Pourquoi un physicien devrait-il, dans une certaine mesure, connaître la physique expérimentale? [fermé]

J’ai essayé de dresser une liste avec les raisons pour lesquelles un bon physicien théoricien devrait comprendre les méthodes et la difficulté de faire de la physique expérimentale . Jusqu’à présent, je n’ai pensé qu’à deux points:

• Savoir comment une théorie peut ou ne peut pas être vérifiée;
• Être capable de lire des articles basés sur des données expérimentales;

Mais c’est à peu près ce à quoi je peux penser. Ne vous méprenez pas, je pense que la physique expérimentale est très difficile à travailler et je n’essaie pas de la diminuer avec ma liste ridiculement courte. Je ne peux vraiment penser à aucune autre raison. Quelqu’un peut-il m’aider?

En tant que théoricien, on aime inventer de nouvelles idées sur la façon dont les choses pourraient fonctionner. Un élément crucial de la construction de la théorie est la recherche du lien avec les expériences: une théorie n’a aucun sens physique lorsque nous ne pouvons pas la tester, car alors elle ne peut pas être falsifiée. Un théoricien devrait pouvoir proposer des tests expérimentaux pour ses théories . Cela nécessite une bonne compréhension de ce dont les expérimentateurs sont (non) capables.

L’exemple parfait ici est Einstein (n’est-ce pas toujours le cas?), Qui a proposé un certain nombre de prédictions expérimentalement testables de sa théorie de la relativité générale (celles de la relativité restreinte étaient assez évidentes, donc il n’a pas eu à travailler trop dur sur ça). La plus célèbre d’entre elles est la prédiction de la déviation correcte de la lumière, confirmée par Eddington et quelques autres lors d’une éclipse solaire.

Un exemple notoirement mauvais à cet égard est la théorie des cordes. Jusqu’à présent, il s’est avéré impossible de trouver un moyen de tester la théorie des cordes, et cela est considéré par beaucoup comme un problème grave (même si cela n’a peut-être pas à voir avec le manque de compréhension des théoriciens de la physique expérimentale).

Parce que sinon tu es mathématicien.

Le but de la physique est de décrire la nature en utilisant le langage des mathématiques, mais la seule façon de rester en contact avec la nature est d’interagir avec elle à travers des expériences et des observations.

Si vous perdez complètement la capacité de comprendre comment un processus démarre et se développe, dans quelle mesure il peut être influencé par des facteurs externes, comment extraire des données importantes afin de le comprendre et de le reproduire; alors vous jouez avec des nombres. Vous pouvez trouver des choses intéressantes mais vous ne faites plus de physique.

De plus, de nos jours, de nombreuses théories sont testées avec des simulations informatiques qui partagent bon nombre des techniques connues depuis des siècles par les expérimentateurs, en particulier en analyse de données. Se salir les mains de temps en temps fera de vous un meilleur physicien, non seulement lorsqu’il s’agit de concevoir un test expérimental pour votre travail: en effet, ce serait une tâche facile si vous aviez gardé votre modèle assez près de la nature.

Pour moi, un expérimentateur, le nombre de personnes théoriquement inclinées que j’ai observées ici, qui se débattent avec des concepts qui devraient être de la philosophie et qui se penchent sur l’ effondrement de la fonction d’onde , me stupéfie.

Je voudrais commander un cours de physique des particules, cela donnera une intuition de ce que signifie se déplacer dans les dimensions de la mécanique quantique, une connexion avec la réalité et les nombres durs. Sans une carte claire des nombres réels que nous avons maîtrisés qui décrivent la nature, un théoricien n’est qu’un mathématicien, en ce qui concerne l’intuition. C’est pourquoi nous obtenons des gens qui pensent avoir trouvé « la composite », ou une nouvelle façon de voir la nature: parce qu’ils ignorent la masse des données matérielles qui ont été accumulées au fil des ans et doivent être incorporées dans un ordre supérieur théorie.

En ce sens, le soutien solide des théories des cordes par de nombreux physiciens vient du fait qu’il a la structure de groupe et d’équation pour intégrer toutes les mesures durement gagnées des dernières décennies dans un cadre cohérent. D’un autre côté, c’est peut-être ce qui a amené les théoriciens à penser qu’ils peuvent simplement cogiter et créer des théories de la physique, car la théorie des cordes est une théorie validée par des théories qui ont été validées par des données. Espérons que plus de prédictions que de supersymétrie, bien que si elle est trouvée, elle sera suffisamment grande, et de grands modèles de dimension supplémentaire seront proposés pour des tests dans la prochaine génération de mesures au LHC et éventuellement à l’ ILC.

