Одним из наиболее перспективных направлений использования информационных технологий в физическом образовании является компьютерное моделирование физических процессов и явлений, направленное на повышение эффективности обучения физике. Компьютерные модели легко вписываются в традиционный урок, позволяя учителю продемонстрировать на экране компьютера многие физические эффекты, а также позволяют организовать новые нетрадиционные виды учебной деятельности.

Скачать:

Предварительный просмотр:

Возможность компьютера для демонстрационного эксперимента

“Для решения задачи развития творческих способностей школьников при обучении физике необходимо, прежде всего, знать особенности творческого процесса в развитии этой науки и её технического применения”.

(В.Г. Разумовский)

Важнейшей задачей школы, в том числе и преподавания физики, является формирование личности, способной ориентироваться в потоке информации в условиях непрерывного образования. Осознание общечеловеческих ценностей возможно только при соответствующем познавательном, нравственном, этическом и эстетическом воспитании личности. В связи с этим первую цель можно конкретизировать более частными целями: воспитание у школьников в процессе деятельности положительного отношения к науке вообще и к физике в частности; развитие интереса к физическим знаниям, научно - популярным статьям, жизненным проблемам. Физика является основой естествознания и современного научно - технического прогресса, что определяет следующие конкретные цели обучения: осознание учащимися роли физики в науке и производстве, воспитание экологической культуры, понимание нравственных и этических проблем, связанных с физикой.

Физика – это тот предмет, где наглядность играет важную роль в становлении научного мировоззрения учеников, формированию в их сознании единой картины мира. Преподавание физики, в силу особенностей самого предмета, представляет собой благоприятную почву для применения современных информационных технологий. Использование компьютера в качестве эффективного средства обучения существенно расширяет возможности педагогических технологий: физические компьютерные энциклопедии, интерактивные курсы, всевозможные программы, виртуальные опыты и лабораторные работы позволяют повысить мотивацию учащихся к изучению физики.

Одним из наиболее перспективных направлений использования информационных технологий в физическом образовании является компьютерное моделирование физических процессов и явлений, направленное на повышение эффективности обучения физике. Компьютерные модели легко вписываются в традиционный урок, позволяя учителю продемонстрировать на экране компьютера многие физические эффекты, а также позволяют организовать новые нетрадиционные виды учебной деятельности.

Когда же следует использовать компьютерные программы на уроках физики? Прежде всего, необходимо осознавать, что применение компьютерных технологий в образовании оправдано только в тех случаях, в которых возникает существенное преимущество по сравнению с традиционными формами обучения. Одним из таких случаев является преподавание физики с использование компьютерных моделей.

На уроках физики невозможно обойтись без демонстрационного эксперимента, но не всегда материальная база кабинета соответствует требованиям современного кабинета физики. И поэтому здесь на помощь приходит компьютерный эксперимент. Компьютер становиться помощником не только ученика, но и учителя.

Преимущество работы ученика с программным обеспечением состоит в том, что этот вид деятельности стимулирует исследовательскую и творческую деятельность, развивает познавательные интересы учеников. Программы могут быть полезными при подготовке к лабораторным занятиям с реальным оборудованием и окажутся незаменимыми при его отсутствии. Интерактивные опыты можно использовать для демонстрации на уроке. Это позволит решить вопросы, связанные с недостатком лабораторного оборудования, оптимально организовать рабочее время. Также будет эффективным использование интерактивных лабораторных работ при самостоятельной работе учащихся. Пособия помогут любознательным ученикам просмотреть ход работы в нужном режиме, подробнее остановиться на отдельных этапах опытов.

Компьютерные модели позволяют получать в динамике наглядные запоминающиеся иллюстрации физических экспериментов и явлений, воспроизвести их тонкие детали, которые могут ускользать при наблюдении реальных экспериментов. Компьютерное моделирование позволяет изменять временной масштаб, варьировать в широких пределах параметры и условия экспериментов, а также моделировать ситуации, недоступные в реальных экспериментах. Некоторые модели позволяют выводить на экран графики временной зависимости величин, описывающих эксперименты, причём графики выводятся на экран одновременно с отображением самих экспериментов, что придаёт им особую наглядность и облегчает понимание общих закономерностей изучаемых процессов. В этом случае графический способ отображения результатов моделирования облегчает усвоение больших объёмов получаемой информации.

При использовании моделей компьютер предоставляет уникальную, не реализуемую в реальном физическом эксперименте, возможность визуализации не реального явления природы, а его упрощённой теоретической модели с поэтапным включением в рассмотрение дополнительных усложняющих факторов, постепенно приближающих эту модель к реальному явлению. Кроме того, не секрет, что возможности организации массового выполнения разнообразных лабораторных работ, причём на современном уровне, в средней школе весьма ограничены по причине слабой оснащённости кабинетов физики. В этом случае работа учащихся с компьютерными моделями также чрезвычайно полезна, так как компьютерное моделирование позволяет создать на экране компьютера живую, запоминающуюся динамическую картину физических опытов или явлений.

