien in der Physik stammen von jemandem Lesen Sie über ein Experiment und versuchen Sie, die Ergebnisse zu erklären. Wir hätten keine Relativitätstheorie, wenn Einstein nicht über das Michelson-Morley-Experiment gelesen hätte und gesagt hätte: "Hmm ... nehmen wir an, es gibt keine Fehler, hier ist etwas Lustiges los."

Es gibt immer noch viel von Experimenten, die mit unerwarteten Ergebnissen mit unvollständigen oder nicht so überzeugenden Erklärungen veröffentlicht wurden. Ja, viele von ihnen befinden sich in weniger glamourösen Bereichen wie Strömungsmechanik oder Akustik oder Crowd-Dynamik. Aber hin und wieder bekommen wir interessante Theorien daraus und hin und wieder ergeben zwei scheinbar nicht verwandte Felder eine einzige einheitliche Theorie.

Ich weiß nicht, ob es hilft, aber vielleicht kann es hilfreich sein, zu zerlegen, was in die messbaren Größen verifiziert werden kann. Vielleicht sind auch innerhalb der Grenzen die Mengen aus dem Modell gültig.

Ich muss als gescheiterter Physiker (ich denke auf allen Ebenen) zugeben, dass theoretische Physik vielleicht mehr angewandte Mathematik in dem Sinne ist, dass mathematische Konzepte angewendet werden, um physikalische Probleme anzugehen, während sich Mathematiker mehr mit der Entwicklung befassen mathematische Konzepte. Das bedeutet natürlich nicht, dass einige Konzepte in den Händen theoretischer Physiker entstehen und von Mathematikern übernommen und eingehender untersucht werden. Beide Gruppen sind notwendig und wichtig.

Ich muss zugeben, dass für mich das Nabelschauen (was ich für etwas hart halte) wie das Treten der Reifen auf QM (Messproblem usw.) wesentlich ist, um die Grenzen des Modells wirklich zu verstehen. Nur wenn wir versuchen, über die derzeitigen Grenzen unseres Verständnisses hinauszugehen, kommen wir voran.

Ich für meinen Teil muss zugeben, dass ich immer noch Vorbehalte gegen die Störungstheorie habe (für mich scheint es immer noch so, als würde ich versuchen, ein Quadrat anzupassen durch Abrasieren von Bits in ein rundes Loch stecken - es passt, aber ist es richtig). Aber das könnte möglicherweise daran liegen, dass ich sehr wenig verstehe.