Гравитация.

gemini

Код (Text):

1.  
2. import numpy as np
3. import matplotlib.pyplot as plt
4. import matplotlib.animation as animation
5. from IPython.display import HTML
6.  
7. # ============================================================
8. # 1. ОБЩИЕ ПАРАМЕТРЫ СИСТЕМЫ
9. # ============================================================
10. G = 1.0
11. M = 1.0
12. c_rel = 6.0         # Скорость света для ОТО (1PN)
13. c_delay = 8.0       # Скорость поля для задержки
14. dt = 0.0008
15. steps = 35000
16. frames_count = 250
17. steps_per_frame = steps // frames_count
18.  
19. # Начальные условия (небольшой эксцентриситет для наглядности)
20. r0 = 1.0
21. e = 0.15
22. v0 = np.sqrt(G * M * (1 + e) / (r0 * (1 - e)))
23.  
24. init_pos = np.array([r0 * (1 - e), 0.0])
25. init_vel = np.array([0.0, v0])
26.  
27. # ============================================================
28. # 2. ВСПОМОГАТЕЛЬНЫЕ ФУНКЦИИ УСКОРЕНИЙ
29. # ============================================================
30.  
31. # Модель 1: ОТО (1PN)
32. def accel_oto(pos, vel):
33.     r = np.linalg.norm(pos)
34.     v2 = np.dot(vel, vel)
35.     rv = np.dot(pos, vel)
36.     a_N = -G * M * pos / r**3
37.     factor = (4 * G * M / r - v2) / c_rel**2
38.     v_factor = 4 * rv / c_rel**2
39.     return a_N * (1 + factor) + (G * M / r**3) * v_factor * vel
40.  
41. # Модель 2: Классический Ньютон
42. def accel_newton(pos):
43.     r = np.linalg.norm(pos)
44.     return -G * M * pos / r**3
45.  
46. # Модель 3: Наивная Задержка
47. def accel_delay(pos, vel):
48.     r = np.linalg.norm(pos)
49.     delay = r / c_delay
50.     retarded_center = -vel * delay
51.     dr = retarded_center - pos
52.     r_ret = np.linalg.norm(dr)
53.     return G * M * dr / r_ret**3
54.  
55. # ============================================================
56. # 3. РАСЧЕТ ТРАЕКТОРИЙ
57. # ============================================================
58.  
59. # --- 1. ОТО (1PN) ---
60. traj_oto = [init_pos.copy()]
61. p, v = init_pos.copy(), init_vel.copy()
62. for _ in range(1, steps):
63.     # RK4
64.     k1_v = accel_oto(p, v); k1_p = v
65.     k2_v = accel_oto(p + 0.5*dt*k1_p, v + 0.5*dt*k1_v); k2_p = v + 0.5*dt*k1_v
66.     k3_v = accel_oto(p + 0.5*dt*k2_p, v + 0.5*dt*k2_v); k3_p = v + 0.5*dt*k2_v
67.     k4_v = accel_oto(p + dt*k3_p, v + dt*k3_v); k4_p = v + dt*k3_v
68.     p += (dt/6) * (k1_p + 2*k2_p + 2*k3_p + k4_p)
69.     v += (dt/6) * (k1_v + 2*k2_v + 2*k3_v + k4_v)
70.     traj_oto.append(p.copy())
71.  
72. # --- 2. Ньютон ---
73. traj_newton = [init_pos.copy()]
74. p, v = init_pos.copy(), init_vel.copy()
75. for _ in range(1, steps):
76.     a = accel_newton(p)
77.     v += a * dt
78.     p += v * dt
79.     traj_newton.append(p.copy())
80.  
81. # --- 3. Задержка ---
82. traj_delay = [init_pos.copy()]
83. p, v = init_pos.copy(), init_vel.copy()
