در سال اول تحصیلات تکمیلی خود، در سال 2013، مایکل واگمن وارد دفتر مشاور خود شد و از او پرسید: “آیا می توانید به من کمک کنید جهان را شبیه سازی کنم؟”
واگمن، فیزیکدان نظری و دانشمند وابسته در آزمایشگاه شتاب دهنده ملی فرمی در وزارت انرژی ایالات متحده، فکر می کند که این سؤال منطقی به نظر می رسد. او می‌گوید: «ما همه این توصیف‌های نظری زیبا درباره نحوه عملکرد جهان داریم، بنابراین می‌خواستم سعی کنم این قوانین رسمی فیزیک را به تجربه روزمره خود از واقعیت مرتبط کنم.
واگمن می گوید در پاسخ به این سوال مشاورش خندید. شبیه سازی جهان غیرممکن است. متغیرهای زیادی وجود دارد. چیزهای زیادی وجود دارد که ما نمی فهمیم.
اما این واقعیت که ما می‌توانیم از رایانه‌ها برای شبیه‌سازی هر چیزی با دقت مناسب استفاده کنیم، یک جهش بزرگ برای وضعیت هنر از همین یک قرن پیش است. به همین دلیل است که دانشمندانی مانند واگمن در جستجوی خود برای درک رمزهای اساسی جهان ثابت قدم می مانند.
که در کیهان در یک جعبهاندرو پونتزن، استاد کیهان شناسی کالج دانشگاه لندن که امسال منتشر شد، از این تلاش ها با ترسیم پیشرفت بشر در طول زمان به سمت شبیه سازی جهان حمایت می کند.
تاریخچه شبیه سازی های کامپیوتری
پونتزن می گوید شبیه سازی ها نوعی آزمایش های فرضی هستند. ما موقعیت‌های فرضی را در رایانه‌هایی که برنامه‌ریزی کرده‌ایم ایجاد می‌کنیم – در مورد ما، با قوانین خاصی از فیزیک – و سپس از رایانه می‌خواهیم که عواقب آن موقعیت را درک کند. بعد چه اتفاقی باید بیفتد؟
او می‌گوید ذهن‌های کنجکاو از زمان‌های قدیم شبیه‌سازی را به این روش تمرین می‌کردند. بیش از 2000 سال پیش، یونانیان باستان از نوعی کامپیوتر ابتدایی به نام مکانیسم آنتی کیترا برای محاسبه وقوع رویدادهای نجومی، مانند کسوف، استفاده کردند.
اما شاید اولین اشاره به مفهوم مدرن‌تر شبیه‌سازی در نوشته‌های آدا لاولیس، ریاضیدان انگلیسی و پیشگام در فناوری رایانه ظاهر شود. در اواسط قرن نوزدهم، لاولیس در کنار چارلز بابیج، دانشمند و مخترع انگلیسی که پیش‌ماده‌ای برای کامپیوتر مدرن به نام موتور تحلیلی تصور می‌کرد، کار می‌کرد. او نتوانست آن را بسازد، اما هدفش این بود که ماشینی بسازد که قادر به انجام محاسبات بی‌نهایت با تغییر دستورالعمل‌های کدگذاری‌شده روی نوارهای کارت باشد.
پونتزن می گوید لاولیس پتانسیل موتور تحلیلی را تشخیص داد. او در مورد این واقعیت نوشت که این دستگاه می تواند تحمل کند [theoretical] که علم نباید به دنبال معادلات انتزاعی باشد و آن را به چیزی بسیار کاربردی تر تبدیل کند.
در اوایل قرن بیستم، ریاضیدان و هواشناس، لوئیس فرای ریچاردسون، پیشنهاد ساخت یک آمفی تئاتر غول پیکر پر از ریاضیدانانی را داد که با هم محاسبه می کردند تا شبیه سازی هایی تولید کنند که آب و هوا را پیش بینی می کرد. پونتزن می‌گوید: «او معتقد بود که معادلات فیزیک که نحوه رفتار مواد را توصیف می‌کنند، می‌توانند روی مواد موجود در جو زمین اعمال شوند. “این اساساً همان کاری است که شبیه‌سازی‌های هواشناسی مدرن امروز انجام می‌دهند.”
