Model det, eller gør det Modelable - 💡 Fix My Ideas

Model det, eller gør det Modelable

Model det, eller gør det Modelable


Forfatter: Ethan Holmes, 2019

Denne sidste sommer havde jeg to gode praktikanter i mit laboratorium. Som normalt lærte de mig mere, end jeg lærte dem. En især hjalp mig med at forfine mine tanker om det tema, der gennemsyrer min hver dag.

Da Geoff først ankom til mit kontor, beskrev jeg hans sommerprojekt til ham. Jeg havde skrevet 2.000 linjer kode i MATLAB for at model Ackerman styre geometrien af ​​et vippende (lænende) køretøj. Han skulle tage den kode, tjekke den, forbedre den og afslutte den, og vi ville bygge bilen som en vippe, styring, lastbærende tricycle. Han sagde: "Det tager tre dage." Jeg modvirkede, "Jeg vil vædde på at det tager seks uger."

Geoff duve i koden. Han kigget kun op fra sin computer af to grunde: at høre instruktioner om brug af den vintage hånddrevne espressomaskine og at stirre på den fysiske prototype af vippekanten for at orientere sig om problemet. Han savnede sit eget tre-dages mål, men knuste mit seks ugers skøn, da han stolt viste mig den første arbejdsmodelmodel på bare to uger.

Og det er det tema, der gennemsyrer hele mit liv lige nu: beregningsmodellering.

Hvorfor? Sådan ser jeg det: Galileo Galilei gjorde nok for at indlede den videnskabelige revolution end nogen anden. Citatet "Mål hvad der er målbart, og gør målbart, hvad der ikke er så" tilskrives ham. I mit væsen gjorde videnskaben i det 19. og 20. århundrede netop det, og den videnskabelige metode - hjørnestenen i tankevækkende fremskridt i viden - er stærkt afhængig af god måling.

Vi målte alt, hvad vi kunne om universets skala. Vi undersøgte elementernes atomære og subatomiske struktur med utroligt elegante, enkeltparameterforsøg, som isolerede ting som en elektrons masse.

Denne type videnskab har været så vellykket, at det nu ser ud til, at de sande grænser for videnskaben findes mindre i undersøgelsen af ​​let reducerbare, målbare ting og mere i studiet af komplekse multiparametersystemer - som biologi, klima, stofskifte og økologi. I disse systemer er forståelsen bygget med modeller, der kan testes for deres gyldighed og korrespondance med den rodet, komplekse virkelige verden.

Ligesom mange fysiske systemer er der ikke noget perfekt svar på en vippetracykel, kun "optimal". Du kan optimere parametrene, men på grund af grænserne for fysisk realiserbare maskiner kan det kun være "næsten perfekt". Succes er tættere på næsten perfekt end andre folks modeller.

Men her er det smukke ved modellering. Beregningsmodeller er digitale, og det gør dem iboende delbare, uafhængigt verificerbare og nemme at samarbejde om og forbedre.

Mens min tilbøjelighed var at straks begynde at bygge noget fysisk, var Geoffs tilgang - tilgangen til en ny generation ingeniører og forskere - at starte med en model. Start med bits. Gør dem perfekte, smukke, forsvindbare, delelige bits, så gør dem fysiske, når du har nået et optimalt. Sikker på, at nogen kan finde ud af en bedre optimal dag, men fordi de kan begynde med at arbejde, eksekverbar kode, får de det hurtigere.

Der er en endnu vigtigere grund til at opmuntre denne kultur af fælles modeller. Jo flere mennesker der har erfaring med at simulere verden med succes og gøre ting fra disse modeller, jo flere mennesker vil stole på modellerne i vores fysiske verden, der vil guide, hvordan vi forme vores fremtid.

Jeg læste en gang om videnskaben om opfattelse og den ydmyge praksis for at fange en faldende bold. En bold, der bevæger sig 60mph, bevæger sig næsten 90 fod om et sekund. Den eneste grund til at vi kan fange det er, fordi vi har en mental model af hvor bolden vil være, når vores hånd opfanger det. I løbet af vores liv har vi opbygget en mental beregningsmodel, som vi har raffineret tusindvis af gange, hvilket hjælper os med at forudse en bolds fremtidige position, så vi kan fange det med vores relativt langsomme reflekser.

Vi har stor tro på evnen hos en professionel baseball player til at model fremtiden for en bold under komplekse blæsende, regnfulde og støjende forhold og at fange det. Det ville være rart at opbygge en lignende offentlig tro på vores professionelle videnskabers evne til at modellere fremtiden - havets fremtid, hvis vi fortsætter med at forurene dem med toksiner, atmosfæren, hvis vi fortsætter med at udlede kuldioxid og andre problemer der kræver, at menneskeheden får en hurtigere responstid end dens kulturelle reflekser.

Saul Griffith er en ny far, iværksætter og regelmæssig kolonneforfatter til MAKE magazine. otherlab.com

Denne kolonne er uddrag fra MAKE Volume 24, side 13.

Tjek MAKE Volume 24:

Gør blaster i kredsløb og videre med vores DIY Space problem. Sæt din egen satellit i kredsløb, start en stratosfæren ballonsonde og analyser galakser for $ 20 med en let spektrograph! Vi taler med de raketterne, der genopfinder rumbranchen, og afskediger NASA-hackere, der laver smartphone-robotter og Lego-satellitter. Dette plus en fuld nyttelast af andre kølige DIY projekter fra et heliumballon kamera, der er bedre end Google Earth, til en elektromagnetisk levitator, der skyder aluminiumsringe og meget mere.

Køb eller TILMELD



Du Kan Være Interesseret

Math Monday: Opret Pixel Art med Corn

Math Monday: Opret Pixel Art med Corn


Math Monday: Quest for den Platonically Ideal Cornucopia

Math Monday: Quest for den Platonically Ideal Cornucopia


Math Monday: Linkages - Fire barer, flere positioner?

Math Monday: Linkages - Fire barer, flere positioner?


Penny Sierpinski Triangle

Penny Sierpinski Triangle