مدل‌سازی در فیزیک: هنرِ ساده کردنِ هوشمندانه‌ی جهان 🎯

یه سؤالِ ساده ازت بپرسم 🤔: یه توپِ بسکتبال پرتاب می‌کنی سمتِ حلقه. حالا بخوای دقیق حسابش کنی، باید چند تا چیزو در نظر بگیری؟ درزهای روی توپ، چرخشش تو هوا، فشارِ باد، مقاومتِ هوا، اینکه هرچی بالاتر می‌ره وزنش یه ذره عوض می‌شه… 😵‍💫 وایسا وایسا! اگه بخوای همه‌ی اینا رو حساب کنی، تا فردا صبحم جوابو پیدا نمی‌کنی. فیزیک‌دونا یه ترفندِ باهوشانه دارن واسه این قضیه. اسمش مدل‌سازی ـه. بریم ببینیم چیه 👇

مشکل از کجا شروع می‌شه؟ 🌀

دور و برتو نگاه کن. پرتابِ یه توپ، افتادنِ یه برگ از درخت 🍂، تشکیلِ رنگین‌کمان 🌈، آذرخش ⚡ — اینا واسه ما اون‌قدر عادی شدن که اصلاً بهشون فکر نمی‌کنیم. ولی همین که بخوای یکیشونو تو فیزیک دقیق بررسی کنی، می‌بینی پر از پیچیدگیه!

بذار رو همون توپِ بسکتبال زوم کنیم 🔍. واقعیت اینه که:

• توپ یه کره‌ی کاملِ صاف نیست (کلی درز و برجستگی داره)
• تو هوا دورِ خودش می‌چرخه 🌀
• باد و مقاومتِ هوا هلش می‌دن این‌ور اون‌ور
• و حتی وزنش با تغییرِ فاصله از مرکزِ زمین یه‌خرده عوض می‌شه

اگه بخوای همه‌ی اینا رو با هم حساب کنی، تحلیلت یه هیولای ریاضیِ وحشتناک می‌شه 👹. اینجاست که فیزیک‌دون می‌گه: «خب، بیا یه‌کم ساده‌ش کنیم.»

مدل‌سازی یعنی چی؟ 💡

مدل‌سازی فرایندیه که توش یه پدیده‌ی فیزیکی رو اون‌قدر ساده و آرمانی می‌کنیم که بشه راحت بررسی و تحلیلش کرد.

یعنی چیزای جزئی و کم‌اهمیتو می‌ذاریم کنار، تا اون چیزِ اصلی واضح بشه. درست مثلِ نقشه‌ی مترو 🚇 — نقشه‌ی مترو که شکلِ واقعیِ شهر نیست! خیابونا، فاصله‌ها، پیچ‌وخم‌ها، هیچ‌کدوم دقیق نیستن. ولی دقیقاً همون چیزی که لازم داری (کدوم ایستگاه بعدِ کدومه) رو عالی نشون می‌ده. مدل‌سازیِ فیزیک هم همینه: یه نقشه‌ی ساده‌شده از واقعیت 🗺️.

بیا توپِ بسکتبالو مدل کنیم 🏀

حالا قدم‌به‌قدم توپو ساده می‌کنیم:

قدم ۱: از اندازه و شکلِ توپ چشم‌پوشی می‌کنیم و فرض می‌کنیم کلِ توپ یه نقطه ‌ست. به این تو فیزیک می‌گن جسمِ نقطه‌ای یا ذره. (نه اینکه واقعاً نقطه‌ست‌ها 😄، فقط واسه راحتی این‌جوری فرض می‌کنیم.)

قدم ۲: فرض می‌کنیم توپ تو خلأ حرکت می‌کنه، پس از مقاومتِ هوا و وزشِ باد صرف‌نظر می‌کنیم 🌬️🚫.

قدم ۳: فرض می‌کنیم وزنِ توپ تو کلِ مسیر ثابته (چون تغییرِ فاصله از مرکزِ زمین در این ارتفاعِ کم، اون‌قدر ناچیزه که می‌شه نادیده‌ش گرفت).

حالا چی داریم؟ یه نقطه که فقط نیروی گرانشِ ثابت روش اثر می‌کنه. همین! اینو دیگه راحت می‌شه با چند تا معادله تحلیل کرد ✅. کلِ اون پیچیدگیِ هیولایی، آب رفت شد یه مسئله‌ی تمیز.

