Media is too big
VIEW IN TELEGRAM
🎥 مستند "آیا جهان بیشتر از ۳ بعد دارد؟" قسمت دوم
بعد چهارم ماده تاریک
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
بعد چهارم ماده تاریک
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
انتگرال مسیر فاینمن
یکی از فرمولبندیهای مکانیک کوانتومی است که توسط ریچارد فاینمن معرفی شد. این فرمولبندی جایگزینی برای فرمولبندی شرودینگر و هایزنبرگ است و از مفاهیم مکانیک لاگرانژی استفاده میکند.
مفهم کلی:
در فرمولبندی انتگرال مسیر، احتمال گذار یک سیستم کوانتومی از حالت اولیه | xi,ti⟩ به حالت نهایی | xf,tf⟩ بهصورت جمع روی تمام مسیرهای ممکن بین این دو نقطه در نظر گرفته میشود. هر مسیر به تابع موج سهمی با یک فاز خاص میدهد که متناسب با کنش کلاسیکی مسیر است.
@cosmos_physics
@mathematics_learn
یکی از فرمولبندیهای مکانیک کوانتومی است که توسط ریچارد فاینمن معرفی شد. این فرمولبندی جایگزینی برای فرمولبندی شرودینگر و هایزنبرگ است و از مفاهیم مکانیک لاگرانژی استفاده میکند.
مفهم کلی:
در فرمولبندی انتگرال مسیر، احتمال گذار یک سیستم کوانتومی از حالت اولیه | xi,ti⟩ به حالت نهایی | xf,tf⟩ بهصورت جمع روی تمام مسیرهای ممکن بین این دو نقطه در نظر گرفته میشود. هر مسیر به تابع موج سهمی با یک فاز خاص میدهد که متناسب با کنش کلاسیکی مسیر است.
@cosmos_physics
@mathematics_learn
Media is too big
VIEW IN TELEGRAM
🎥 آیا جهان برای وجود حیات تنظیم شده؟
چطور ممکن است ثابت های کیهانی رقمهای متفاوتی در سایر جهانها داشته باشند؟
چطورممکن است تعداد زیادی جهان با قوانین متفاوت از هم ،ثابت های کیهانی متفاوت از هم، موجود باشند؟
آیا جهانهای چندگانه روزی تایید خواهند شد؟
برایان گرین
@cosmos_physics
چطور ممکن است ثابت های کیهانی رقمهای متفاوتی در سایر جهانها داشته باشند؟
چطورممکن است تعداد زیادی جهان با قوانین متفاوت از هم ،ثابت های کیهانی متفاوت از هم، موجود باشند؟
آیا جهانهای چندگانه روزی تایید خواهند شد؟
برایان گرین
@cosmos_physics
Media is too big
VIEW IN TELEGRAM
🎥 مستند "آیا جهان بیشتر از ۳ بعد دارد؟" قسمت سوم
نظریه ریسمان
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
نظریه ریسمان
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
Media is too big
VIEW IN TELEGRAM
🎥 مستند "آیا جهان بیشتر از ۳ بعد دارد؟" قسمت چهارم
نظریه ریسمان، جهانهای موازی
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
نظریه ریسمان، جهانهای موازی
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
Media is too big
VIEW IN TELEGRAM
🎥 مستند "آیا جهان بیشتر از ۳ بعد دارد؟" قسمت پنجم
تفاوت ابعاد، سِرن
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
تفاوت ابعاد، سِرن
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
Media is too big
VIEW IN TELEGRAM
🎥 مستند "آیا جهان بیشتر از ۳ بعد دارد؟" قسمت ششم
قسمت پایانی
ابعاد بزرگ
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
قسمت پایانی
ابعاد بزرگ
آیا سفر به درون ابعاد دیگر امکان پذیر است؟
@cosmos_physics
2503.20067
1.2 MB
📚 The Great Rift in Physics
Tim Maudlin
مسئله گرانش کوانتومی نه یک چالش بلکه یک ناسازگاری عمیق در مبانی نظریه کوانتومی و نسبیت است.
