Эксперимент с каплей масла и квантование заряда

Как систематически показать, что результирующие заряды в эксперименте с каплями масла представляют собой целые числа, умноженные на е Другими словами, как извлечь е из данных?

Этот вопрос очень актуален. Я понятия не имею, что вы спрашиваете. Вы не даете никакой исходной информации.
Подробнее об эксперименте Милликена с каплей масла: физика.stackexchange.com/search? q=millikan+oil
Я даю упрощенную версию этого вопроса как проблемы современной физики. Студенты со склонностью к ОКР находят довольно приличные решения. Тем не менее, часто возникает некоторая путаница в отношении того, какие именно данные содержатся в эксперименте Миликана, и вам почти наверняка следует говорить то, что вы думаете, чтобы все были на одной ноге.
@richard: Разве это не то, чему учат основы физики для первокурсников? Кроме того, в статье, на которую вы ссылаетесь, все подробно объясняется, поэтому я не понимаю сути вопроса.
Насколько я знаю, вы возитесь с разными значениями, пока не найдете то, которое лучше всего подходит. Должен признаться, я не знаю систематического способа сделать это. Мне было бы интересно объяснить какую-то систематическую процедуру, если кто-то захочет дать ответ. Между прочим, я подозреваю, что отрицательный голос и критика проистекают из непонимания того, о чем вы спрашиваете. Вопрос в том, как, исходя из списка зарядов, найти количество, которому все они кратны целым числам. Особенно учитывая, что будут экспериментальные погрешности в зарядах.

Ответы (2)

Чтобы ответить на комментарий Джона Ренни в разделе комментариев относительно существования систематического, независимого от человека алгоритма для определения LCM ряда данных при наличии значительной экспериментальной ошибки и без помощи капель, заряженных одним электроном, чтобы сделать человеческая догадка:

a = 12.5654;
L = 400;
list = Table[a (RandomInteger[{6, 35}] + RandomReal[{-0.25, 0.25}]), {k, L}];
f[b_] := Module[{g = Nearest[b Range[L]]}, Sum[Abs[g[list[[k]]][[1]] - list[[k]]], 
{k, L}]/b];
ListPlot[list, PlotRange -> All]
Plot[f[x], {x, 6, 15}, PlotRange -> All]

введите описание изображения здесь

введите описание изображения здесь

Человек никак не может посмотреть на этот график зашумленных необработанных данных и угадать LCM, но компьютер прекрасно с этим справится. Обратите внимание, что это надежно указывает на LCM, даже несмотря на то, что ошибка «измерения» составляет порядка 50%. Я использовал равномерно распределенную ошибку, но она так же хорошо работает с ошибками, распределенными по Гауссу.

Помимо интересного математического момента, в отсутствие шума НОК появляется как наибольший нуль оценочной функции, которая имеет последовательность нулей, плотность которых стремится к ( а Икс ) 1 где а является LCM и Икс это предположение. Как Икс 0 имеет место колебательная особенность, а для Икс > а , нулей больше нет.

введите описание изображения здесь

Есть ли шанс, что вы также можете объяснить код? Кроме того, это Mathematica?

Если эксперимент был проведен с достаточной точностью, простое построение рассчитанных значений заряда должно дать очевидную кластеризацию. (Два измерения на частицу: масса по скорости свободного падения и напряжение для достижения нулевой скорости — так я помню эксперимент, но это из пятидесятилетней памяти школьной физики… график напряжение/масса.)

У RJDoe есть набор указаний (с забавным апокалиптическим заключением) по написанию несколько иной версии эксперимента: http://www.phys.ksu.edu/personal/cocke/classes/phys506/aasamplewriteup.htm с использованием нисходящее и восходящее ускорение, чтобы дать три скорости на частицу. Мне интересно, может ли это иметь то преимущество, что вам не нужно будет зависеть от ранее измеренного значения вязкости воздуха.

Я вижу, что DumpsterDoofus выражает раздражение по поводу отсутствия усилий и предлагает, возможно, использование http://webphysics.davidson.edu/applets/pqp_preview/contents/pqp_errata/cd_errata_fixes/section4_5.html для создания купольных «данных» успокоило бы его. . Было бы интереснее увидеть данные, собранные таким образом, чем смотреть на его генерацию данных, которые, как я подозреваю, очень сильно отличаются от тех, что были собраны Милликеном. (Я также не согласен с тем, что мы не смогли бы провести такой анализ данных без компьютеров.)

Извините, я, вероятно, должен был быть немного более четким в своем ответе: я не говорил, что такой анализ данных невозможен без компьютеров, я говорил, что для примера, который я привел, людям будет трудно увидеть кластеризация. В реальных экспериментах с заряженными каплями имеется достаточно заряженных капель с низким целым числом, чтобы вы могли посмотреть на данные и угадать ответ; смысл моего ответа состоял в том, чтобы предоставить общий, независимый от человека алгоритм для оценки LCM на зашумленных данных с неочевидной кластеризацией и большим количеством заряда.
Но я думаю, что данные Милликена были представлены (по крайней мере, насколько я их помню) как имеющие обычно одно-, двух- или трехзарядные капли, поэтому я думаю, что ваш сгенерированный компьютером пример не был реалистично построенным примером.
Да, вы правильно помните. Когда вы проводите эксперимент с каплями Милликена, капли обычно имеют только пару электронов, если они сделаны правильно, поэтому нетрудно оценить заряд, просто взглянув на данные, поэтому это делается в некоторых лабораториях физики для первокурсников. Смысл моего ответа состоял в том, чтобы ответить на более общий вопрос о том, как решить проблему для аналогичных типов анализа данных, включающих зашумленные, квантованные данные, которые не поддаются человеческому анализу, а не просто данные Милликена.
На практике очень трудно ограничиться всего несколькими электронами (хотя это обычно представляемая идеализированная версия эксперимента). В реальном эксперименте Миликена он запускал одну каплю вверх и вниз, пока заряд не был случайным образом аннулирован ионизацией окружающей среды. Затем вы вычисляете разницу в изменениях до и после, выведенную из соотношения напряжение-скорость. Повторяйте со многими каплями и событиями множественной нейтрализации на каплю, и вы можете добиться очень хороших результатов, но это требует большого терпения.