物理学中有哪些工具？

1、电压表

电压表是测量电压的一种仪器，常用电压表——伏特表的符号为“V”。传统的指针式电压表包括一个灵敏电流计，在灵敏电流计里面有一个永磁体，在电流计的两个接线柱之间串联一个由导线构成的线圈，线圈放置在永磁体的磁场中，并通过传动装置与表的指针相连。

大部分电压表都分为两个量程。电压表有三个接线柱，一个负接线柱，两个正接线柱，电压表的正极与电路的正极连接，负极与电路的负极连接。

2、电流表

电流表是指用来测量交、直流电路中电流的仪表。在电路图中，电流表的符号为"圈A"。电流值以“安”或“A"为标准单位。

电流表是根据通电导体在磁场中受磁场力的作用而制成的。电流表内部有一永磁体，在极间产生磁场，在磁场中有一个线圈，线圈两端各有一个游丝弹簧，弹簧各连接电流表的一个接线柱，在弹簧与线圈间由一个转轴连接，在转轴相对于电流表的前端，有一个指针。

3、滑动变阻器

动变阻器是电路元件，它可以通过来改变自身的电阻，从而起到控制电路的作用。在电路分析中，滑动变阻器既可以作为一个定值电阻，也可以作为一个变值电阻。滑动变阻器的构成一般包括接线柱、?滑片、电阻丝、金属杆和瓷筒等五部分。

4、秒表

秒表是一种常用的测时仪器。又可称"机械停表"。由暂停按钮、发条柄头、分针等组成。它是利用摆的等时性控制指针转动而计时的。

5、电磁继电器

电磁继电器是一种电子控制器件，它具有控制系统（又称输入回路）和被控制系统（又称输出回路），通常应用于自动控制电路中，它实际上是用较小的电流、较低的电压去控制较大电流、较高的电压的一种“自动开关”。故在电路中起着自动调节、安全保护、转换电路等作用。

6、灵敏电流计

灵敏电流计是供学生实验或实验室检查直流电路中微弱的电流或微小电压用的，它是一种高灵敏度的磁电式仪表，可以测量10^-7～10^-12A的微小电流。如用作电桥测量、温差电偶、电磁感应及光电效应等。

百度百科-电压表

百度百科-实验仪器

百度百科-滑动变阻器

玻色子云可以用来解释“暗物质不是什么”

为什么水在4摄氏度左右密度最大？为什么冰会浮？为什么重水和普通水的熔点不同？为什么雪花有六重对称？洛桑联邦理工学院(Ecole Polytechnique Federale de Lausanne)、哥廷根大学(University of Gottingen)和维也纳大学(University of Vienna)的研究人员进行了一项合作研究，将数据驱动的机器学习技术和量子力学结合起来，为这些问题提供了物理上的洞见。这项研究于2019年1月2日发表在《美国国家科学院院刊》(Proceedings of the National Academy of Sciences)上。大多数可观测物质的基本成分是电子和原子核。遵循量子力学的定律，它们的行为可以用波函数来描述，这是一种弥漫的云，与在给定的时间点观察它们的概率有关。

博科园-科学科普：通过求解薛定谔方程，可以对包括水在内的任何物质进行模型和预测。但有一个问题。随着电子和原子核数量的增加，即使使用最快的超级计算机，甚至在优化此类计算方面取得了一个世纪的著名进展之后，所涉及的复杂性也很快变得难以处理。事实上，对于原子超过几百个，或者时间超过一纳秒的系统，也就是1/ 1000,000,000th秒，量子力学计算仍然负担不起。为了克服这些苛刻的限制，研究人员利用人工神经网络(ANN)从量子力学中学习原子间的相互作用。神经网络结构可以表示为几个相互连接的节点层，这些节点层模拟了人脑神经元的结构。神经网络首先学习原子间的量子力学相互作用，然后快速预测原子系统的能量和力，而不需要进行昂贵的量子力学计算。到目前为止，这一切听起来都像是机器学习的典型成功案例。

：pexels/pexels license

然而其中也有微妙之处。与实际的量子力学计算相比，神经网络有一个残余误差:大多数情况下，它会引入一个很小的噪声，有时它会胡乱猜测输入是否与它学过的任何东西有很大不同。如何避免人工神经网络的陷阱?研究人员没有单独使用ANN来预测原子系统，而是将其作为替代模型。从本质上讲，有限温度下材料性能的计算通常涉及到许多计算步骤，这些繁琐的重复部分可以委托给廉价的替代模型。最后，代理真理与基础真理的区别，也就是人工神经网络与量子力学的区别，可以从最终的预测中得到解释和减去。利用这些技术，研究人员可以从量子力学中再现水的几种热力学性质，包括冰和水的密度、正常水和重水熔融温度的差异以及不同形式冰的稳定性。

