Современная физика
С середины прошлого века китайские имена стали упоминаться в связи с оригинальными физическими исследованиями. Большинство авторов физических работ были либо эмигрантами, либо их натурализованными потомками. Возникло странное сочетание «китайский американский физик», которое стало массовым, поскольку большинство таких ученых либо обучались в США, либо родились там, либо отказались от гражданства КНР. Со временем Китай обзавелся своими университетами, выпускающими физиков, и занял лидирующие позиции в сфере образования – его университеты считаются одними из лучших в Азии. Но даже сегодня китайские студенты составляют до трети от общего числа иностранных студентов в американских вузах, а этнические китайцы – до половины всех сотрудников в американских лабораториях; на долю людей с китайскими фамилиями приходится до 10 % регистрируемых в США патентов. Китайские студенты обучались и обучаются и в других университетах Запада. Большой вклад в этот процесс усвоения Китаем современной физики внес СССР, даже первый китайский доктор физико-математических наук (1959 год), академик Китайской академии наук, президент Научно-технического университета Китая (1988–1993) Гу Чао-хао (1926–2012) окончил механико-математический факультет МГУ. Этнических китайцев среди нобелевских лауреатов шестеро (четверо – уроженцы Китая), все добились успеха, работая на Западе.
Физики Китая – лауреаты Нобелевской премии по физике
Более показателен список китайских физиков, не получивших столь высокую награду, но занимающих видное место в мировой физической табели о рангах – упомянем только часть имен.
Эти списки далеко не исчерпывают все заметные фигуры в физической науке Китая. Видно, что современная физика успешно укоренилась на почве Поднебесной. Китай, кроме общепризнанного центра мирового производства («мастерской мира»), стремительно становится новым научно-техническим центром, вкладывая огромные средства в развитие технических направлений. В 2020 году Китай занял второе после США место по расходам на НИОКР, превышающим 582,8 млрд. долларов, и стал мировым лидером по количеству патентных заявок. Доля КНР в мировых расходах на НИОКР увеличилась с 4,9 % в 2000 году до 24,8 % в 2020 году. Это больше совокупных трат идущих следом Японии, Германии, Южной Кореи, Франции и Великобритании.
Таким образом, ни особенности китайского менталитета, ни очень позднее подключение к основам современной физики не смогут стать препятствием для стремительного прогресса Китая в области физической науки.
Глава 8. Будущий синтез
Конкретное потому конкретно, что оно есть синтез многих определений.
Два способа генерации знания
«Можно ли понимать явление, не зная законов, которым оно подчиняется?» – этой фразой открывается недавно вышедшая книга французского физика Юбера Кривина «Понимать, но не предвидеть. Предвидеть, но не понимать». В ней он анализирует два известных сегодня способа получения новых знаний: первый традиционный, установление причинно-следственных связей, формулируемых обычно в виде неких законов, и второй – анализ больших массивов данных, выполняемых обычно компьютером или нейронной сетью в поисках корреляций. Термин «понимать» в физике традиционно трактовали как наличие теории, которая не только объясняет факты, но и предсказывает новые, проверяемые экспериментом. Однако в современной физике обнаружили расщепление столь простой картины. Даже в классической механике простых систем горизонт предсказания может оказаться весьма малым – это явление получило название «детерминированного хаоса». Хотя поведение системы определяется детерминистическими законами, её поведение выглядит случайным из-за неустойчивости по отношению к начальным условиям и параметрам: малейшее изменение начальных условий со временем приводит к сколь угодно большим изменениям динамики системы. Наивная вера Лапласа в мощь ньютоновской механики, дающей принципиальную предсказуемость удаленного будущего с помощью «мощного вычислителя» (демона Лапласа) рухнула. На бытовом уровне это было очевидно и раньше – современные «кандидаты в демоны Лапласа», мощные компьютеры, могут предсказать погоду с достаточной для обывателя точностью не далее трех дней. Но в случае с погодой можно было надеяться на некие неучтенные процессы, недостаточное число пунктов сбора начальных данных, невысокое быстродействие и т. п., а в детерминированном хаосе все учтено, а предсказуемости нет. В качестве наглядного примера детерминистического хаоса (без использования математических формул) рассмотрим поведение двух пробок, брошенных в так называемую «белую воду» бурного горного потока. Если даже первоначальное расстояние между пробками было небольшим, то ниже по течению они, вероятнее всего, окажутся далеко друг от друга. В системах, подобной этой, небольшое различие в начальных условиях (положение пробок) может привести к большому расхождению на выходе.