В то же время использование компьютерного моделирования не должно рассматриваться в качестве попытки подменить реальные физические эксперименты их симуляциями, так как число изучаемых в школе физических явлений, не охваченных реальными демонстрациями, даже при блестящем оснащении кабинета физики, очень велико. Несколько условный характер отображения результатов компьютерного моделирования можно компенсировать демонстрацией видеозаписей реальных экспериментов, которые дают адекватное представление о реальном протекании физических явлений.

При грамотном использовании компьютерных моделей физических явлений можно достигнуть многого из того, что требуется для неформального усвоения курса физики и для формирования физической картины мира.

Компьютер помогает сделать это и в неблагоприятных условиях, таких как:

• отсутствие интереса к предмету у ученика, когда он считает, что физика в дальнейшем ему не будет нужна;
• отсутствие способностей к изучению точных наук;
• нехватка лабораторного оборудования в школе для демонстрации эксперимента.

Принципы применения компьютерной модели на уроке:

• Модель явления необходимо использовать лишь в том случае, когда невозможно провести эксперимент, или когда это явление протекает очень быстро и за ним невозможно проследить детально.
• Компьютерная модель должна помогать разбираться в деталях изучаемого явления или служить иллюстрацией условия решаемой задачи.
• В результате работы с моделью ученики должны выявить как качественные, так и количественные зависимости между величинами, характеризующими явление.
• При работе с моделью необходимо предлагать ученикам задания разного уровня сложности, содержащие элементы самостоятельного творчества.

Планирование уроков физики с применением компьютера нужно начинать с тщательного изучения возможностей программных учебных продуктов. Компьютер может быть применён на любом уроке, поэтому необходимо спланировать, что и когда применить для более эффективного результата.

Применение компьютерных программ, проведение перечисленных уроков позволяют успешно сочетать уроки на компьютерах с обычными уроками физики, что обеспечивает своевременное выполнение учебного плана.

Можно выделить принципы компьютерной поддержки уроков физики:

• Компьютер не может полностью заменить учителя. Только учитель имеет возможность заинтересовать учеников, пробудить в них любознательность, завоевать их доверие, он может направить их внимание на те или иные аспекты изучаемого предмета, вознаградить их усилия и заставить учиться.
• Реальный эксперимент необходимо проводить всегда, когда это возможно, а компьютерную модель следует использовать, если нет возможности показать данное явление.

Рассмотрим основные возможности применения информационных технологий при проведении уроков.

Итак, компьютерный эксперимент возможно использовать:

Как средство наглядности (особенно для демонстраций, которые невозможно показать в классе или малоэффективных);

Как средство предъявления научных фактов;

Как тренажер для отработки отдельных экспериментальных действий и операций перед выполнением лабораторных работ;

Как средство контроля за уровнем сформированности у школьников умений выполнять отдельные экспериментальные действия.

Необходимо отметить, что компьютерный эксперимент способен дополнить “экспериментальную” часть курса физики и значительно повысить эффективность уроков. При его использовании можно вычленить главное в явлении, отсечь второстепенные факторы, выявить закономерности, многократно провести испытание с изменяемыми параметрами, сохранить результаты и вернуться к своим исследованиям в удобное время. К тому же, в компьютерном варианте можно провести значительно большее количество экспериментов. Данный вид эксперимента реализуется с помощью компьютерной модели того или иного закона, явления, процесса и т.д.

В заключении я хочу сказать, что компьютер стал для меня верным помощником в подготовке и проведении уроков физики, отрыл для меня новые возможности в преподавании, сделал мои уроки более современными и увлекательными.

Компьютерное моделирование - основа представления знаний в ЭВМ. Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ. Прогресс моделирования связан с разработкой систем компьютерного моделирования, а прогресс в информационной технологии - с актуализацией опыта моделирования на компьютере, с созданием банков моделей, методов и программных систем, позволяющих собирать новые модели из моделей банка.

Разновидность компьютерного моделирования - вычислительный эксперимент, т. е. эксперимент, осуществляемый экспериментатором над исследуемой системой или процессом с помощью орудия эксперимента - компьютера, компьютерной среды, технологии.

Вычислительный эксперимент становится новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости перехода от исследования линейных математических моделей систем (для которых достаточно хорошо известны или разработаны методы исследования, теория) к исследованию сложных и нелинейных математических моделей систем (анализ которых гораздо сложнее). Грубо говоря, наши знания об окружающем мире линейны, а процессы в окружающем мире нелинейны.

Вычислительный эксперимент позволяет находить новые закономерности, проверять гипотезы, визуализировать ход событий и т. д.

Чтобы дать жизнь новым конструкторским разработкам, внедрить новые технические решения в производство или проверить новые идеи, нужен эксперимент. В недалеком прошлом такой эксперимент можно было провести либо в лабораторных условиях на специально создаваемых для него установках, либо на натуре, т. е. на настоящем образце изделия, подвергая его всяческим испытаниям.

С развитием вычислительной техники появился новый уникальный метод исследования - компьютерный эксперимент. Компьютерный эксперимент включает некоторую последовательность работы с моделью, совокупность целенаправленных действий пользователя над компьютерной моделью.