84. for _ in range(1, steps):
85.     a = accel_delay(p, v)
86.     v += a * dt
87.     p += v * dt
88.     traj_delay.append(p.copy())
89.  
90. # --- 4. Квантованная гравитация ---
91. traj_quant = [init_pos.copy()]
92. p, v = init_pos.copy(), init_vel.copy()
93.  
94. # Параметры квантования
95. p_quantum = 0.0003     # Квант приращения импульса (дискретность)
96. t_quantum_steps = 15   # Шагов между квантовыми актами взаимодействия
97. acc_buffer = np.zeros(2)
98.  
99. for step in range(1, steps):
100.     a = accel_newton(p)
101.     acc_buffer += a * dt
102.  
103.     # Взаимодействие происходит порциями
104.     if step % t_quantum_steps == 0:
105.         # Дискретизация приращения импульса/скорости
106.         v_inc = np.round(acc_buffer / p_quantum) * p_quantum
107.         v += v_inc
108.         acc_buffer = np.zeros(2)
109.  
110.     p += v * dt
111.     traj_quant.append(p.copy())
112.  
113. traj_oto = np.array(traj_oto)
114. traj_newton = np.array(traj_newton)
115. traj_delay = np.array(traj_delay)
116. traj_quant = np.array(traj_quant)
117.  
118. # ============================================================
119. # 4. ОТРИСОВКА И АНИМАЦИЯ
120. # ============================================================
121. fig, axs = plt.subplots(2, 2, figsize=(10, 10), dpi=100)
122. fig.patch.set_facecolor('#0d1117')
123.  
124. titles = ['1. ОТО (1PN: Розетка)', '2. Ньютон (Идеальный эллипс)',
125.           '3. Задержка (Разгон / Срыв)', '4. Квант (Дискретный хаос)']
126. colors = ['#58a6ff', '#3fb950', '#ff7b72', '#d2a8ff']
127. trajs = [traj_oto, traj_newton, traj_delay, traj_quant]
128.  
129. lines, planets = [], []
130.  
131. for ax, title, color in zip(axs.flat, titles, colors):
132.     ax.set_facecolor('#0d1117')
133.     ax.set_xlim(-1.8, 1.8)
134.     ax.set_ylim(-1.8, 1.8)
135.     ax.set_aspect('equal')
136.     ax.grid(True, color='#21262d', linestyle='--')
137.     ax.set_title(title, color=color, fontsize=11, fontweight='bold')
138.  
139.     line, = ax.plot([], [], color=color, lw=1.0, alpha=0.8)
140.     ax.scatter([0], [0], color='#f2cc60', s=120, zorder=5) # Звезда
141.     planet = ax.scatter([], [], color='white', s=40, zorder=6)
142.  
143.     lines.append(line)
144.     planets.append(planet)
145.  
146. def update(frame):
147.     idx = (frame + 1) * steps_per_frame
148.     for line, planet, traj in zip(lines, planets, trajs):
149.         line.set_data(traj[:idx, 0], traj[:idx, 1])
150.         planet.set_offsets([traj[idx-1, 0], traj[idx-1, 1]])
151.     return lines + planets
152.  
153. anim = animation.FuncAnimation(
154.     fig, update, frames=frames_count, blit=True, interval=40
155. )
156.  
157. plt.tight_layout()
158. plt.close()
159.  
160. # Вывод видео в Jupyter/Colab
161. HTML(anim.to_html5_video())