将人工神经网络应用于水和冰的热力学性质计算，揭示了量子核涨落的重要影响。：Christoph Dellago

此外，这项研究还揭示了一些关于冰和水的特殊性质的物理见解。最值得注意的发现之一是核量子涨落，即像氢这样的轻元素更像扩散云而不是局域粒子的倾向，促进了冰内部分子的六边形排列，最终导致雪花的六倍对称。到目前为止，这一切听起来都像是机器学习的典型成功案例。然而其中也有微妙之处。与实际的量子力学计算相比，神经网络有一个残余误差：大多数情况下，它会引入一个很小的噪声，有时它会胡乱猜测输入是否与它学过的任何东西有很大不同。如何避免人工神经网络的陷阱？研究人员没有单独使用ANN来预测原子系统，而是将其作为替代模型。

从本质上讲，有限温度下材料性能的计算通常涉及到许多计算步骤，这些繁琐的重复部分可以委托给廉价的替代模型。最后，代理真理与基础真理的区别，也就是人工神经网络与量子力学的区别，可以从最终的预测中得到解释和减去。利用这些技术，研究人员可以从量子力学中再现水的几种热力学性质，包括冰和水的密度、正常水和重水熔融温度的差异以及不同形式冰的稳定性。此外，这项研究还揭示了一些关于冰和水的特殊性质的物理见解。最引人注目的发现之一是，核量子涨落(即氢等轻元素的行为更像弥散云而不是局部粒子的趋势)促进了冰内分子的六边形堆积，最终导致了雪花的六重对称性。

暗物质的性质继续使天文学家感到困惑。随着对暗物质粒子的搜索继续一无所获，人们很想把暗物质模型完全放弃，但是关于这种东西的间接证据仍然很强大。那么它是什么呢？一个科研团队又有一个新的想法，并且已经发表了他们第一次搜索的结果。

暗物质的条件意味着它不可能是常规物质。常规物质（原子、分子等）很容易吸收和发射光线。即使暗物质是冷到几乎不发光的分子云，它们仍然可以通过它们吸收的光看到。它们会像银河系平面附近常见的黑暗星云一样出现。但是它们的数量远远不够，无法解释我们观察到的暗物质的影响。我们也排除了中微子的可能性。它们与光没有强烈的相互作用，但中微子是一种"热"暗物质的形式，因为中微子几乎以光速移动。我们知道，大多数暗物质必须是迟缓的，因此是"冷的"。因此，如果暗物质存在，它一定是别的样子。

在这项最新工作中，作者认为暗物质可能是由被称为标量玻色子的粒子构成的。所有已知的物质都可以被归为两大类，即费米子和玻色子。一个粒子属于哪一类，取决于一个被称为自旋的量子属性。像电子和夸克这样的费米子具有分数自旋，如1/2或3/2。玻色子，如光子，有一个整数的自旋，如1或0。

夸克和轻子是费米子，而力的载体是玻色子。

虽然这似乎是一个微不足道的区别，但这两种粒子在大组中聚集在一起时，表现得非常不同。费米子永远不可能占据相同的量子态，所以当你试图把它们挤在一起时，它们会相互推回去。这也是白矮星和中子星存在的原因。引力试图将电子或中子推到一起，但费米压力非常强大，它可以抵抗引力（到一定程度）。另一方面，玻色子则完全乐于占据相同的状态。因此，如果你对一堆玻色子（如氦-4）进行过冷处理，它们就会沉淀为一个奇怪的量子物体，即玻色-爱因斯坦凝聚物。

唯一已知的标量玻色子是希格斯玻色子。鉴于希格斯的已知特性，它不可能是暗物质，但一些理论提出了其他标量玻色子。这些标量玻色子不会与光发生强烈的相互作用，只与引力发生作用。由于光不能明显地加热它们，随着时间的推移，这些标量玻色子会冷却并坍缩成大云。因此，也许暗物质是由大型的标量玻色子扩散云组成的。

中子星中夸克核心的插图。

这是一个有趣的想法，但你怎么能证明它呢？事实证明，由于标量玻色子的引力作用，它们也与引力波相互作用。根据它们的质量，标量玻色子也可能通过发射引力子进行衰变。因此，标量玻色子可能会产生具有类似频率的持久的引力波，因此，该团队查看了来自LIGO和Virgo的引力波数据。他们在20-600赫兹的范围内寻找引力带来的证据，但目前一无所获。基于他们的工作，作者得出结论，我们的银河系中没有年轻的标量玻色子云。在距离地球3000光年的范围内也没有老的和冷的标量玻色子云。

这项研究并没有完全排除标量玻色子，但它确实对这一想法做出了一些强有力的限定。而现在，这似乎就是暗物质的故事 - 在我们寻求发现它是什么的过程中，我们也在继续发现它不是什么。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com