مقاله جدید از تیم مادلین
@cosmos_physics
Tim Maudlin
مسئله گرانش کوانتومی نه یک چالش بلکه یک ناسازگاری عمیق در مبانی نظریه کوانتومی و نسبیت است.
مقاله جدید از تیم مادلین
@cosmos_physics
This media is not supported in your browser
VIEW IN TELEGRAM
🎥 آیا از درهمتنیدگی کوانتومی میتوان برای انتقال اطلاعات با سرعت بیش از سرعت نور استفاده کرد؟
درهمتنیدگی کوانتومی پدیده ایست که بک یا چند ذره مختلف را به گونه ای با هم مرتبط میکند که اگر یک ویژگی کوانتومی یک ذره را اندازهگیری کنید، بلافاصله از ویژگی کوانتومی سایر ذره ها هم مطلع خواهید شد. مهم نیست این ذرات چقدر با هم فاصله داشته باشند (میتوانند در دو سوی جهان قابل رویت باشند)
این پدیده بارها مشاهده شده است و جایزه نوبل فیزیک ۲۰۲۲ درباره آن بود!
کجفهمی مهم در این زمینه این است که تصور میشود با این پدیده میتوان انتقال اطلاعات با بیش از سرعت نور را انجام داد!
انیشتن درباره این پدیده توصیف معروف زیر را دارد
Spukhafte fernwirkung
Spooky action at a distance
یا کنش شبحوار در دوردست
فیلم توضیح میدهد که چرا امکان انتقال اطلاعات با درهمتنیدگی کوانتومی وجود ندارد. در واقع نتیجه اندازهگیری یکی از ذرات درهمتنیده، کاملا تصادفی است و نمیتوان اطلاعات خاصی را به هر یک از حالات اندازه گیری شده نسبت داد تا بتوان با اندازه گیری ذره دیگر به آن اطلاعات رسید!
@cosmos_physics
درهمتنیدگی کوانتومی پدیده ایست که بک یا چند ذره مختلف را به گونه ای با هم مرتبط میکند که اگر یک ویژگی کوانتومی یک ذره را اندازهگیری کنید، بلافاصله از ویژگی کوانتومی سایر ذره ها هم مطلع خواهید شد. مهم نیست این ذرات چقدر با هم فاصله داشته باشند (میتوانند در دو سوی جهان قابل رویت باشند)
این پدیده بارها مشاهده شده است و جایزه نوبل فیزیک ۲۰۲۲ درباره آن بود!
کجفهمی مهم در این زمینه این است که تصور میشود با این پدیده میتوان انتقال اطلاعات با بیش از سرعت نور را انجام داد!
انیشتن درباره این پدیده توصیف معروف زیر را دارد
Spukhafte fernwirkung
Spooky action at a distance
یا کنش شبحوار در دوردست
فیلم توضیح میدهد که چرا امکان انتقال اطلاعات با درهمتنیدگی کوانتومی وجود ندارد. در واقع نتیجه اندازهگیری یکی از ذرات درهمتنیده، کاملا تصادفی است و نمیتوان اطلاعات خاصی را به هر یک از حالات اندازه گیری شده نسبت داد تا بتوان با اندازه گیری ذره دیگر به آن اطلاعات رسید!
@cosmos_physics
آیا علم در آستانهٔ دگرگونی است؟
با ظهور و گسترش هوش مصنوعی، بهویژه یادگیری ماشین مبتنی بر شبکههای عصبی، این پرسش جدی مطرح شده است که آیا در آیندهای نهچندان دور، مفهوم «روش علمی» و شاید کلیت علم، دستخوش تحولی بنیادین خواهد شد؟
در روش علمی سنتی، ما با مشاهدهٔ طبیعت به دنبال ساختن مدلهایی هستیم که بتوانند رفتار طبیعت را توصیف و پیشبینی کنند. جالب آنکه این دقیقاً همان کاری است که سیستمهای یادگیری ماشین نیز انجام میدهند: دادهها را دریافت میکنند، بر اساس آنها مدل میسازند، و از دل این مدلها پیشبینیهایی ارائه میدهند—و حتی در برخی موارد، چیزهایی خلق میکنند که به نظر «نو» میرسند.