Этап 4. Анализ результатов моделирования.

Конечная цель моделирования - принятие решения, которое должно быть выработано на основе всестороннего анализа полученных результатов. Этот этап решающий - либо вы продолжаете исследование, либо заканчиваете. Возможно, вам известен ожидаемый результат, тогда необходимо сравнить полученный и ожидаемый результаты. В случае совпадения вы сможете принять решение.

Основой для выработки решения служат результаты тестирования и экспериментов. Если результаты не соответствуют целям поставленной задачи, значит, допущены ошибки на предыдущих этапах. Это может быть либо слишком упрощенное построение информационной модели, либо неудачный выбор метода или среды моделирования, либо нарушение технологических приемов при построении модели. Если такие ошибки выявлены, то требуется корректировка модели , т. е. возврат к одному из предыдущих этапов. Процесс повторяется до тех пор, пока результаты эксперимента не будут отвечать целям моделирования. Главное, надо всегда помнить: выявленная ошибка - тоже результат. Как говорит народная мудрость, на ошибках учатся.

Программы моделирования

ANSYS - универсальная программная система конечно-элементного (МКЭ ) анализа, существующая и развивающаяся на протяжении последних 30 лет, является довольно популярной у специалистов в области компьютерного инжиниринга (CAE , Computer-Aided Engineering) и КЭ решения линейных и нелинейных, стационарных и нестационарных пространственных задач механики деформируемого твёрдого тела и механики конструкций (включая нестационарные геометрически и физически нелинейные задачи контактного взаимодействия элементов конструкций), задач механики жидкости и газа, теплопередачи и теплообмена, электродинамики, акустики, а также механики связанных полей. Моделирование и анализ в некоторых областях промышленности позволяет избежать дорогостоящих и длительных циклов разработки типа «проектирование - изготовление - испытания». Система работает на основе геометрического ядра Parasolid .

AnyLogic - программное обеспечение для имитационного моделирования сложных систем и процессов , разработанное российской компанией «Экс Джей Текнолоджис» (англ. XJ Technologies ). Программа обладает графической средой пользователя и позволяет использовать язык Java для разработки моделей .

Модели AnyLogic могут быть основаны на любой из основных парадигм имитационного моделирования: дискретно-событийное моделирование , системная динамика , и агентное моделирование .

Системная динамика и дискретно-событийное (процессное) моделирование, под которым мы понимаем любое развитие идей GPSS - это традиционные устоявшиеся подходы, агентное моделирование - относительно новый. Системная динамика оперирует в основном с непрерывными во времени процессами, тогда как дискретно-событийное и агентное моделирование - с дискретными.

Системная динамика и дискретно-событийное моделирование исторически преподаются совершенно разным группам студентов: менеджмент, инженеры по организации производства и инженеры-разработчики систем управления. В результате возникли три различных практически не пересекающихся сообщества, которые почти никак не общаются друг с другом.

Агентное моделирование до недавнего времени было строго академическим направлением. Однако, растущий спрос на глобальную оптимизацию со стороны бизнеса, заставил ведущих аналитиков обратить внимание именно на агентное моделирование и его объединение с традиционными подходами с целью получения более полной картины взаимодействия сложных процессов различной природы. Так родился спрос на программные платформы, позволяющие интегрировать различные подходы.

Теперь рассмотрим подходы имитационного моделирования на шкале уровня абстракции. Системная динамика, заменяя индивидуальные объекты их агрегатами, предполагает наивысший уровень абстракции. Дискретно-событийное моделирование работает в низком и среднем диапазоне. Что же касается агентного моделирования, то оно может применяться практически на любом уровне и в любых масштабах. Агенты могут представлять пешеходов, автомобили или роботов в физическом пространстве, клиента или продавца на среднем уровне, или же конкурирующие компании на высоком.

При разработке моделей в AnyLogic можно использовать концепции и средства из нескольких методов моделирования, например, в агентной модели использовать методы системной динамики для представления изменений состояния среды или в непрерывной модели динамической системы учесть дискретные события. Например, управление цепочками поставок при помощи имитационного моделирования требует описания участников цепи поставок агентами: производители, продавцы, потребители, сеть складов. При этом производство описывается в рамках дискретно-событийного (процессного) моделирования, где продукт или его части - это заявки, а автомобили, поезда, штабелёры - ресурсы. Сами поставки представляются дискретными событиями, но при этом спрос на товары может описываться непрерывной системно-динамической диаграммой. Возможность смешивать подходы позволяет описывать процессы реальной жизни, а не подгонять процесс под доступный математический аппарат.

LabVIEW (англ. Lab oratory V irtual I nstrumentation E ngineering W orkbench) - это среда разработки и платформа для выполнения программ, созданных на графическом языке программирования «G» фирмы National Instruments (США). Первая версия LabVIEW была выпущена в 1986 году для Apple Macintosh , в настоящее время существуют версии для UNIX , GNU/Linux , Mac OS и пр., а наиболее развитыми и популярными являются версии для Microsoft Windows .