🎮 خودت امتحان کن: سرعت و زاویه رو عوض کن، بعد دکمه‌ی «مقاومت هوا» رو بزن. می‌بینی مسیرِ واقعی (آبی) چطوری از مدلِ ساده‌شده (نقطه‌چین) جدا می‌شه — این دقیقاً همون چیزیه که موقعِ مدل‌سازی نادیده‌ش گرفتیم!

⚠️ اون اشتباهِ خطرناک که نباید بکنی!

اینجا یه نکته‌ی طلایی هست که کتاب درست بهش اشاره می‌کنه و کلی دانش‌آموز رو زمین می‌زنه 😬:

موقعِ مدل‌سازی، فقط باید اثرهای جزئی و کم‌اهمیت رو نادیده بگیری — نه اثرهای مهم و تعیین‌کننده رو!

مثال؟ تو همون توپِ بسکتبال، مقاومتِ هوا یه اثرِ جزئیه، نادیده‌ش گرفتیم، اشکالی نداشت. ولی فرض کن یه دانش‌آموزِ شیطون 😏 به‌جای مقاومتِ هوا، بیاد نیروی گرانش رو نادیده بگیره! اون‌وقت مدلش می‌گه توپی که به بالا پرتاب کردی… تا ابد صاف می‌ره بالا و هیچ‌وقت برنمی‌گرده! 🚀😱

خنده‌داره، نه؟ ولی درسِ مهمیه: مدل‌سازی یعنی حذفِ هوشمندانه ، نه حذفِ هرچی که اذیتمون می‌کنه. باید بدونی کدوم اثر مهمه و کدوم نه — و این خودش هنره 🎨.

مدل‌سازی فقط مالِ توپ نیست! 🌍

این ترفند همه‌جای فیزیک هست. مثلاً تو مکانیک (شاخه‌ای از فیزیک که حرکتِ اجسام و نیروها رو بررسی می‌کنه):

تصور کن یکی داره یه جعبه‌ی سنگینو رو زمین هل می‌ده 📦. واقعیتش پیچیده‌ست، ولی ما جعبه رو یه ذره فرض می‌کنیم که دو تا نیرو روش اثر می‌کنه: نیروی دست (که می‌بَرتش جلو) و نیروی اصطکاک (که برعکسِ حرکت، عقب می‌کشتش). تمام! همین مدلِ ساده، تو فصلِ سومِ همین کتاب کلی به‌کارت میاد 😎.

یا حتی تو نورشناسی : یادته تو علومِ هشتم، نورو به‌صورتِ یه «پرتو» (یه خطِ مستقیمِ نازک) نشون می‌دادن؟ خب نورِ واقعی که خط نیست، یه موجِ پیچیده‌ست! ولی واسه فهمیدنِ اینکه نور چطوری تو دوربینِ عکاسی تصویر می‌سازه، همون مدلِ ساده‌ی «پرتوِ نور» کاملاً جواب می‌ده 📸.

🔬 کاوشِ عمیق‌تر: این شبیه‌سازیِ کاملِ PhET بهت اجازه می‌ده با عدسی‌های مختلف بازی کنی و تشکیلِ تصویرو از نزدیک ببینی.

داستانِ اتم: نظریه‌ای که پنج بار لباس عوض کرد 👕👔👚

بهترین مثال برای اینکه ببینی نظریه‌ها چطوری عوض می‌شن، خودِ مدلِ اتمه. تو کمتر از صد سال، تصویرِ ما از اتم پنج بار زیر و رو شد 🔄 — هر بارم نه چون قبلیه «خنگ» بود، بلکه چون یه آزمایشِ جدید یه چیزی نشون داد که مدلِ قبلی از پسش برنمیومد.