با این حال، منتقدان تأکید میکنند که میان مدلسازی علمی و مدلسازی توسط یادگیری ماشین تفاوتی بنیادین وجود دارد: مدلهای علمی معمولاً تفسیرپذیر هستند، در حالیکه مدلهای یادگیری ماشین، بهویژه شبکههای عصبی عمیق، مانند جعبه سیاه عمل میکنند. به بیان دیگر مدل سازی علمی به "فهم" ما از طبیعت کمک می کند در حالی که مدل سازی ماشینی به نظر می رسد فهم را فراهم نمی کند.
برای مثال، در فیزیک، ما ممکن است با یک معادلهٔ دیفرانسیل رفتار یک سامانه را پیشبینی کنیم؛ معادلهای که قابل تحلیل است، معنا و ساختار دارد، و میتوان برای آن تفاسیر فیزیکی روشنی ارائه داد. اما در مقابل، شبکهٔ عصبیای که همان پدیده را پیشبینی میکند، ممکن است میلیونها پارامتر داشته باشد که هیچگونه تفسیر مستقیمی برایشان وجود ندارد.
در اینجا مسئلهٔ «تفسیر» بهعنوان دغدغهای جدی مطرح میشود و این موضوع ما را به حوزهٔ فلسفهٔ علم میکشاند:
تفسیرپذیری دقیقاً یعنی چه؟ چگونه میتوان گفت که یک مدل یا یک معادله تفسیر دارد؟ و چه زمانی علم صرفاً به «پیشبینی درست» بسنده نمیکند، بلکه به دنبال «فهم» هم هست؟
در این میان، رویکردهایی نیز شکل گرفتهاند که تلاش میکنند از دل دادهها، مدلهای تفسیرپذیر علمی استخراج کنند. یکی از این تلاشها، استفاده از روشهایی مانند رگرسیون نمادین (symbolic regression) است که هدف آن یافتن معادلات ریاضی ساده و معنادار از دل دادههای پیچیده است. اما اینکه آیا این روشها واقعاً میتوانند جای مدلسازی سنتی را بگیرند، و تا چه اندازه در کشف قوانین علمی بنیادی موفق بودهاند، همچنان محل بحث است.
مقالهای جدید با عنوان
On the definition and importance of interpretability in scientific machine learning
به این مسائل میپردازد. نویسندگان معتقدند بسیاری از تلاشها برای تفسیرپذیر کردن یادگیری ماشین، مانند استفاده از روشهای «رگرسیون نمادین»، تفسیر را با «سادگی ریاضی» یا «فشردگی» اشتباه گرفتهاند. آنها پیشنهاد میدهند که باید تفسیری *مکانیزمی* از مدلها داشته باشیم، یعنی درک کنیم چگونه و چرا خروجیها تولید میشوند، نه فقط اینکه مدل کوتاه و زیبا باشد.
🗞 مقاله
@cosmos_physics
با ظهور و گسترش هوش مصنوعی، بهویژه یادگیری ماشین مبتنی بر شبکههای عصبی، این پرسش جدی مطرح شده است که آیا در آیندهای نهچندان دور، مفهوم «روش علمی» و شاید کلیت علم، دستخوش تحولی بنیادین خواهد شد؟
در روش علمی سنتی، ما با مشاهدهٔ طبیعت به دنبال ساختن مدلهایی هستیم که بتوانند رفتار طبیعت را توصیف و پیشبینی کنند. جالب آنکه این دقیقاً همان کاری است که سیستمهای یادگیری ماشین نیز انجام میدهند: دادهها را دریافت میکنند، بر اساس آنها مدل میسازند، و از دل این مدلها پیشبینیهایی ارائه میدهند—و حتی در برخی موارد، چیزهایی خلق میکنند که به نظر «نو» میرسند.