Матан что он генерит я не понимаю

--- Сообщение объединено, 6 сен 2026 ---

Как это работает:

- это эльфийское, матем попроще.

Это разложеник в Тейлор дающее силовые поправки, которые накапливаются:

 

Искал по ТО, нашел этот материал Метафизика, МГУ Ю. С. Владимиров

Там много упоминается Пуанкаре.

Автор мыслит матем понятиями прошлого века, такая подача совершенно не понятна. Алгебра это зло..

После выжимки получается это реляционная физика, как ттр. Только он не видет связей(граф), а тащит алгебру для описания сову на глобус.

Может кому то интересно, на разбор нужно много времени.

 

Эффект Джанибекова

Код (Text):

1. import numpy as np
2. import matplotlib.pyplot as plt
3. from matplotlib.animation import FuncAnimation
4. from IPython.display import HTML
5. from scipy.spatial.transform import Rotation as R
6.  
7. # ==========================================
8. # 1. ГЕОМЕТРИЯ И МАССЫ (Абсолютно твердое тело)
9. # ==========================================
10. # Начальные положения 4 точек Т-образной гайки
11. init_positions = np.array([
12.     [0.0,  0.0, 0.0],  # 0: Центр
13.     [0.0, -0.25, 0.0], # 1: Левое крыло
14.     [0.0,  0.25, 0.0], # 2: Правое крыло
15.     [0.35, 0.0, 0.0]   # 3: Хвост (штырь)
16. ])
17.  
18. masses = np.array([4.0, 1.0, 1.0, 1.5])
19. total_mass = np.sum(masses)
20.  
21. # Сдвигаем начальные координаты, чтобы центр масс был строго в (0,0,0)
22. cm_init = np.sum(init_positions * masses[:, None], axis=0) / total_mass
23. init_positions -= cm_init
24.  
25. # Функция для вычисления тензора инерции
26. def get_inertia_tensor(pos):
27.     I = np.zeros((3, 3))
28.     for i in range(len(masses)):
29.         r = pos[i]
30.         I += masses[i] * (np.dot(r, r) * np.eye(3) - np.outer(r, r))
31.     return I
32.  
33. # Начальный вектор момента импульса L (он СТРОГО сохраняется в пространстве!)
34. w0 = np.array([0.15, 6.0, 0.0]) # Вращение вокруг Y + малое возмущение по X
35. L = get_inertia_tensor(init_positions) @ w0
36.  
37. # Настройки симуляции
38. dt = 0.001
39. steps = 16000
40. skip = 50
41.  
42. positions = init_positions.copy()
43. history = []
44.  
45. # ==========================================
46. # 2. ЧЕСТНЫЙ ИНЕРЦИОННЫЙ ШАГ НЬЮТОНА (БЕЗ ДЕФОРМАЦИИ)
47. # ==========================================
48. for step in range(steps):
49.     I = get_inertia_tensor(positions)
50.     I_inv = np.linalg.inv(I)
51.    
52.     # Находим текущую угловую скорость из неизменного L
53.     w = I_inv @ L
54.    
55.     # Строгое вращение без изменения расстояний через матрицу поворота
56.     rot_vector = w * dt
57.     rot = R.from_rotvec(rot_vector)
58.     positions = rot.apply(positions)
59.        
60.     if step % skip == 0:
61.         history.append(positions.copy())
62.  
63. # ==========================================
64. # 3. ВИЗУАЛИЗАЦИЯ ИДЕАЛЬНОГО КУВЫРКА
65. # ==========================================
66. fig = plt.figure(figsize=(6, 6))
67. ax = fig.add_subplot(111, projection='3d')
68.  
69. # Фиксируем куб, чтобы убрать иллюзию смещения
70. ax.set_xlim([-0.4, 0.4])
71. ax.set_ylim([-0.4, 0.4])
72. ax.set_zlim([-0.4, 0.4])
73. ax.set_title("Эффект Джанибекова из элементарных масс")
74. ax.view_init(elev=20, azim=55)
75.  
76. # Создаем объекты линий с пустыми массивами нужной формы
77. line_bar, = ax.plot(np.array([]), np.array([]), np.array([]), 'b-o', lw=4, markersize=6)
78. line_tail, = ax.plot(np.array([]), np.array([]), np.array([]), 'r-o', lw=5, markersize=6)
79. center_dot, = ax.plot(np.array([0.0]), np.array([0.0]), np.array([0.0]), 'go', markersize=10)
80.  
81. def update(frame):
82.     pos = history[frame]
83.    
84.     # Синяя перекладина: Лево (1) -> Центр (0) -> Право (2)
85.     bx = np.array([pos[1, 0], pos[0, 0], pos[2, 0]], dtype=float)
86.     by = np.array([pos[1, 1], pos[0, 1], pos[2, 1]], dtype=float)
87.     bz = np.array([pos[1, 2], pos[0, 2], pos[2, 2]], dtype=float)
88.    
89.     line_bar.set_data(bx, by)
90.     line_bar.set_3d_properties(bz)
91.    
92.     # Красный штырь: Центр (0) -> Хвост (3)
93.     tx = np.array([pos[0, 0], pos[3, 0]], dtype=float)
94.     ty = np.array([pos[0, 1], pos[3, 1]], dtype=float)
95.     tz = np.array([pos[0, 2], pos[3, 2]], dtype=float)
96.    
97.     line_tail.set_data(tx, ty)
98.     line_tail.set_3d_properties(tz)
99.    
100.     # Центр масс строго в нуле
101.     center_dot.set_data(np.array([0.0]), np.array([0.0]))
102.     center_dot.set_3d_properties(np.array([0.0]))
103.    
104.     return line_bar, line_tail, center_dot
105.  
106. # Запускаем анимацию (blit=False для стабильности в Jupyter/Colab)
107. anim = FuncAnimation(fig, update, frames=len(history), interval=30, blit=False)
108. plt.close()
109.  
110. HTML(anim.to_html5_video())
111.  

