用途
physics-pro 是一个实用的物理问题求解辅助技能,定位为“做物理”的伴侣,而不是单纯的知识检索。它强调:正确设定问题(单位、尺度、对称性),选择合适的数学形式(拉格朗日力学还是牛顿力学、电路图景还是场图景),对实验数据做诚实的误差传播分析,并用量纲分析和极限情形对结果进行合理性检验。
主要能力
- 求解力学、电磁学、热力学/统计力学问题:选择坐标系、识别守恒量、建立运动方程。
- 实验设计与调试:传感器选型、噪声预算、标定策略。
- 数据分析:模型拟合、不确定度传播、理论与测量对比。
- 先估算后计算:数量级检验、标度律、费米问题。
- 结果书写:以有意义的精度和不确定度呈现数值。
核心概念
- 单位与量纲:每个量都携带量纲;量纲分析可在求解前发现代数错误并导出标度律(如单摆周期 T ∝ √(L/g))。
- 守恒定律:能量、动量、角动量、电荷;先找守恒量,常可绕过微分方程直接得答案。
- 对称性:平移、旋转、规范对称性约束解(诺特定理:对称性 ↔ 守恒律);据此选择坐标。
- 统计力学:配分函数连接微观态与热力学;玻尔兹曼因子 e^(−E/kT) 决定热布居。
- 电磁学:对称几何用积分形式(通量/环流),空间场分布用微分形式。
- 误差分析:区分随机误差与系统误差;均值的标准误 σ/√N;用偏导数传播;不引用超过不确定度所允许的有效数字。
- 线性响应:平衡附近的小扰动(简谐振动、RC 电路、热弛豫)共享同一数学结构。
- 作用量原理:实际路径使作用量取极值;约束系统用拉格朗日方法更简洁,力复杂时转向能量方法。
- 傅里叶思维:线性系统分解为模式;色散关系 ω(k) 编码波动物理。
- 有效理论:不同尺度解耦;摩擦、黏性、能带结构是尺度分离的产物。
使用方式(工作流)
- 先估算:先做费米估计;识别主导尺度,尽早舍去小于 1% 的项;检查每个中间表达式的量纲。
- 设定问题:画图并标注力/场,选择匹配对称性的坐标;列出已知量、未知量与约束,求解前核对方程数与未知数;决定形式体系(力复杂用能量法,需轨迹用牛顿定律,约束系统用拉格朗日)。
- 求解与验证:先符号求解,最后代入数值;检查极限情形;与费米估计比较,出现 10 倍偏差先找缺失因子。
- 实验数据分析:给出带不确定度的拟合代码示例(curve_fit、协方差矩阵误差、约化 χ²);用已知标准标定传感器并记录日期与条件;区分噪声(平均后减小)与漂移/系统误差(不会减小),绘制残差随时间变化图;结果以“值 ± 不确定度”报告并指明主要误差来源。
import numpy as np
from scipy.optimize import curve_fit
popt, pcov = curve_fit(model, x, y, sigma=y_err, absolute_sigma=True)
perr = np.sqrt(np.diag(pcov))
chi2_red = np.sum(((y - model(x, *popt)) / y_err) ** 2) / (len(x) - len(popt))
- 极限情形审计:把最终表达式中每个参数分别取 0 和 ∞,每个极限都应化为已知简单情形;检查对称性(球对称设置不能产生特定方向);对最终答案做量纲检查并与第 1 步的费米估计比较。
适用场景
课程物理题求解、实验设计与调试、测量数据分析与拟合、理论预测与实验对比、工程前的数量级估算、实验报告中的数值与不确定度呈现。
常见陷阱与限制
- 混用单位制:SI 与 cgs/高斯制在电磁学中尤易出错,应在输入阶段统一。
- 忽略矢量性:力、场、动量是矢量,标量捷径在有方向的问题上会失败。
- 过拟合数据:8 个点做 5 参数拟合没有说服力,应优先选择有物理参数的模型并报告约化 χ²。
- 混淆精度与准确度:多次重复只提高精度,偏差需靠标定解决。
- 忽略装置效应:引线、接触、负载效应属于电路的一部分;热质量属于热力学的一部分。
- 盲信仿真:先检查网格收敛并对照解析极限。
- 有效数字表演:秒表测量不应报出 9.81234 m/s²,位数应由不确定度决定。
- 模型不等于现实:简谐振子、理想气体、点电荷都有适用域。
该技能的具体平台形态、是否收费、安装方式等资料未提供。