با این حال، منتقدان تأکید میکنند که میان مدلسازی علمی و مدلسازی توسط یادگیری ماشین تفاوتی بنیادین وجود دارد: مدلهای علمی معمولاً تفسیرپذیر هستند، در حالیکه مدلهای یادگیری ماشین، بهویژه شبکههای عصبی عمیق، مانند جعبه سیاه عمل میکنند. به بیان دیگر مدل سازی علمی به "فهم" ما از طبیعت کمک می کند در حالی که مدل سازی ماشینی به نظر می رسد فهم را فراهم نمی کند.
برای مثال، در فیزیک، ما ممکن است با یک معادلهٔ دیفرانسیل رفتار یک سامانه را پیشبینی کنیم؛ معادلهای که قابل تحلیل است، معنا و ساختار دارد، و میتوان برای آن تفاسیر فیزیکی روشنی ارائه داد. اما در مقابل، شبکهٔ عصبیای که همان پدیده را پیشبینی میکند، ممکن است میلیونها پارامتر داشته باشد که هیچگونه تفسیر مستقیمی برایشان وجود ندارد.
در اینجا مسئلهٔ «تفسیر» بهعنوان دغدغهای جدی مطرح میشود و این موضوع ما را به حوزهٔ فلسفهٔ علم میکشاند:
تفسیرپذیری دقیقاً یعنی چه؟ چگونه میتوان گفت که یک مدل یا یک معادله تفسیر دارد؟ و چه زمانی علم صرفاً به «پیشبینی درست» بسنده نمیکند، بلکه به دنبال «فهم» هم هست؟
در این میان، رویکردهایی نیز شکل گرفتهاند که تلاش میکنند از دل دادهها، مدلهای تفسیرپذیر علمی استخراج کنند. یکی از این تلاشها، استفاده از روشهایی مانند رگرسیون نمادین (symbolic regression) است که هدف آن یافتن معادلات ریاضی ساده و معنادار از دل دادههای پیچیده است. اما اینکه آیا این روشها واقعاً میتوانند جای مدلسازی سنتی را بگیرند، و تا چه اندازه در کشف قوانین علمی بنیادی موفق بودهاند، همچنان محل بحث است.
مقالهای جدید با عنوان
On the definition and importance of interpretability in scientific machine learning
به این مسائل میپردازد. نویسندگان معتقدند بسیاری از تلاشها برای تفسیرپذیر کردن یادگیری ماشین، مانند استفاده از روشهای «رگرسیون نمادین»، تفسیر را با «سادگی ریاضی» یا «فشردگی» اشتباه گرفتهاند. آنها پیشنهاد میدهند که باید تفسیری *مکانیزمی* از مدلها داشته باشیم، یعنی درک کنیم چگونه و چرا خروجیها تولید میشوند، نه فقط اینکه مدل کوتاه و زیبا باشد.
🗞 مقاله
@cosmos_physics
arXiv.org
On the definition and importance of interpretability in scientific...
Though neural networks trained on large datasets have been successfully used to describe and predict many physical phenomena, there is a sense among scientists that, unlike traditional scientific...
Media is too big
VIEW IN TELEGRAM
🎥 سه زن ستاره شناسی که نگرش ما به جهان را تغییر دادند:
۱) هنریتا سوان لیویت (۱۸۶۸-۱۹۲۱): ستاره شناسی که قانون دوره درخشندگی را به دست آورد که به وسیله آن میتوان فواصل ستارگان را در فضا اندازه گیری کرد. با استفاده ازین کشف لیویت بود که ادوین هابل فواصل لکه های نورانی که در آسمان میدید را اندازه گرفت و برای اولین بار متوجه شد که آنها ستاره نیستند بلکه کهکشانهای دیگری بسیار دورتر از ما هستند.