К теме инерциоидов, на симуляции падает вертикально. Но это ничего не доказывает. Боковая сила возникает при наличии веса.

Код (Text):

1. import numpy as np
2. import matplotlib.pyplot as plt
3. from matplotlib.animation import FuncAnimation
4. from IPython.display import HTML
5. from scipy.spatial.transform import Rotation as R
6.  
7. # ==========================================
8. # 1. ГЕОМЕТРИЯ, МАССЫ И МЯГКАЯ ГРАВИТАЦИЯ
9. # ==========================================
10. init_positions = np.array([
11.     [0.0,  0.0, 0.0],  # 0: Центр
12.     [0.0, -0.25, 0.0], # 1: Левое крыло
13.     [0.0,  0.25, 0.0], # 2: Правое крыло
14.     [0.35, 0.0, 0.0]   # 3: Хвост (штырь)
15. ])
16.  
17. masses = np.array([4.0, 1.0, 1.0, 1.5])
18. total_mass = np.sum(masses)
19.  
20. # Центрируем начальное тело строго в локальный ноль
21. cm_init = np.sum(init_positions * masses[:, None], axis=0) / total_mass
22. init_positions -= cm_init
23.  
24. def get_inertia_tensor(pos):
25.     I = np.zeros((3, 3))
26.     for i in range(len(masses)):
27.         r = pos[i]
28.         I += masses[i] * (np.dot(r, r) * np.eye(3) - np.outer(r, r))
29.     return I
30.  
31. # Начальное вращение вокруг Y + возмущение по X
32. w0 = np.array([0.15, 6.0, 0.0])
33. L = get_inertia_tensor(init_positions) @ w0
34.  
35. # Ускорение падения (сделали еще меньше, чтобы падало дольше)
36. g_acc = np.array([0.0, 0.0, -0.06])
37.  
38. # Увеличенные настройки времени для долгого полета
39. dt = 0.001
40. steps = 40000     # Увеличили число шагов в 2.5 раза
41. skip = 80         # Скорректировали шаг кадров
42.  
43. positions = init_positions.copy()
44. cm_position = np.array([0.0, 0.0, 0.3]) # Стартуем повыше
45. cm_velocity = np.array([0.0, 0.0, 0.0])
46.  
47. history_pts = []
48. history_cm = []
49.  
50. # ==========================================
51. # 2. РАСЧЕТ ДЛИТЕЛЬНОГО ПАДЕНИЯ
52. # ==========================================
53. for step in range(steps):
54.     I = get_inertia_tensor(positions)
55.     w = np.linalg.inv(I) @ L
56.     rot = R.from_rotvec(w * dt)
57.     positions = rot.apply(positions)
58.    
59.     # Падение центра масс
60.     cm_velocity += g_acc * dt
61.     cm_position += cm_velocity * dt
62.    
63.     if step % skip == 0:
64.         world_positions = positions + cm_position
65.         history_pts.append(world_positions.copy())
66.         history_cm.append(cm_position.copy())
67.  
68. # ==========================================
69. # 3. ВИЗУАЛИЗАЦИЯ (ВЫТЯНУТЫЙ КУБ ПО ОСИ Z)
70. # ==========================================
71. fig = plt.figure(figsize=(6, 7))
72. ax = fig.add_subplot(111, projection='3d')
73.  
74. # Вытянули ось Z вниз, чтобы гайка не вылетала
75. ax.set_xlim([-0.4, 0.4])
76. ax.set_ylim([-0.4, 0.4])
77. ax.set_zlim([-1.2, 0.4])
78. ax.set_title("Затяжное падение с эффектом Джанибекова")
79. ax.view_init(elev=15, azim=45)
80.  
81. line_bar, = ax.plot([], [], [], 'b-o', lw=4, markersize=6)
82. line_tail, = ax.plot([], [], [], 'r-o', lw=5, markersize=6)
83. center_dot, = ax.plot([], [], [], 'go', markersize=10)
84.  
85. def update(frame):
86.     pos = history_pts[frame]
87.     cm = history_cm[frame]
88.    
89.     # Синяя перекладина: явные плоские списки координат по осям
90.     bx = [pos[1,0], pos[0,0], pos[2,0]]
91.     by = [pos[1,1], pos[0,1], pos[2,1]]
92.     bz = [pos[1,2], pos[0,2], pos[2,2]]
93.    
94.     line_bar.set_data(bx, by)
95.     line_bar.set_3d_properties(bz)
96.    
97.     # Красный штырь
98.     tx = [pos[0,0], pos[3,0]]
99.     ty = [pos[0,1], pos[3,1]]
100.     tz = [pos[0,2], pos[3,2]]
101.    
102.     line_tail.set_data(tx, ty)
103.     line_tail.set_3d_properties(tz)
104.    
105.     # Зеленый падающий центр масс
106.     center_dot.set_data([cm[0]], [cm[1]])
107.     center_dot.set_3d_properties([cm[2]])
108.    
109.     return line_bar, line_tail, center_dot
110.  
111. anim = FuncAnimation(fig, update, frames=len(history_pts), interval=25, blit=False)
112. plt.close()
113.  
114. HTML(anim.to_html5_video())
115.  