LabVIEW используется в системах сбора и обработки данных, а также для управления техническими объектами и технологическими процессами. Идеологически LabVIEW очень близка к SCADA -системам, но в отличие от них в большей степени ориентирована на решение задач не столько в области АСУ ТП , сколько в области АСНИ .

MATLAB (сокращение от англ. « Matrix Laboratory » ) - термин, относящийся к пакету прикладных программ для решения задач технических вычислений, а также к используемому в этом пакете языку программирования. MATLAB используют более 1 000 000 инженерных и научных работников, он работает на большинстве современных операционных систем , включая GNU/Linux , Mac OS , Solaris и Microsoft Windows .

Maple - программный пакет, система компьютерной алгебры . Является продуктом компании Waterloo Maple Inc., которая с 1984 года выпускает и продвигает на рынке программные продукты, ориентированные на сложные математические вычисления, визуализацию данных и моделирование.

Система Maple предназначена для символьных вычислений , хотя имеет ряд средств и для численного решения дифференциальных уравнений и нахождения интегралов . Обладает развитыми графическими средствами. Имеет собственный язык программирования , напоминающий Паскаль .

Mathematica - система компьютерной алгебры компании Wolfram Research . Содержит множество функций как для аналитических преобразований, так и для численных расчётов. Кроме того, программа поддерживает работу с графикой и звуком , включая построение двух- и трёхмерных графиков функций, рисование произвольных геометрических фигур , импорт и экспорт изображений и звука.

Инструменты прогнозирования - программные продукты, имеющие функции расчёта прогнозов. Прогнозирование - один из важнейших видов деятельности человека на сегодняшний день. Ещё в древние времена прогнозы позволяли людям рассчитывать периоды засух, даты солнечных и лунных затмений и многих других явлений. С появлением вычислительной техники прогнозирование получило мощнейший толчок развития. Одним из первых применений вычислительных машин был расчёт баллистической траектории снарядов, то есть, фактически, прогноз точки падения снаряда на землю. Такой вид прогноза называется статическим прогнозом. Существуют две основные категории прогнозов: статические и динамические. Ключевое отличие состоит в том что динамические прогнозы предоставляют информацию о поведении исследуемого объекта на протяжении какого-либо значительного интервала времени. В свою очередь, статические прогнозы отражают состояние исследуемого объекта лишь в единственный момент времени и, как правило, в таких прогнозах фактор времени, в котором объект претерпевает изменения, играет незначительную роль. На сегодняшний день существует большое количество инструментов, позволяющих строить прогнозы. Все они могут быть подвергнуты классификации по многим признакам:

Название инструмента	Сфера применения	Реализуемые модели	Требуемая подготовка пользователя	Готовность к эксплуатации
Microsoft Excel , OpenOffice.org	широкого назначения	алгоритмические, регрессионные	базовые знания статистики	требуется значительная доработка (реализация моделей)
Statistica , SPSS , E-views	исследовательская	широкий спектр регрессионных, нейросетевые		коробочный продукт
Matlab	исследовательская, разработка приложений	алгоритмические, регрессионные, нейросетевые	специальное математическое образование	требуется программирование
SAP APO	бизнес-прогнозирование	алгоритмические	не требуются глубокие знания
ForecastPro , ForecastX	бизнес-прогнозирование	алгоритмические	не требуются глубокие знания	коробочный продукт
Logility	бизнес-прогнозирование	алгоритмические, нейросетевые	не требуются глубокие знания	требуется значительная доработка (под бизнес-процессы)
ForecastPro SDK	бизнес-прогнозирование	алгоритмические	требуются базовые знания статистики	требуется программирование (интеграция с ПО)
iLog , AnyLogic , iThink , Matlab Simulink , GPSS	разработка приложений, моделирование	имитационные	требуется специальное математическое образование	требуется программирование (под специфику области)

ПК ЛИРА - многофункциональный программный комплекс, предназначенный для проектирования и расчета машиностроительных и строительных конструкций различного назначения. Расчеты в программе выполняются как на статические, так и на динамические воздействия. Основой расчётов является метод конечных элементов (МКЭ). Различные подключаемые модули (процессоры) позволяют делать подбор и проверку сечений стальных и железобетонных конструкций, моделировать грунт, рассчитывать мосты и поведение зданий в период монтажа и т. д.

Л. В. Пигалицын ,
, www.levpi.narod.ru, МОУ СОШ № 2, г. Дзержинск, Нижегородская обл.

Компьютерный физический эксперимент

4. Вычислительный компьютерный эксперимент

Вычислительный эксперимент превращается
в самостоятельную область науки.
Р.Г.Ефремов, д.ф.-м.н.

Вычислительный компьютерный эксперимент во многом аналогичен обычному (натурному). Это и планирование экспериментов, и создание экспериментальной установки, и выполнение контрольных испытаний, и проведение серии опытов, и обработка экспериментальных данных, их интерпретация и т.д. Однако проводится он не над реальным объектом, а над его математической моделью, роль экспериментальной установки играет оснащённая специальной программой ЭВМ.