۲) سیسیلیا پین گَپُشکین (۱۹۰۰-۱۹۷۹): ستاره شناسی که با بررسی و مطالعه روی طیف گسیلی ستارگانی همچون خورشید، به ماهیت هیدروژنی آنها پی برد. تا آن زمان کسی نمیدانست که ستارگان از چه ساخته شده اند.
۳) ویرا روبین ( ۱۹۲۸-۲۰۱۶): ستارهشناس آمریکایی که با تحقیق بر روی حرکت دورانی و جرم کهکشانها، توانست وجود ماده تاریک را اثبات کند.
@cosmos_physics
۱) هنریتا سوان لیویت (۱۸۶۸-۱۹۲۱): ستاره شناسی که قانون دوره درخشندگی را به دست آورد که به وسیله آن میتوان فواصل ستارگان را در فضا اندازه گیری کرد. با استفاده ازین کشف لیویت بود که ادوین هابل فواصل لکه های نورانی که در آسمان میدید را اندازه گرفت و برای اولین بار متوجه شد که آنها ستاره نیستند بلکه کهکشانهای دیگری بسیار دورتر از ما هستند.
۲) سیسیلیا پین گَپُشکین (۱۹۰۰-۱۹۷۹): ستاره شناسی که با بررسی و مطالعه روی طیف گسیلی ستارگانی همچون خورشید، به ماهیت هیدروژنی آنها پی برد. تا آن زمان کسی نمیدانست که ستارگان از چه ساخته شده اند.
۳) ویرا روبین ( ۱۹۲۸-۲۰۱۶): ستارهشناس آمریکایی که با تحقیق بر روی حرکت دورانی و جرم کهکشانها، توانست وجود ماده تاریک را اثبات کند.
@cosmos_physics
ایدهای تازه درباره منشا جهان
درک رایج غیرعلمی از بیگبنگ این است که جهان از یک انفجار عظیم آغاز شده است؛ لحظهای منحصر بهفرد که در آن، فضا، زمان و ماده بهوجود آمدند. پژوهش تازهای این تصور غیرعلمی را به چالش میکشد.
در مقالهای تازه که در نشریه Physical Review D منتشر شده است، نویسنده و همکارانش دیدگاهی کاملاً متفاوت را مطرح کردهاند. آنها بر اساس محاسبات خود پیشنهاد میدهند که بیگبنگ نه آغاز، بلکه پیامد یک فروریزش گرانشی عظیم بوده است؛ یک فشردگی شدید که منجر به شکلگیری یک سیاهچاله بسیار بزرگ شده، و در درون آن، نوعی بازگشت یا پرش (bounce) رخ داده است.
این ایده که جهانِ درون سیاهچاله نام دارد، بهگونهای بنیادین با نگاه سنتی به کیهان متفاوت است. با این حال، پایههای این نظریه بر مفاهیم پذیرفتهشدهی فیزیک گرانشی و نسبیت عام استوار است.
در این دیدگاه، جهان ما محصول نهایی فروپاشی یک ناحیهی فشردهی ماده است که پیش از آن وجود داشته، نه آغازی از هیچ مطلق.
این مدل، به جای آنکه لحظهی بیگبنگ را یک نقطهی منفرد و نامفهوم بداند، آن را نتیجهی فرایندی درونی در سیاهچالهای عظیم معرفی میکند. در چنین حالتی، آنچه ما به عنوان جهان میشناسیم، میتواند ناحیهای درونی از سیاهچالهای باشد که در جهان مادر خود شکل گرفته و با پدیدهای مانند پرش کوانتومی آغاز به انبساط کرده است.
این ایده همچنین به صورت بالقوه میتواند برخی از مسائل حلنشدهی کیهانشناسی را توضیح دهد، از جمله ویژگیهای خاص تابش زمینه کیهانی، یکنواختی دما در سراسر جهان، و حتی مسئلهی ماده تاریک و انرژی تاریک.