یکی از اولین نمونه‌های شبیه‌سازی رایانه‌ای که زمینه کیهان‌شناسی را پیش می‌برد، از کار بئاتریس تینزلی در اواخر دهه 1960 به دست آمد. تینزلی، ستاره شناس و کیهان شناس (و اولین استاد زن نجوم در دانشگاه ییل)، از شبیه سازی استفاده کرد تا نشان دهد که دانشمندان نه تنها زمانی که به کهکشان های دور نگاه می کنند به گذشته نگاه می کنند، بلکه نور آن کهکشان های دوردست نیز باید تغییر کند. کهکشان ها در حال بلوغ هستند این اثر پیری تفسیر کیهان شناسان از نقشه های اولیه کیهان را تغییر داد.
پونتزن می‌گوید: «او این شبیه‌سازی‌ها را ساخت – که با استانداردهای امروزی بسیار ابتدایی در نظر گرفته می‌شوند، اما همچنان شبیه‌سازی‌هایی قابل تشخیص هستند – جایی که نشان داد با توجه به آنچه ما درباره جهان می‌دانیم، کهکشان‌های دور و نزدیک بسیار متفاوت هستند. و به یک معنا، هر کاری که از آن زمان تاکنون انجام داده‌ایم، استخوان‌های این ایده را که کهکشان‌ها در طول زمان تغییر زیادی می‌کنند، درآورده است.»
رفع مشکل فضا
اگرچه دانشمندان هنوز نمی‌توانند کل تکامل جهان را شبیه‌سازی کنند، اما توانسته‌اند از شبیه‌سازی‌ها برای یادگیری در مورد پدیده‌هایی استفاده کنند که نمی‌توانند مستقیماً آنها را شناسایی کنند، مانند ماده تاریک و انرژی تاریک.
پونتزن می‌گوید: برای مثال، داده‌های تلسکوپ فضایی هابل به ما گفت که جهان با سرعتی فزاینده در حال انبساط است، پدیده‌ای که به انرژی تاریک نسبت داده می‌شود. بسیار هیجان انگیز بود، اما واقعاً غافلگیرکننده نبود، زیرا شبیه سازی ها قبلاً نشان داده بودند که این احتمالاً درست است.
کیهان شناسان و فیزیکدانان از شبیه سازی ها برای درک بهتر نحوه عملکرد جهان در فضازمان استفاده می کنند: ساختارهای خاصی چگونه شکل می گیرند؟ کهکشان های معمولی چگونه تکامل می یابند؟
دوروتا گرابوسکا، فیزیکدان نظری و دستیار پژوهشی در دانشگاه واشنگتن می‌گوید شبیه‌سازی جنبه‌های خاص جهان مطمئناً مفید است، اما نمی‌توان تصویر بزرگ‌تر از نحوه عملکرد جهان را تنها با نگاه کردن به یک جنبه کنار هم گذاشت.
گرابوسکا می‌گوید: «ما هنوز سؤالات زیادی در مورد پویایی جهان اولیه داریم، و واقعاً دشوار است که بفهمیم چگونه اجزای خاصی از آن را محاسبه کنیم. «اگر می‌توانستم در زمان شروع جهان به حالت اولیه متصل شوم، و سپس اجازه بدهم به طور طبیعی در طول زمان تکامل یابد و اندازه‌گیری‌هایی را انجام دهم، بسیار ساده‌تر خواهد بود. اما انجام این کار به چند دلیل واقعاً سخت است.
یک چالش این است که مدل استاندارد فیزیک ذرات سه نیروی از چهار نیروی اساسی طبیعت – نیروی الکترومغناطیسی، نیروی ضعیف و نیروی قوی – را توضیح می‌دهد، اما چهارمین نیروی گرانش را توضیح نمی‌دهد.
واگمن می گوید: «ما نمی دانیم چگونه گرانش را شبیه سازی کنیم. ما می دانیم که نظریه نسبیت عام انیشتین و قانون گرانش نیوتن تقریب های خوبی هستند که در انرژی های پایین بسیار خوب عمل می کنند، اما وقتی می خواهید در مورد حالت های انرژی بسیار بالا سؤال بپرسید، ریاضیاتی که به آنها وارد می شود از بین می رود. شرایط انفجار بزرگ
یقیناً سه نیروی دیگر نیز به راحتی قابل شبیه سازی نیستند.