آیکون	مدل	سال	کیِ گفته؟	تصویرِ ساده	کِی به دردِ نخور شد؟
	توپ بیلیارد	۱۸۰۳	دالتون	گوی تو‌پُر و تقسیم‌نشدنی	وقتی ذراتِ باردار کشف شدن
	کلوچه‌ی کشمشی	۱۹۰۴	تامسون	بارِ مثبت یکدست، الکترونا مثلِ کشمش توش	وقتی ذرات آلفا از طلا برگشتن
	هسته + خلأ	۱۹۱۱	رادرفورد	هسته‌ی کوچیک و متراکم وسط — الکترونا؟ نمی‌دونم!	وقتی بور پرسید «خب اونا کجان؟»
	سیاره‌ای	۱۹۱۳	بور	الکترونا روی مدارهای مشخص دورِ هسته می‌گردن	برای اتم‌های پیچیده‌تر از هیدروژن
	ابر الکترونی	۱۹۲۶	شرودینگر	الکترون ابرِ احتمال — موقعیتِ دقیق؟ نداره!	(همینه که قبولش داریم ✅)

---

داستانِ کامل — بخون، قشنگه! 🎭

«اتم» یعنی چی؟ از واژه‌ی یونانی «ἄτομος» (atomos) به معنی «تقسیم‌نشدنی» میاد. قدیما می‌گفتن اتم کوچیک‌ترین ذره‌ی هر ماده‌ست و دیگه نمی‌شه ریزش کرد. خب این یه حرف بود — و ما که تو فیزیک با حرف زندگی نمی‌کنیم، با مدل زندگی می‌کنیم.

دالتون (۱۸۰۳) ⚫ جان دالتون اومد گفت بذارید این کوچیک‌ترین ذره رو مدل کنیم. نظرش: اتم یه توپ بیلیارد خیلی خیلی کوچیکه — سفت، توپُر، تقسیم‌نشدنی. این اروپایی‌ها از بس بیلیارد بازی می‌کردن همه‌چیزو با توپ بیلیارد تعریف می‌کردن 😄 (حالا که باشگاه‌های بیلیارد تو ایران هم زیاد شده دیگه می‌فهمیم چرا). خودِ دالتون هم ربطی به اون برادران «داگلاس دالتون» تو Lucky Luke نداره — اونا دنبالش نبودن 🤠. مدلش برای توضیحِ ترکیباتِ شیمیایی عالی بود. تا اینکه…

تامسون (۱۹۰۴) 🍪 خواص الکتریکی ماده کشف شد: اتم یه جزءِ مثبت داره و یه منفی — حالا چطوری چیده شدن؟ جوزف جان تامسون پرتقال‌فروش نبود — پروفسور فیزیک بود 😄 — اومد گفت: فکر کنید همون توپ بیلیارد دالتون مثل یه کلوچه‌ی کشمشیه. بارِ مثبت خودِ کلوچه‌ست (یکدست پخش شده) و الکترون‌ها (بار منفی) مثلِ دونه‌های کشمش توش نشستن. مدلِ قوی بود — دقیقاً رفتارِ الکتریکی رو توضیح می‌داد. مثلاً وقتی کهربا رو با پشم مالش می‌دیم، الکترون‌ها از پشم به کهربا منتقل می‌شن: پشم مثبت می‌شه، کهربا منفی. ولی واقعاً بارهای مثبت و منفی قاطی‌پاتیِ همن؟ 🤨

رادرفورد (۱۹۱۱) ⚫❓ ارنست رادرفورد (که ربطی هم به خودروی فورد نداره 😄) اومد گفت: یه ماده‌ی رادیواکتیو (رادیوم) از خودش ذره‌ی آلفا می‌تابه — بار مثبت داره. اگه مدل تامسون درست باشه، این ذره باید کمی کند بشه ولی از اتم رد بشه. اومد یه ورقه‌ی طلای خیلی نازک گرفت — چرا طلا؟ چون طلا رو می‌شه خیلی نازک کرد، این ویژگیِ طلاست نه اینکه پولدار بوده 😅 — منبع رادیوم گذاشت یه طرف، صفحه‌ی فلورسان اون‌طرف. نتیجه:

• ~۹۸٪ از ذرات آلفا مستقیم رد شدن — انگار اتم اصلاً نیست!
• ~۲٪ منحرف شدن
• ~۱ از ۸۰۰۰ کاملاً برگشتن!

رادرفورد گفت: «مثل شلیک گلوله به کاغذ و برگشتنشه — باورم نمی‌شد!» 😱 نتیجه: اتم یه هسته‌ی خیلی کوچیک و خیلی متراکم داره که تقریباً همه‌ی جرم و بارِ مثبت توشه — بقیه‌ش خلأ. (چرا هسته سنگینه؟ چون اگه سبک بود، ذره‌ی آلفا با برخورد تکونش می‌داد — این رو تو فصلِ برخورد یاد می‌گیریم.)