Вычислительный эксперимент становится всё более и более популярным. Им занимаются во многих институтах и вузах, например, в МГУ им. М.В.Ломоносова, МПГУ, Институте цитологии и генетики СО РАН, Институте молекулярной биологии РАН и др. Учёные уже могут получать важные научные результаты без реального, «мокрого», эксперимента. Для этого есть не только компьютерные мощности, но и необходимые алгоритмы, а главное - понимание. Если раньше разделяли – in vivo, in vitro , – то теперь добавился ещё in silico . Фактически вычислительный эксперимент становится самостоятельной областью науки.

Достоинства такого эксперимента очевидны. Он, как правило, дешевле натурного. В него можно легко и безопасно вмешиваться. Его можно повторять и прерывать в любой момент. В ходе этого эксперимента можно смоделировать условия, которые не получается создать в лаборатории. Однако важно помнить, что вычислительный эксперимент не может полностью заменить натурный, и будущее – за их разумным сочетанием. Вычислительный компьютерный эксперимент служит мостом между натурным экспериментом и теоретическими моделями. Отправным пунктом численного моделирования является разработка идеализированной модели рассматриваемой физической системы.

Рассмотрим несколько примеров вычислительного физического эксперимента.

Момент инерции. В «Открытой физике» (2.6, ч. 1) есть интересный вычислительный эксперимент по нахождению момента инерции твёрдого тела на примере системы, состоящей из четырёх шаров, нанизанных на одну спицу. Можно изменять положение этих шаров на спице, а также выбирать положение оси вращения, проводя её как через центр спицы, так и через её концы. Для каждого расположения шаров учащиеся вычисляют с помощью теоремы Штейнера о параллельном переносе оси вращения значение момента инерции. Данные для расчётов сообщает учитель. После вычисления момента инерции данные вводятся в программу и проверяются результаты, полученные учащимися.

«Чёрный ящик». Для реализации вычислительного эксперимента мы с учениками создали несколько программ по исследованию содержимого электрического «чёрного ящика». В нём могут находиться резисторы, лампочки накаливания, диоды, конденсаторы, катушки и т.д.

Оказывается, в некоторых случаях можно, не вскрывая «чёрный ящик», узнать его содержимое, подключая ко входу и выходу различные устройства. Разумеется, на школьном уровне это можно сделать для несложного трёх- или четырёхполюсника. Такие задачи развивают воображение учащихся, пространственное мышление и творческие способности, не говоря о том, что для их решения необходимо иметь глубокие и прочные знания. Поэтому совсем не случайно на многих всесоюзных и международных олимпиадах по физике в качестве экспериментальных задач предлагается исследование «чёрных ящиков» по механике, теплоте, электричеству и оптике.

На занятиях по спецкурсу я провожу три реальные лабораторные работы, когда в «чёрном ящике»:

– только резисторы;

– резисторы, лампы накаливания и диоды;

– резисторы, конденсаторы, катушки, трансформаторы и колебательные контуры.

Конструктивно «чёрные ящики» оформляются в пустых спичечных коробках. Внутри коробка размещается электрическая схема, а сам коробок заклеивается скотчем. Исследования проводятся с помощью приборов – авометров, генераторов, осциллографов и т.д., – т.к. для этого приходится строить ВАХ и АЧХ. Показания приборов учащиеся вводят в компьютер, который обрабатывает результаты и строит ВАХ и АЧХ. Это позволяет учащимся выяснить, какие детали находится в «чёрном ящике», и определить их параметры.

При проведении фронтальных лабораторных работ с «чёрными ящиками» возникают трудности, связанные с нехваткой приборов и лабораторного оборудования. Действительно, ведь для проведения исследований необходимо иметь, скажем, 15 осциллографов, 15 звуковых генераторов и т.д., т.е. 15 комплектов дорогостоящего оборудования, которым большинство школ не располагает. И вот здесь на помощь приходят виртуальные «чёрные ящики» – соответствующие компьютерные программы.

Достоинство этих программ в том, что исследования можно проводить одновременно всем классом. В качестве примера рассмотрим программу, которая реализует с помощью генератора случайных чисел «чёрные ящики», содержащие только резисторы. В левой части рабочего стола расположен «чёрный ящик». В нём имеется электрическая схема, состоящая только из резисторов, которые могут быть расположены между точками А, В, С и D .

В распоряжении учащегося имеются три прибора: источник питания (его внутреннее сопротивление для упрощения расчётов берётся равным нулю, а ЭДС генерируется программой случайным образом); вольтметр (внутреннее сопротивление равно бесконечности); амперметр (внутреннее сопротивление равно нулю).

При запуске программы внутри «чёрного ящика» случайным образом генерируется электрическая схема, содержащая от 1 до 4 резисторов. Учащийся может делать четыре попытки. После нажатия любой клавиши ему предлагается подключить к клеммам «чёрного ящика» любые из предлагаемых приборов в любой последовательности. Например, он подключил к клеммам АВ источник тока с ЭДС = 3 В (величина ЭДС сгенерирована программой случайным образом, в данном случае получилось 3 В). К клеммам CD подключил вольтметр, и его показания оказались 2,5 В. Из этого следует сделать вывод, что в «чёрном ящике» имеется по крайней мере делитель напряжения. Чтобы продолжить эксперимент, вместо вольтметра можно подключить амперметр и снять показания. Этих данных явно недостаточно для разгадки тайны. Поэтому можно провести ещё два эксперимента: источник тока подключается к клеммам CD , а вольтметр и амперметр – к клеммам АВ . Полученных при этом данных будет уже вполне достаточно для разгадки содержимого «чёрного ящика». Учащийся на бумаге рисует схему, вычисляет параметры резисторов и показывает результаты учителю.