 

Я в университете изучал как раз алгебру и алгебраическую геометрию. Прошлый век это мат. анализ. Просто в рфе образование отсталое, и тут студентов только учат брать интегралы под водовку с картофаном.
Мат. анализ изучен вдоль и поперек. Новых открытий там не делают. Все открытия - в алгебре.

У меня мышление алгебраическое, я люблю симметрии, структуру. Мат. анализ это про непрерывно текущие процессы, мне такое менее интересно.

Мат анализ примитивен, это буквально описание природных процессов и все. А алгебра возвышенная, там всякие алгебраические многообразия, идеалы, дивизоры, кольца с богатым внутренним миром. С жертвами российского образования даже разговаривать не о чем, они позади всей планеты в математике. Просто зря потратили 5 лет жизни, чтобы их научили только мат анализу и все.
В алгбере понятие дифференциалов тоже есть. Но оно там дается не как в матане, а на алгебраическом языке колец с нильпотентом.

--- Сообщение объединено, 23 сен 2026 ---

Жертвы российского образования даже понять современные научные труды не могут. Там все дается на языке алгебры: категории, гомологии, пучки, кольца, многообразия. А жертвы р-образования привыкли интегралы под водовку брать.

--- Сообщение объединено, 23 сен 2026 ---

Интересно, тут кто-то понимает вообще, что продукт работы математика это новые теоремы и доказательства, а не ручной счет интегралов? С ручным счетом хорошо справляется компьютер и ИИ.

 

Aoizora,

Выше пример описания системы не графом, а алгеброй. Матрицы/множества, многомерности и прочая алгебра оторванная от реальности.