با وجود نوآورانه بودن این فرضیه، همچنان در سطح نظری باقی مانده و به دادههای تجربی بیشتری نیاز دارد. اگرچه بررسی مستقیم درون سیاهچالهها در حال حاضر غیرممکن است، اما تحلیل دقیقتر از نشانههای کیهانی و رفتارهای نسبیتی ممکن است در آینده تأیید یا رد آن را تسهیل کند.
این ایده میکوشد جایگزینی منسجم برای مفهوم چگونگی شکلگیری جهان ارائه دهد و از طریق پیوند دادن فیزیک کلاسیک و کوانتومی، تصویری پیچیدهتر اما پیوستهتر از کیهان را ترسیم کند. در صورت صحت این فرضیه، ممکن است جهان ما تنها یکی از بیشمار جهانهایی باشد که درون سیاهچالههای دیگر زاده میشوند.
🗞 لینک مقاله
@cosmos_physics
درک رایج غیرعلمی از بیگبنگ این است که جهان از یک انفجار عظیم آغاز شده است؛ لحظهای منحصر بهفرد که در آن، فضا، زمان و ماده بهوجود آمدند. پژوهش تازهای این تصور غیرعلمی را به چالش میکشد.
در مقالهای تازه که در نشریه Physical Review D منتشر شده است، نویسنده و همکارانش دیدگاهی کاملاً متفاوت را مطرح کردهاند. آنها بر اساس محاسبات خود پیشنهاد میدهند که بیگبنگ نه آغاز، بلکه پیامد یک فروریزش گرانشی عظیم بوده است؛ یک فشردگی شدید که منجر به شکلگیری یک سیاهچاله بسیار بزرگ شده، و در درون آن، نوعی بازگشت یا پرش (bounce) رخ داده است.
این ایده که جهانِ درون سیاهچاله نام دارد، بهگونهای بنیادین با نگاه سنتی به کیهان متفاوت است. با این حال، پایههای این نظریه بر مفاهیم پذیرفتهشدهی فیزیک گرانشی و نسبیت عام استوار است.
در این دیدگاه، جهان ما محصول نهایی فروپاشی یک ناحیهی فشردهی ماده است که پیش از آن وجود داشته، نه آغازی از هیچ مطلق.
این مدل، به جای آنکه لحظهی بیگبنگ را یک نقطهی منفرد و نامفهوم بداند، آن را نتیجهی فرایندی درونی در سیاهچالهای عظیم معرفی میکند. در چنین حالتی، آنچه ما به عنوان جهان میشناسیم، میتواند ناحیهای درونی از سیاهچالهای باشد که در جهان مادر خود شکل گرفته و با پدیدهای مانند پرش کوانتومی آغاز به انبساط کرده است.
این ایده همچنین به صورت بالقوه میتواند برخی از مسائل حلنشدهی کیهانشناسی را توضیح دهد، از جمله ویژگیهای خاص تابش زمینه کیهانی، یکنواختی دما در سراسر جهان، و حتی مسئلهی ماده تاریک و انرژی تاریک.
با وجود نوآورانه بودن این فرضیه، همچنان در سطح نظری باقی مانده و به دادههای تجربی بیشتری نیاز دارد. اگرچه بررسی مستقیم درون سیاهچالهها در حال حاضر غیرممکن است، اما تحلیل دقیقتر از نشانههای کیهانی و رفتارهای نسبیتی ممکن است در آینده تأیید یا رد آن را تسهیل کند.
این ایده میکوشد جایگزینی منسجم برای مفهوم چگونگی شکلگیری جهان ارائه دهد و از طریق پیوند دادن فیزیک کلاسیک و کوانتومی، تصویری پیچیدهتر اما پیوستهتر از کیهان را ترسیم کند. در صورت صحت این فرضیه، ممکن است جهان ما تنها یکی از بیشمار جهانهایی باشد که درون سیاهچالههای دیگر زاده میشوند.