Учитель, проверив работу, вводит в программу соответствующий код, и на рабочем столе появляется схема, находящаяся внутри данного «чёрного ящика», и параметры резисторов.

Программа написана моими учениками на языке Бейсик. Для запуска её в Windows XP или в Windows Vista можно воспользоваться программой-эмулятором DOS , например, DosBox . Скачать её можно с моего сайта www.physics-computer.by.ru .

Если внутри «чёрного ящика» имеются нелинейные элементы (лампы накаливания, диоды и т.д.), то кроме непосредственных измерений придётся снять ВАХ. Для этой цели необходимо иметь источник тока, напряжение, на выходах которого напряжение можно изменять от 0 до некоторого значения.

Для исследования индуктивностей и ёмкостей необходимо снять АЧХ, использовав виртуальные звуковой генератор и осциллограф.

Селектор скоростей. Рассмотрим ещё одну программу из «Открытой физики» (2.6, ч. 2), позволяющую провести вычислительный эксперимент с селектором скоростей в масс-спектрометре. Для определения массы частицы с помощью масс-спектрометра необходимо выполнить предварительный выбор заряженных частиц по скоростям. Этой цели и служат так называемые селекторы скоростей.

В простейшем селекторе скоростей заряженные частицы движутся в скрещённых однородных электрическом и магнитном полях. Электрическое поле создаётся между пластинами плоского конденсатора, магнитное – в зазоре электромагнита. Начальная скорость υ заряженных частиц направлена перпендикулярно векторам Е и В .

На заряженную частицу действуют две силы: электрическая сила qE и магнитная сила Лоренца qυ × B . При определённых условиях эти силы могут точно уравновешивать друг друга. В этом случае заряженная частица будет двигаться равномерно и прямолинейно. Пролетев через конденсатор, частица пройдёт через небольшое отверстие в экране.

Условие прямолинейной траектории частицы не зависит от заряда и массы частицы, а зависит только от её скорости: qE = qυB → υ = E/B .

В компьютерной модели можно изменять значения напряжённости электрического поля E, индукции магнитного поля B и начальную скорость частиц υ . Опыт по селекции скоростей можно выполнять для электрона, протона, α-частицы и полностью ионизированных атомов урана-235 и урана-238. Вычислительный эксперимент в данной компьютерной модели проводится следующим образом: учащимся сообщают о том, какая заряженная частица влетает в селектор скоростей, напряжённость электрического поля и начальную скорость частицы. Учащиеся вычисляют индукцию магнитного поля по вышеприведённым формулам. После этого данные вводят в программу и наблюдают за полётом частицы. Если частица летит внутри селектора скоростей горизонтально, то вычисления cделаны верно.

Более сложные вычислительные эксперименты можно провести, применив бесплатный пакет «MODEL VISION for WINDOWS». Пакет ModelVisionStudium (MVS) представляет собой интегрированную графическую оболочку быстрого создания интерактивных визуальных моделей сложных динамических систем и проведения с ними вычислительных экспериментов. Пакет разработан исследовательской группой «Экспериментальные объектные технологии» при кафедре «Распределённые вычисления и компьютерные сети» факультета технической кибернетики Санкт-Петербургского государственного технического университета. Свободно распространяемая бесплатная версия пакета MVS 3.0 доступна на сайте www.exponenta.ru. Технология моделирования в среде MVS основывается на понятии виртуального лабораторного стенда. На стенде пользователем размещаются виртуальные блоки моделируемой системы. Виртуальные блоки для модели выбираются либо из библиотеки, либо создаются пользователем вновь. Пакет MVS предназначен для автоматизации основных этапов вычислительного эксперимента: построения математической модели исследуемого объекта, генерации программной реализации модели, исследования свойств модели и представления результатов в удобной для анализа форме. Исследуемый объект может относится к классу непрерывных, дискретных или гибридных систем. Пакет наилучшим образом приспособлен для исследования сложных физических и технических систем.

В качестве примера рассмотрим довольно популярную задачу. Пусть материальная точка брошена под некоторым углом к горизонтальной плоскости и абсолютно упруго соударяется с этой плоскостью. Эта модель стала почти обязательной в демонстрационном наборе примеров пакетов моделирования. Действительно, это типичная гибридная система с непрерывным поведением (полёт в поле тяготения) и дискретными событиями (отскоки). На этом примере иллюстрируется также и объектно-ориентированный подход к моделированию: мячик, летящий в атмосфере, является потомком мячика, летящего в безвоздушном пространстве, и автоматически наследует все общие черты, добавляя при этом свои особенности.