Система связей описывается графом и понимается как граф. У них алгебра ради алгебры..
Это ставит первый вопрос - математик в адеквате ?
Это они натащили в физику искривления пространств и тп., придавая физ смысл своим измышлениям над цифрами. Поэтому и сказал что это зло.
Толк какой в задачах тысячилетия", это дает какой то метод или технологию ?

 

Никогда не интересовался физикой. По идее физикам водовки с картофаном должно хватить.
А вся современная криптография, включая постквантовую, и теория кодирования основана на алгебре и алгебраической геометрии. Например, есть постквантовые алгоритмы шифрования на основе теории решеток.

 

чем дальше люди в изучении физики лезут за пределы привычных на бытовом опыте расстояний, временных промежутков, масс, энергий - тем все хуже и хуже применимы объяснения через наглядно понятные сущности. Они оказываются лишь приближениями, применимыми лишь в привычных нам диапазонах величин.

А началось все еще в те времена, когда поняли, что Землю придется считать круглой, а не плоской - пришлось сломать привычное представление о мире, в котором есть абсолютные верх и низ, и заменить их на математическую абстракцию "Сила притяжения к центру Мира(Земли)". Это именно математическая абстракция, потому что нет никаких веревок и прочих штук, которые бы "тянули" вещи к центру мира.

В начале 20 века оказались практически в аналогичной ситуации, только теперь вместо абсолютной оси "сверху вниз" в такой же ситуации оказалась ось времени. Пришлось ввести математические абстракции "мировые линии" и преобразования Лоренца, описывающие трансформации временнОй и пространственных осей для инерциальных случаев, а для неинерциальных вообще пришлось ввести тензоры кривизны пространства-времени.

И то же самое в еще большей степени произошло с описанием физики малых энергий. В теории относительности хотя бы привычные массы, расстояния и временнЫе промежутки остались, а тут вообще даже трехмерное пространство выбросили, только верчение через матрицы абстрактными векторами, описывающими Н.Е.Х. под названием "состояние квантовомеханической системы".

И другого выхода нет и не будет. Как бы по-другому не пытаться объяснить так, чтоб покрывались все известные случаи - ничего кроме голой математики не получится.

Алгебраические сущности существуют сами по себе. Их свойства не придумывают, а открывают. Они кажутся исключительно выдумкой лишь потому, что на первый взгляд не имеют никакой связи с материальным миром.

 

На одного только Вольфрамыча (чья Альфа) надежда - пытается весь мир графами и их перестановками объяснить.
Сожмём кулачки!

 

Я думаю, это теоретически возможно. Только надо не текущее состояние Вселенной объяснять, а всю ее историю от начала и до конца как единый граф, в котором все зависит от всего.

 

Dmitry_Milk,

Нет, это чисто матем манипуляции уравнениями с приданием физ смысла произвольным переменным. Например или квантование энергии это сущность, частица. В ТО так вообще перевернули формулы сделав вообше все переменным.
Берется любая функция и ее компоненты обьявляются физической сущностью. Но так как уравнения локальны и статичны, ввод в систему нового параметра или связи через причина-следствие приводит к логическому абсурду. Сократилась длина - сработал триггер; при связывании двух таких систем во времени возникает противоречие. Поля не имеющие физических свойств(не переносящие энергию/информацию) это норма..
Физик это научный цыган, которому доверия ноль. Может сочинить любую фантастику, ради спасения нелепой изначальной модели собирая патчи для нее. Если совсем с реалом не стыкуется, тогда можно ввести функции вне мира, мультиверс..

 

Ну примерно так и есть, только не любая функция, а такая, чтоб минимальным количеством уравнений описывала максимальное количество наблюдаемых данных.