Другим сюрпризом стала полярная к предыдущей ситуация, сложившаяся в квантовой механике. Математический аппарат теории дает точные (с учетом вероятностного содержания) ответы, то есть адекватные предсказания, полностью подтверждаемые наблюдениями. Но понимаем ли мы квантовую механику? Известное высказывание Ричарда Фейнмана, много сделавшего для формализации квантовой механики, безапелляционно: «Если вы думаете, что понимаете квантовую механику, вы её не понимаете». Речь идет о неоднозначности интерпретации теории, возникающей из-за попыток согласовать квантовую физику с нашим интуитивным пониманием физической реальности. Интерпретации квантовой механики представляют собой различные способы истолкования получаемых результатов. Известно по крайней мере десять различных подходов, пытающихся объяснить, как же квантовая механика получает свои великолепно проверяемые предсказания. Мы упомянем только три наиболее популярные интерпретации:
• Операционализм – отказ от интерпретации вообще. Этот подход часто выражают в виде афоризма: «Заткнись и вычисляй!» (англ. «Shut up and calculate»). Вы получили результат – чего вам еще надо?
• Копенгагенская интерпретация – именно её излагают студентам в общем курсе физики. Это вероятностная интерпретация. Центральным понятием является комплексная волновая функция. Можно однозначно и детерминированно описывать изменение волновой функции вплоть до нового измерения. Физически значимым является лишь квадрат модуля волновой функции, означающий вероятность нахождения изучаемого объекта в некотором месте пространства. При измерении волновая функция претерпевает редукцию или коллапс – мгновенное изменение описания квантового состояния. Большинство считает редукцию не физическим процессом, а математическим приёмом описания.
• Многомировая интерпретация – наиболее радикально отходящая от привычных понятий реальности. Она предполагает существование Мультиверса, то есть множества «параллельных невзаимодействующих вселенных», в каждой из которых реализуется свой вариант результата измерения. Волновая функция все время эволюционирует в соответствии с законами квантовой механики, и, соответственно, отсутствует какая-либо редукция волновой функции. При каждом акте измерения наблюдатель расщепляется на несколько (возможно, бесконечно много) версий. Каждая из этих версий видит свой результат измерения и формирует собственную предшествующую измерению историю и версию Вселенной. Наиболее удачно в рамках Мультиверса интерпретируются явления запутанности квантовых состояний и невероятные быстродействие и обширность квантовых вычислений, наблюдаемые при их практической реализации. Самая простая и самая загадочная из интерпретаций.
Обсудим теперь второй вариант генерации знания, построенный на отказе от предварительного этапа конструирования теоретической модели явления, а стартующий сразу с прямого анализа большого массива данных по его наблюдению. Этот массив может быть весьма неоднороден, содержать ошибочные наблюдения и вообще быть «зашумленным» случайной информацией. Реализация такого варианта извлечения нужной информации из «сырых» массивов наблюдательных данных обычно связывают с нейронными сетями. Нейронная сеть – старинная математическая модель, известная с 1943 года, но в последние годы получившая большое распространение. Она построена по принципу организации и функционирования сети нервных клеток (нейронов) живого организма. Искусственной нейронной сетью (ИНС) называют программное или аппаратное воплощение такой модели. Она представляет собой систему соединённых и взаимодействующих между собой простых процессоров, намного более простых, чем используемые в больших компьютерах. Будучи соединёнными в большие системы и взаимодействуя по определенным правилам, сеть из таких процессоров способна обучаться! После разработки алгоритмов обучения ИНС стали использоваться в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и т. п. С точки зрения математики, обучение нейронных сетей – это многопараметрическая задача нелинейной оптимизации, которая эффективно решается за счет использования параллельных вычислений. Предсказания, сделанные нейронными сетями, могут быть очень точными, но мы их не понимаем, так же как и то, как они были получены, – всё строится на поиске корреляций, которые ищет сеть и которые могут быть даже не связаны причинно-следственной связью «вход-выход». Некоторых это завораживает своим операционализмом (сравни с «Shut up and calculate» квантовой механики), но большинство ученых понимают ущербность такого подхода. В упомянутой выше книге Юбера Кривина приведены высказывания двух министров образования (!) Франции. Так, академик Клод Аллегр заявил: «Математика находится сейчас на пути девальвации себя самой, и это почти неизбежно. Впредь вычисления за нас будут делать машины. И строить кривые для графиков тоже». А сменивший его философ Люк Ферри пошел дальше: «В повседневной жизни математика не служит буквально ни для чего