از رادرفورد بپرسی «خب الکترون‌ها کجان؟» می‌گفت: «من چه بدونم! مدلِ من فقط می‌گه هسته چیه» 🤷 — و این صادقانه‌ترین حرفِ ممکن بود.

بور/بوهر (۱۹۱۳) نیلز بور اومد گفت: نگاه کن، تو منظومه‌ی شمسی همه‌ی جرم تو خورشیده و سیاره‌ها توی مدارهای مشخص دورش می‌گردن. بیا همین مدل رو رو اتم پیاده کنیم: هسته وسط، الکترون‌ها تو مدارهای مشخص دورش. مدلِ قشنگی بود و طیفِ نوری هیدروژن رو عالی توضیح می‌داد. ولی برای اتم‌های پیچیده‌تر از هیدروژن هنوز کم داشت…

شرودینگر (۱۹۲۶) 🌫️ اروین شرودینگر با دیدِ کوانتومی نگاه کرد. اصلِ عدم قطعیتِ هایزنبرگ می‌گه: هر چی بخوای موقعیتِ الکترون رو دقیق‌تر بدونی، سرعتش رو نادقیق‌تر می‌دونی. فرض کن می‌خوای ببینی الکترون کجاست — باید یه فوتون بزنی بهش؛ همون لحظه فوتون موقعیتشو به هم می‌ریزه 😵‍💫. پس به‌جای «مدار مشخص» باید بگیم: اینجا یه ابرِ احتمال داریم — محدوده‌ای که الکترون توشه ولی نمی‌شه گفت دقیقاً کجا. بهش می‌گیم اوربیتال (نه اوربیت).

---

ببین قصه چقدر قشنگه 🥹 هیچ‌کدوم از این دانشمندا «اشتباه» نبودن. هر کدوم بهترین تصویری رو ساختن که داده‌های زمونه‌ی خودشون اجازه می‌داد. و مهم‌تر: مدلِ قدیمی‌تر دور ریخته نشد — هنوز تو چهارچوبِ خودش معتبره:

• می‌خوای الکتریسیته‌ی مالشی رو توضیح بدی؟ → مدلِ تامسون کافیه
• می‌خوای پیوندِ شیمیایی حساب کنی؟ → رادرفورد + بور کافیه
• می‌خوای رفتارِ دقیقِ ساختاریِ ماده رو بررسی کنی؟ → شرودینگر

مدل‌ها نمیان بگن «قبلیه رو بریز دور». میگن: «قبلیه تو حوزه‌ی خودش هنوز معتبره، ولی برای این مسئله‌ی جدید دیگه جواب نمی‌ده.» علم یه زنجیره از تصویرایِ بهترشونده‌ست — نه یه حقیقتِ ناگهانی که از آسمون بیفته رو سرت 😆

جمع‌بندیِ خودمونی 🎁

مدل‌سازی یعنی: واقعیتو اون‌قدر ساده کن که بشه فهمیدش، ولی نه اون‌قدر که دیگه واقعیت نباشه. این تعادل، قلبِ کارِ یه فیزیک‌دونه. هر معادله‌ای که تو این کتاب می‌بینی، پشتش یه مدل خوابیده — یه تصویرِ ساده‌شده از یه گوشه‌ی واقعیت.

دفعه‌ی بعد که یه مسئله‌ی فیزیک دیدی، اول از خودت بپرس: «اینجا چیا مهمه و چیا رو می‌تونم نادیده بگیرم؟» 🤓 اگه جوابِ این سؤالو پیدا کنی، نصفِ راهو رفتی.

---

جعبه‌ی «جالبه که بدونی» 💡

دانشمندا گاهی مدل‌هاشونو اون‌قدر ساده می‌گیرن که خودشونم بهش می‌خندن 😂. یه جوکِ معروف بینِ فیزیک‌دونا هست: یه دامدار از فیزیک‌دون می‌پرسه چطوری شیرِ گاوهاش رو بیشتر کنه. فیزیک‌دون می‌گه: «اول فرض می‌کنیم گاو، یه کُره‌ی کامله تو خلأ…» 🐄⚪ این جوک دقیقاً داره همون افراطِ تو مدل‌سازی رو مسخره می‌کنه — جایی که اون‌قدر ساده می‌کنی که مدلت دیگه به درد نمی‌خوره! تعادل، همه‌چیزه.