برای مثال، نیروی قوی بر برهمکنش ذرات بنیادی که پروتون‌ها و نوترون‌ها را می‌سازند، حاکم است. این فعل و انفعالات – که توسط کرومودینامیک کوانتومی یا QCD توصیف می‌شوند – چنان قوی هستند که هیچ تمایز واضحی در مورد اینکه کدام جنبه‌ها ممکن است حتی برای تقریب‌ها مهم‌تر از سایر جنبه‌ها باشند، وجود ندارد. گرابوسکا می‌گوید: «بسیاری از روش‌های کاغذ و قلم ما برای محاسبه آن کار نمی‌کنند، زیرا نمی‌توانیم تقریب‌سازی کنیم.»
برای دور زدن این موضوع، دانشمندان از محاسبات کوانتومی برای اجرای شبیه‌سازی‌های عددی با استفاده از نمونه‌گیری آماری استفاده می‌کنند که احتمال نتایج متفاوتی را ارائه می‌دهد – اما فقط در مقیاس زمانی که با واقعیت متفاوت است. Grabowska می گوید: «این بدان معناست که ما در واقع QCD را آنطور که در جهان ما ظاهر می شود شبیه سازی نمی کنیم. ما در حال شبیه سازی یکی از موارد مشابه هستیم که می تواند مستقیماً مرتبط باشد، اما یکسان نیست.
برای پیچیده‌ترین شبیه‌سازی‌ها، دانشمندان محاسباتی را برای جبران آنچه که نمی‌فهمند انجام داده‌اند و بر اساس آنچه انجام می‌دهند، مفروضاتی ایجاد می‌کنند. پونتزن می‌گوید: «شبیه‌سازی جهان می‌تواند به ما نشان دهد که با توجه به چیزهایی که قبلاً می‌دانیم، چه چیزی قابل قبول است. «شبیه‌سازی‌ها فقط مجموعه‌ای از اخطارها را به همراه دارند تا شبیه‌سازی کار کند».
قدرت شبیه سازی جهان
حتی اگر دانشمندان بتوانند بفهمند که چگونه هر چهار نیروی اساسی را در زمان واقعی توصیف کنند، و حتی اگر تمام قوانین فیزیک را درک کنند، قدرت محاسباتی که برای شبیه‌سازی جهان به آن نیاز دارند، هنوز دور از دسترس است.
اگر هدف پوشش دادن همه چیز در جهان در یک شبیه سازی است، به این معنی است که باید یک اتم در شبیه سازی برای هر اتم در جهان وجود داشته باشد. پونتزن می گوید: “هیچ کامپیوتری روی زمین وجود ندارد که از راه دور بتواند این کار را انجام دهد.” کیهان خیلی پیچیده است. فقط چیزهای زیادی در آن وجود دارد.
از سوی دیگر، واگمن می‌گوید: «محدودیت‌های بزرگی که ما می‌توانیم شبیه‌سازی کنیم دائماً در حال گسترش است، هم از طریق افزایش قدرت محاسباتی و هم مهم‌تر از آن، از طریق افرادی که الگوریتم‌های بهتری ارائه می‌کنند که به ما امکان می‌دهد چیزهای پیچیده‌تری را شبیه‌سازی کنیم. کاراتر.”
شبیه‌سازی‌ها به ما نشان می‌دهند که چه چیزی قابل قبول است تا بتوانیم پیش‌بینی‌هایی درباره نحوه عملکرد جهان طبیعی انجام دهیم، و در بسیاری از موارد این پیش‌بینی‌ها درست از آب در می‌آیند.
واگمن می گوید: «این بدان معنا نیست که همه چیز درست است، و در واقع غیرممکن است که همه چیز درست باشد. اما این به ما اطمینان می دهد که در مسیر درستی هستیم. این چیزی به ما می آموزد تا بتوانیم به ساختن تصویری تدریجی دقیق تر از جهان ادامه دهیم.