Последним, завершающим, с точки зрения пользователя, этапом моделирования, является этап описания формы представления результатов вычислительного эксперимента. Это могут быть таблицы, графики, поверхности и даже анимация, иллюстрирующие результаты в реальном времени. Тем самым пользователь действительно наблюдает динамику системы. Двигаться могут точки в фазовом пространстве, нарисованные пользователем элементы конструкции, может меняться цветовая гамма, и пользователь может следить на экране, например, за процессами нагревания или охлаждения. В создаваемых пакетах программной реализации модели можно предусмотреть специальные окна, позволяющие по ходу вычислительного эксперимента, менять значения параметров и тут же видеть последствия изменений.

Большая работа по наглядному моделированию физических процессов в MVS проводится в МПГУ. Там разработан ряд виртуальных работ по курсу общей физики, которые могут быть связаны с реальными экспериментальными установками, что позволяет одновременно наблюдать на дисплее в реальном времени изменение параметров как реального физического процесса, так и параметров его модели, наглядно демонстрируя её адекватность. В качестве примера привожу семь лабораторных работ по механике из лабораторного практикума интернет-портала открытого образования, соответствующего существующим государственным образовательным стандартам по специальности «Учитель физики»: изучение прямолинейного движения с помощью машины Атвуда; измерение скорости движения пули; сложение гармонических колебаний; измерение момента инерции велосипедного колеса; изучение вращательного движения твёрдого тела; определение ускорения свободного падения с помощью физического маятника; изучение свободных колебаний физического маятника.

Первые шесть являются виртуальными и моделируются на ПК в ModelVisionStudiumFree , а последняя имеет как виртуальный вариант, так и два реальных. В одном, предназначенном для дистанционного обучения, учащийся должен самостоятельно изготовить из большой канцелярской скрепки и ластика маятник и, подвесив его под вал компьютерной мышки без шарика, получить маятник, угол отклонения которого считывается специальной программой и должен использоваться учащимся при обработке результатов эксперимента. Такой подход позволяет часть навыков, необходимых для экспериментальной работы, отработать только на ПК, а остальную часть – при работе с доступными реальными приборами и при дистанционном доступе к оборудованию. В другом варианте, предназначенном для домашней подготовки очных студентов к выполнению лабораторной работы в практикуме кафедры общей и экспериментальной физики физического факультета МПГУ, студент отрабатывает навыки работы с экспериментальной установкой на виртуальной модели, а в лаборатории проводит эксперимент одновременно на конкретной реальной установке и с её виртуальной моделью. При этом он пользуется как традиционными средствами измерений в виде оптической шкалы и секундомера, так и более точными и быстродействующими средствами – датчиком перемещений на базе оптической мыши и таймером компьютера. Одновременное сравнение всех трёх представлений (традиционного, уточнённого с помощью электронных датчиков, связанных с компьютером, и модельного) одного и того же явления позволяет сделать вывод о пределах адекватности модели, когда данные компьютерного моделирования начинают через некоторое время всё больше и больше отличаться от показаний, снимаемых на реальной установке.

Вышесказанным не исчерпываются возможности применения компьютера в физическом вычислительном эксперименте. Так что для творчески работающего преподавателя и его учеников всегда найдутся неиспользованные возможности в области виртуального и реального физического эксперимента.

Если у вас возникнут замечания и предложения по различным видам физического компьютерного эксперимента, пишите мне по адресу:

В представленном выше определении термин "эксперимент" имеет двойственный смысл. С одной стороны, в компьютерном эксперименте, так же как и в реальном, исследуются отклики системы на те или иные изменения параметров либо на внешние воздействия. В качестве параметров часто используются температура, плотность, состав. А воздействия чаще всего реализуются через механические, электрические или магнитные поля. Разница состоит лишь в том, что экспериментатор имеет дело с реальной системой, в то время как в компьютерном эксперименте рассматривается поведение математической модели реального объекта. С другой стороны, возможность получать строгие результаты для четко определенных моделей позволяет использовать компьютерный эксперимент как самостоятельный источник информации для проверки предсказаний аналитических теорий и, следовательно, в этом качестве результаты моделирования играют роль того же эталона, что и опытные данные.

Из всего сказанного видно, что существует возможность двух очень разных подходов к постановке компьютерного эксперимента, что обусловлено характером решаемой задачи и тем самым определяет выбор модельного описания.