---

خودتو بسنج 📝

روی هر سؤال کلیک کن تا جوابش باز شه 👇

---

تحلیل با پایتون 🐍

مدل‌سازی پرتابه — خلأ در برابر هوا ✈️

یادته گفتیم مدل‌سازی یعنی نادیده گرفتن چیزای کم‌اهمیت؟ بذار ببینیم وقتی «مقاومت هوا» رو نادیده می‌گیریم، جوابمون چقدر از واقعیت دور می‌شه — و کِی دیگه نمی‌شه نادیده‌ش گرفت:

import numpy as np
import matplotlib.pyplot as plt

g = 9.8
v0 = 25       # initial speed (m/s)
angle = 45    # angle (degrees)
theta = np.radians(angle)

# ── Simple model (no air resistance) ────────────────────────────
vx, vy = v0*np.cos(theta), v0*np.sin(theta)
T = 2*vy/g
t = np.linspace(0, T, 400)
x_simple = vx * t
y_simple = vy*t - 0.5*g*t**2

# ── Realistic (with air resistance) — step-by-step ──────────────
def simulate(drag=0.03, mass=0.43):  # soccer ball: ~430 g
    dt = 0.005
    x, y, vx_, vy_ = 0.0, 0.0, vx, vy
    xs, ys = [0], [0]
    while y >= 0:
        v = np.sqrt(vx_**2 + vy_**2)
        ax = -(drag/mass)*v*vx_
        ay = -g - (drag/mass)*v*vy_
        vx_ += ax*dt;  vy_ += ay*dt
        x   += vx_*dt; y   += vy_*dt
        if y < 0: break
        xs.append(x); ys.append(y)
    return xs, ys

x_real, y_real = simulate()

fig, ax = plt.subplots(figsize=(9, 4))
ax.plot(x_simple, y_simple, 'b--', lw=2, label='Simple model (vacuum) — no air resistance')
ax.plot(x_real,   y_real,   'r-',  lw=2, label='Realistic (soccer ball in air)')
ax.fill_between(x_simple, y_simple, alpha=0.08, color='blue')
ax.set_xlabel('Horizontal distance (m)'); ax.set_ylabel('Height (m)')
ax.set_title(f'Projectile: v₀={v0} m/s, angle {angle}° — simple model vs. realistic', fontweight='bold')
ax.legend(); ax.grid(alpha=0.4); ax.set_ylim(bottom=0)
plt.tight_layout()
plt.savefig('projectile_modeling.png', dpi=120, bbox_inches='tight')
plt.show()

🤓 چالش: drag رو از 0.03 به 0.001 تغییر بده — ببین کِی دو مسیر عملاً یکی می‌شن (خطای کمتر از ۵٪). این دقیقاً اون لحظه‌ایه که مقاومتِ هوا دیگه «کم‌اهمیت» می‌شه!

---

منابع و مطالعه‌ی بیشتر 📚

ویکی‌پدیا

• مدل‌سازی ریاضی — ویکی‌پدیای فارسی
• Scientific modelling — Wikipedia EN
• Projectile motion — Wikipedia EN

ویدئو — یوتیوب 🎬

• Veritasium: The Biggest Myth in Physics Teaching — درباره‌ی اهمیتِ مدل‌سازی
• 3Blue1Brown: Differential equations — visualizing models
• PhET: Projectile Motion Simulation

ویدئو — آپارات 🎬

• جست‌وجو: مدل‌سازی فیزیک

روی همین سایت 🔗

• ← قبلی: فیزیک، دانشِ بنیادی
• بعدی: کمیت‌های نرده‌ای و برداری →

---

تو بخشِ بعدی می‌ریم سراغِ اینکه اصلاً «اندازه‌گیری» چیه و کمیت‌های فیزیکی به چند دسته تقسیم می‌شن — اونجا با یه چیزِ باحال به اسمِ «بردار» آشنا می‌شی 🧭. می‌بینمت! 👋