И да, переменные таких уравнений объявляются имеющими физический смысл (не выводимый из бытовых абстракций). А какой другой способ ты предлагаешь использовать сейчас, когда пытаются объяснять вещи далеко за диапазонами, доступными для непосредственного восприятия? Ты же, например, не требуешь, чтоб элементарные частицы имели такие характеристики как цвет, вкус, запах, твердость? Но все же хочешь, чтоб они имели такие характеристики, как конкретное положение в конкретный момент времени или скорость, которые остаются последней зацепкой человека за привычную ему реальность. А, собственно, почему? Чем эти последние оставшиеся лучше первых перечисленных, от которых легко отказались?

--- Сообщение объединено, 24 сен 2026 ---

Вот, кстати, конкретный пример

как раз со всеми историческими перипетиями, почему пришли к внедрению еще более оторванной от реальности математики (и переменные которой ради хохмы назвали привычными наименованиями "цвет" и "запах").

 

Dmitry_Milk,

Модель должна строиться с учетом всех возможных состояний. Конкретно для частиц взята за фундамент релятивистская математика, как раз с переменными размерами пространства и времени. Патч на СТО. А если основано на сто, то весь домик фейковый и рационально разобраться там принципиально невозможно.

Квантовая физика чисто описательная, она не изучает механизмы или структуру, а использует вероятности. В общем вся физика описательная, а различные сущности необходимы для скрытия нелокальности или структуры. Аналогия: вращающаяся шестерня для КМ будет являться не структурой, а интегралом плотности железа в любой точке. Из него структура невыводима, тупик.

Сама суть ТО в нелокальности взаимодействий. Но для сохранения локальности сделан фикс с поправками на длину и время. Признать нелокальность куда сложнее(истор. фундамент), чем переменные параметры мира.

Способ очевидный, не придавать физ смысл математике. Это для науки невозможно, так как придется выкинуть всю теор. физику с ее г&п и строить новую нелокальную(реляционную).

Вблизи диапазона доступного: теория не обьясняет как возникает ток у меня в схемах на столе. Куда уж им тогда до более тонких материй.

 

Чтоб изучать структуру (того, что там в глубине материи), надо иметь доказательство того, что она там есть. А как ты это можешь доказать, если детали этой предполагаемой структуры ты не можешь ни увидеть ни потрогать ни еще как-либо узнать. Единственный способ узнать о том, что внутри какая-то структура - это по внешним эффектам системы. Но именно так и делается. Просто тебе не нравятся те "детали", которыми эту структуру моделируют.

 

Не обязательно же. Можно просто придумать некоего "топологического решателя", который все создал. А нейросеть подтвердит, что "вы абсолютно правы, так все и есть на самом деле"

 

А откуда ты знаешь, что у тебя возникает именно то, что ты считаешь током? Ты видишь какие-то внешние эффекты (электромагнитные, электротермические), а не ток

 

rmn,

Да, ТР для биологических структур необходим неизбежно и независимо от бям. Топология зрения требует ТР для работы, но физика света этого не касается. Тоесть фундаментальные свойства реальности и биологические системы это разные вещи. Это как сравнить часы с физматом. Для часов нужен часовщик, для физики не нужен..

Dmitry_Milk,

На основе фактов делается предположение про устройство/схему. Но из всех возможных используются уже имеющиеся с поправками. Иначе требуется новая модель, а отказ от старой невозможен.

Вид эффекта не важен, так как любое изменение приемника означает прием сигнала источника. Мощность получает один приемник, после его подключения. После значит что источник ничего никуда не отдает до включения, а это и есть нелокальность. Физика описывает процессы только после включения, если что.

 

Нет, ты забыл, что сама цепь у тебя является конденсатором. И из-за этого конденсатора у тебя мгновенная сила тока источника не обязана совпадать с мгновенной силой тока приемника, а значит не обязаны совпадать и мгновенные мощности. Они могут отличаться в обе стороны, в зависимости от того, заряжается в данный момет цепь-конденсатор, разряжается, или держит баланс зарядки/разрядки.

--- Сообщение объединено, 24 сен 2026 ---

Кто так постановил? Если у тебя старое объяснение требует кучи костылей, а новое - меньше для объяснения того же количества фактов, то новое лучше.