Básicamente, la informática es aplicable y se puede fusionar con prácticamente todos los dominios de la física. Por ejemplo, desea ejecutar una simulación de N cuerpo, que es una simulación de un sistema dinámico de partículas bajo fuerzas físicas, por ejemplo, la gravedad. problema de física solucionable.
Comp sci es sobre cómo funcionan las computadoras igual que la física, lo que nos dice cómo funciona la naturaleza.
Los problemas no lineales como la turbulencia y el CFD son casi imposibles de resolver sin habilidades de programación.
Lo contrario también es cierto, digamos que quiere ser un programador de juegos, por lo que para que sus juegos sean súper realistas, debe tener una comprensión profunda de la mecánica, que nuevamente es física.
Aquí estoy enumerando solo aplicaciones para Astrophysics. Un campo en el que he trabajado.
1.Astrofísica : aplicaciones de la informática suave en áreas de astrofísica
Supongamos que tiene las lecturas fotométricas de las encuestas SDSS y construye modelos basados en los datos utilizando el aprendizaje automático (que es solo una forma elegante de hacer que la máquina aprenda de los datos solo para predecir en el futuro). Ahora si tiene similares datos, excepto los desplazamientos al rojo, se ajustan en el modelo y se le pide que prediga los desplazamientos al rojo. Realice un ajuste estadístico preciso para que la predicción sea más confiable.
2. Clasificación de fuente puntual astronómica usando Machine Learning
Clasificar puntos como fuentes en varias categorías como gigantes rojas, estrellas de secuencia principal, enanas blancas, etc.
Tiene los datos fotométricos y las categorías de fuentes correspondientes, de manera similar, entrena el modelo con estos datos, lo hace lo más preciso posible. Ahora en el futuro se le dará un parche del cielo con solo las magnitudes fotométricas, ahora intenta usar su modelo para predecir las clases anteriores. Esta es la IA clásica en el trabajo con aplicaciones en mi área favorita de física.
En la próxima década más o menos, se realizarán varias encuestas telescópicas emocionantes (como el LSST o el SKA en India), por lo que se pueden ahorrar varios miles de dólares si la computadora puede predecir cosas (como desplazamientos al rojo, clasificar estrellas, etc.) para nosotros dentro de un confiable precisión. No solo el aprendizaje estadístico sino las simulaciones son una gran herramienta para estudiar leyes en física. Digamos que los físicos quieren simular el disco de acreción de un agujero negro, ¿cómo procedería? La respuesta es la modelación / simulación numérica.
Recuerde el agujero negro súper realista diseñado por el físico de Caltech Kip Thorne en la película Interestelar .
Si alguna vez conoce a un científico / ingeniero del CERN, vaya y pregúntele qué cantidad de computación sucede todos los días en el CERN. ¡Él lo dirá! La propia World Wide Web fue diseñada / inventada por Tim Berners Lee en el CERN para compartir datos entre los físicos.
- ¿El conocimiento de gráficos por computadora se relaciona de alguna manera con el campo de la visión por computadora?
- ¿Cuáles son algunos de los problemas de investigación más difíciles en la arquitectura de computadoras ahora?
- ¿Me pueden ayudar a decidir si debo obtener un doctorado en informática teórica?
- En visión artificial, ¿cómo importa el tipo de datos?
- ¿Por qué la mayoría de las investigaciones de inteligencia artificial abandonaron la inteligencia artificial basada en la lógica en favor de enfoques estadísticos?
Entonces, ahí está, ese es el matrimonio entre Física y Ciencias de la Computación. El primero ha esperado lo suficiente como para proponer, pero nosotros, los Homo Sapiens, siempre nos encontramos en su camino (¡al crear las computadoras tarde!) Ahora lentamente se están moviendo hacia un “felizmente siempre después! “cosa por sí mismos.