Во-первых, расчеты методами МД или МК могут преследовать чисто утилитарные цели, связанные с предсказанием свойств конкретной реальной системы и их сопоставлением с физическим экспериментом. В этом случае можно делать интересные прогнозы и проводить исследования в экстремальных условиях, например, при сверхвысоких давлениях или температурах, когда реальный эксперимент по различным причинам неосуществим либо требует слишком больших материальных затрат. Моделирование на компьютере часто является вообще единственным путем получения наиболее подробной ("микроскопической") информации о поведении сложной молекулярной системы. Это особенно наглядно это показали численные эксперименты динамического типа с различными биосистемами: глобулярными белками в нативном состоянии, фрагментами ДНК и РНК, липидными мембранами. В целом ряде случаев полученные данные заставили пересмотреть или существенно изменить имевшиеся ранее представления о структуре и функционировании этих объектов. При этом следует иметь в виду, что поскольку в подобных расчетах применяют разного рода валентные и невалентные потенциалы, которые лишь аппроксимируют истинные взаимодействия атомов, то это обстоятельство в конечном итоге и определяет меру соответствия между моделью и реальностью. Первоначально проводят решение обратной задачи, когда потенциалы калибруют по имеющимся опытным данным, и только потом уже эти потенциалы используют для получения более детальных сведений о системе. Иногда, параметры межатомных взаимодействий могут быть в принципе найдены из квантово-химических расчетов, выполненных для более простых модельных соединений. При моделировании методами МД или МК молекула трактуется не как совокупность электронов и ядер, подчиняющаяся законам квантовой механики, а как система связанных классических частиц - атомов. Такая модель называется механической моделью молекулы .

Целью другого подхода к постановке компьютерного эксперимента может быть понимание общих (универсальных или модельно-инвариантных) закономерностей поведения изучаемой системы, то есть таких закономерностей, которые определяются лишь наиболее типическими особенностями данного класса объектов, но не деталями химического строения отдельно взятого соединения. То есть в этом случае компьютерный эксперимент имеет своей целью установление функциональных связей, а не расчет числовых параметров. Эта идеология в наиболее отчетливой форме присутствует в скейлинговой теории полимеров. С точки зрения такого подхода компьютерное моделирование выступает в роли теоретического инструмента, который, прежде всего, позволяет проверить выводы существующих аналитических методов теории или дополнить их предсказания. Подобное взаимодействие между аналитической теорией и компьютерным экспериментом бывает очень плодотворным, когда в обоих подходах удается использовать идентичные модели. Наиболее ярким примером такого рода обобщенных моделей полимерных молекул может служить так называемая решеточная модель . На ее основе выполнено множество теоретических построений, в частности связанных с решением классической и, в каком то смысле, основной задачи физикохимии полимеров о влиянии объемных взаимодействий на конформацию и, соответственно, на свойства гибкой полимерной цепи. Под объемными взаимодействиями обычно подразумевают короткодействующие силы отталкивания, которые возникают между удаленными вдоль по цепи звеньями, когда они сближаются в пространстве за счет случайных изгибов макромолекулы. В решеточной модели реальную цепь рассматривают как ломаную траекторию, которая проходит через узлы правильной решетки заданного типа: кубической, тетраэдрической и др. Занятые узлы решетки соответствуют полимерным звеньям (мономерам), а соединяющие их отрезки - химическим связям в скелете макромолекулы. Запрет самопересечений траектории (или, иными словами, невозможность одновременного попадания двух и более мономеров в один решеточный узел) моделирует объемные взаимодействия (Рис. 1). То есть если, например, если используется метод МК и при смещении случайно выбранного звена оно попадает в уже занятый узел, то такая новая конформация отбрасывается и уже не учитывается в вычислении интересующих параметров системы. Различные расположения цепи на решетке соответствуют конформациям полимерной цепи. По ним и проводится усреднение требуемых характеристик, например расстояния между концами цепи R.

Исследование такой модели позволяет понять, как объемные взаимодействия влияют на зависимость среднеквадратичной величины от числа звеньев в цепи N. Конечно величина , определяющая средние размеры полимерного клубка, играет основную роль в разных теоретических построениях и может быть измерена на опыте; однако до сих пор не существует точной аналитической формулы для расчета зависимости от N при наличии объемных взаимодействий. Можно также ввести дополнительно энергию притяжения между теми парами звеньев, которые попали в соседствующие узлы решетки. Варьируя эту энергию в компьютерном эксперименте, удается, в частности, исследовать интересное явление, называемое переходом "клубок -- глобула", когда за счет сил внутримолекулярного притяжения развернутый полимерный клубок сжимается и превращается в компактную структуру - глобулу, напоминающую жидкую микроскопическую каплю. Понимание деталей такого перехода важно для развития наиболее общих представлений о ходе биологической эволюции, приведшей к возникновению глобулярных белков.

Существуют различные модификации решеточных моделей, например, такие, в которых длины связей между звеньями не имеют фиксированных значений, но способны меняться в определенном интервале, гарантирующем лишь запрет самопересечений цепи именно так устроена широко распространенная модель с "флуктуирующими связями". Однако все решеточные модели объединяет то, что они являются дискретными, то есть число возможных конформаций такой системы всегда конечно (хотя и может составлять астрономическую величину даже при сравнительно небольшом количестве звеньев в цепи). Все дискретные модели обладают очень высокой вычислительной эффективностью, но, как правило, могут исследоваться только методом Монте-Карло.

Для ряда случаев используются континуальные обобщенные модели полимеров, которые способны менять конформацию непрерывным образом. Простейший пример - цепь, составленная из заданного числа N твердых шаров, последовательно соединенных жесткими или упругими связями. Такие системы могут исследоваться как методом Монте-Карло, так и методом молекулярной динамики.