🗞 لینک مقاله
@cosmos_physics
This media is not supported in your browser
VIEW IN TELEGRAM
🎥 صفر کلوین چیست؟
به مناسبت ۲۶ ژوئن زادروز ویلیام تامسون (لورد کلوین)
در سال ۱۸۴۸ لورد کلوین موفق شد بر اساس نظریه گرما و با انجام آزمایشات متعدد، درجه بندی از حرارت اجسام را طراحی کند که نقطه صفر آن وابسته به خصوصیات اجسام نبود.
این درجه صفر را صفر مطلق یا صفر کلوین مینامند و درجه حرارتی است که جنبش مولکولها حداقل است برابر منهای ۲۷۳.۱۵ درجه سانتی گراد
فضای بین کهکشانی دمای ۲.۷۳ کلوین دارد و سردترین نقطه جهان هستی در آزمایشگاههای کره زمین ایجاد شده است (۳۸ پیکوکلوین)
فیلم در مورد اهمیت صفر مطلق است.
@cosmos_physics
به مناسبت ۲۶ ژوئن زادروز ویلیام تامسون (لورد کلوین)
در سال ۱۸۴۸ لورد کلوین موفق شد بر اساس نظریه گرما و با انجام آزمایشات متعدد، درجه بندی از حرارت اجسام را طراحی کند که نقطه صفر آن وابسته به خصوصیات اجسام نبود.
این درجه صفر را صفر مطلق یا صفر کلوین مینامند و درجه حرارتی است که جنبش مولکولها حداقل است برابر منهای ۲۷۳.۱۵ درجه سانتی گراد
فضای بین کهکشانی دمای ۲.۷۳ کلوین دارد و سردترین نقطه جهان هستی در آزمایشگاههای کره زمین ایجاد شده است (۳۸ پیکوکلوین)
فیلم در مورد اهمیت صفر مطلق است.
@cosmos_physics
در سال ۱۸۸۸، الیور لاج، فیزیکدان انگلیسی، پس از ماه ها آزمایش موفق شد امواج الکترو مغناطیس را که توسط ماکسول پیشبینی شده بود، آشکار کند. پس از این کشف بزرگ، لاج به تعطیلات میرود تا بعد از استراحت نتایج خود را چاپ کند! در تعطیلات با کمال تعجب مقاله هانریش هرتز، دانشمند آلمانی را میبیند که در جولای همان سال کاری مشابه را انجام داده بود و نتایجش را به چاپ رسانده بود (سمت چپ تصویر). او به سرعت مقاله خود را می نویسد و در سپتامبر همان سال به چاپ می رساند(سمت راست تصویر) ولی متاسفانه دیگر دیر است.
جهان دانش بسیار سختگیر است.
@cosmos_physics
جهان دانش بسیار سختگیر است.
@cosmos_physics
Media is too big
VIEW IN TELEGRAM
🎥 آیا مغز همان ذهن است؟
قسمت اول
گفت و گوی رابرت لارنسکُن با ریچارد سوئینبرن
@cosmos_physics
@mowazi_mag
قسمت اول
گفت و گوی رابرت لارنسکُن با ریچارد سوئینبرن
@cosmos_physics
@mowazi_mag
Media is too big
VIEW IN TELEGRAM
🎥 آیا مغز همان ذهن است؟
قسمت دوم
گفت و گوی رابرت لارنسکُن با ریچارد سوئینبرن
@cosmos_physics
@mowazi_mag
قسمت دوم
گفت و گوی رابرت لارنسکُن با ریچارد سوئینبرن
@cosmos_physics
@mowazi_mag
This media is not supported in your browser
VIEW IN TELEGRAM
🎥 توضیحات فریمن دایسون، ریاضیدان و فیزیکدان نظری برجسته در زمینه الکترودینامیک کوانتومی در رابطه با جبر و اختیار و مکانیک کوانتومی
@cosmos_physics
@cosmos_physics