Certains cas avec des exemples de mon domaine (juste parce que je le connais le mieux), mais sont applicables à d’autres:

• Soyez conscient des observables. Ils fournissent des points de départ et d’arrivée pour une théorie.
  • Par exemple, si vous modélisez la structure 3D de protéines, vous pourriez être intéressé à générer des cartes de contact (essentiellement, toutes les paires d’atomes qui sont proches les unes des autres) car il existe des preuves expérimentales pour elles; ou autrement les utiliser comme entrée. Vous devez connaître les limites de ces données pour voir si les différences entre votre théorie et l’expérience sont significatives. Vous devez également être conscient des différences entre, par exemple, les plantes et les humains au niveau des protéines, ce qui fonctionne bien dans l’un peut ne pas le faire pour l’autre.
• Certaines parties de votre théorie peuvent être très difficiles à décrire analytiquement. Mais on peut, par exemple, essayer d’appliquer simplement le Machine Learning aux données et simplement l’utiliser. Cela signifie que vous devez être conscient de ses limites, ainsi que des aspects qui peuvent être améliorés dans un laps de temps réalisable (légères améliorations technologiques, différents paramètres, etc.).
  • Un flux d’électrons frappant une protéine aura tendance à la fragmenter et certains points sont plus faibles que d’autres. Cela peut être résolu théoriquement par certaines simulations de Monte Carlo et la théorie des perturbations, mais dans la pratique, il est impossible de le faire (ou du moins, il l’a été jusqu’à présent). Mais il existe des milliers de machines qui génèrent littéralement des gigaoctets de données toutes les heures. On pourrait simplement en rassembler suffisamment pour obtenir un bon modèle. Et pas une seule fonction d’onde n’était nécessaire.
  • Dans l’appareil précédent, on peut obtenir moins de bruit et une meilleure résolution simplement en augmentant le temps d’intégration. Cela signifie que nous obtenons moins d’échantillons, mais ils vont être plus précis. Si votre application particulière bénéficierait d’une plus grande précision, vous savez que vous pouvez obtenir quelques plis avec les machines d’aujourd’hui. D’un autre côté, d’autres sources de bruit ne peuvent pas être facilement améliorées et il faut trouver le moyen de les gérer.

Je veux ajouter que dans le second cas, en fonction de l’algorithme ML utilisé, on peut réellement faire une interprétation physique des paramètres. Quelque chose de similaire au modèle de goutte liquide pour les masses nucléaires: c’est juste un ajustement de nombreux paramètres, mais intéressant, pour certains d’entre eux qui peuvent être (au moins partiellement) modélisés théoriquement, les valeurs sont dans la même plage.

Voici une raison qui n’a pas encore été abordée (mais qui est évoquée par votre question): pour pouvoir former de nouvelles théories.

Beaucoup de théories les plus intéressantes en physique proviennent de quelqu’un qui lit une expérience et essaie d’expliquer les résultats. Nous n’aurions pas de relativité si Einstein n’avait pas lu sur l’expérience de Michelson – Morley et dit « hmm … supposons qu’il n’y a pas d’erreur, quelque chose de drôle se passe ici ».

Il y a encore beaucoup d’expériences publiées avec des résultats inattendus avec des explications incomplètes ou pas si convaincantes. Oui, beaucoup d’entre eux sont dans des domaines moins glamour tels que la mécanique des fluides ou l’acoustique ou la dynamique des foules. Mais de temps en temps, nous en tirons des théories intéressantes et de temps en temps deux domaines apparemment sans rapport produisent une seule théorie unificatrice.

Je ne sais pas si cela aide, mais peut-être que décomposer ce qui peut être vérifié en quelles quantités mesurables peut être utile? Peut-être aussi dans quelles limites les quantités du modèle sont valables.

Je dois admettre qu’en tant que physicien défaillant (je pense à tous les niveaux), la physique théorique est peut-être plus de mathématiques appliquées en ce sens que les concepts mathématiques sont appliqués pour résoudre des problèmes physiques tandis que les mathématiciens sont plus soucieux de développer des concepts mathématiques. Bien sûr, cela ne signifie pas que certains concepts commencent leur vie entre les mains de physiciens théoriciens et sont repris par des mathématiciens et étudiés plus en profondeur. Les deux groupes sont nécessaires et importants.

Je dois admettre que pour moi le nombril (qui je pense est un peu dur) comme le coup de pied sur les pneus sur QM (problème de mesure etc.) est essentiel pour vraiment comprendre les limites du modèle. Ce n’est qu’en essayant d’aller au-delà des limites actuelles de notre compréhension que nous progressons.

Pour ma part, je dois admettre que j’ai toujours des réserves sur la théorie de la perturbation (pour moi, il semble toujours essayer d’installer une cheville carrée dans un trou rond en rasant les morceaux – cela convient, mais est-ce juste). Mais cela pourrait être dû au fait que je comprends très peu.