戴榕菁 1. 引言 自今年初以來我對賈尼別科夫效應的研究結果歸結起來就是一個結論和一個判斷。結論是：過去30年學界對賈尼別科夫效應的解釋徹底錯了；判斷是：現有的物理理論無法解釋賈尼別科夫效應。當然我們也可以將這一個結論和一個判斷說成是兩個結論。我之所以將第二個結論說成是判斷是因為與第一個結論不同，它不是肯定的，而是對於某種存在的否定。對於某種存在的否定性的結論因其開放性通常需要特別驗證。比如，有人指着他家地上的一個花瓣說：“那裡有個花瓣”，這就是確定性的結論；但如果有人說：“這整棟樓都沒有一個花瓣”，那就是開放的否定性結論，他需要特別的驗證才能證明他的結論是正確的。 對於我上面提到的“過去30年學界對賈尼別科夫效應的解釋徹底錯了”這個結論，因為我已明確找到他們錯在哪裡【[1]】，所以不需要任何額外的驗證。但是，對於我上面所說的“現有的物理理論無法解釋賈尼別科夫效應”，因其是一個開放的否定性結論，儘管我對自己的分析邏輯信心滿滿，要想讓別人能接受我的這個判斷，我還需要有實驗或AI的驗證來幫助背書。本文就來討論一下如何用AI來驗證我的上述判斷的設想，這裡主要涉及到兩個部分：對AI進行相關的訓練以及用AI對我的判斷進行驗證。 2. 訓練AI 為了要驗證我的上述判斷，我們需要通過以下三個主要的步驟來訓練AI： 步驟一： 先訓練AI熟悉牛頓引力理論，剛體力學，相關的空氣動力學知識，以及繞地球運行的空間及其內部所有物體的運動和受力特徵。但是，要把有錯誤的歐拉剛體力學方程排除在外。 步驟二： 讓學習了上述知識的AI去解決剛體在地球引力作用下的大氣場中運動的實例，比如子彈的飛行，物體自高空落下，甚至排球氣球這些變形不大的類剛體的運動等等。這一步的主要訓練目標為：根據已知的空氣溫度壓力濕度風速參數及運動物體質量和轉動慣量分布，在給定的初始條件下算出：1）物體質心坐標運動軌跡；2）剛體的歐拉角變化; 3）不同時間點上的速度，角速度，加速度，角加速度。同時，也要讓AI計算太空站內物體運動的解。 步驟三： 除去上一步驟中的初始條件，讓AI自己目測實際物體在地球重力場和大氣中的運動，並根據目測的結果給出： 1）物體質心坐標運動軌跡方程： （X,Y,Z）= （Fx(t),Fy(t),Fz(t)）; 2）剛體的歐拉角變化方程: （α,β,γ）= （A(t),B(t),G(t)）; 有了上面兩組方程之後可以算出： 3）不同時間點上的速度，角速度，加速度，角加速度； 再根據運動物體已知的質量及轉動慣量分布和實際測出的當時的空氣溫度壓力濕度參數算出： 4）不同時間點上物體所受的力與力矩 5）按照上述計算驗證動量及角動量的守恆狀況。 當AI已經能夠非常熟練且可靠地通過這三個步驟的訓練後，我們便可用它對我關於賈尼別科夫效應的判斷進行驗證了。 3. 驗證判斷 在AI已經能勝任前面的步驟三的前提下，驗證過程應該是比較簡單的：直接讓AI觀看在空間站錄製的賈尼別科夫效應的視頻，並將當時空間站所在位置（用來計算引力）和速度以及空間站內的相關物理參數及旋轉物體的質量和轉動慣量告知AI即可。 4. 討論 4.1. 兩種不同的可能 驗證的結果無非兩種： 1）AI發現當賈尼別科夫效應發生時，角動量完全守恆。 因為根據我所做的理論分析不存在出現這種結果的可能性，所以如果AI的驗證出現了這樣的結果，且經過核實AI的計算不存在錯誤，那麼我們需要根據AI在選定的時間點上算出的力來分析到底是什麼樣的力導致了旋轉物體的角動量的變化，以及為什麼過去30年裡的主流學界以及過去幾個月裡我的分析中會漏掉AI找出的導致賈尼別科夫效應的受力因素。萬一真出現這樣的情況，對於我們更好地了解空氣動力學應該是有幫助的。 2）AI發現當賈尼別科夫效應發生時，角動量守恆被打破，那就驗證了我的前述判斷，即現有的物理學理論無法解釋賈尼別科夫效應。 4.2. 關於訓練步驟 上面第2節中為了敘述的方便將訓練AI在給定物理條件下對於物體在地球引力作用下的大氣場中運動的實例的計算及AI根據自己的目測結果結合給定的條件進行計算分為兩個步驟來討論。但在實際的訓練中由於下述原因，這兩個步驟恐怕最好還是混在一起進行： 從傳統的工程力學來看，計算在引力作用下的大氣場中的剛體的自由運動（尤其是在因其缺陷而不允許使用剛體力學的歐拉方程的前提下）不是一件很容易的事。工程師們需要用到諸如有限差分有限元之類的計算力學的工具。我讀書的那陣，如何讓計算收斂和加快速度還是搞計算力學的人們面臨的重大挑戰。經過了幾十年的發展，工程力學的計算應該已經有了很多成熟的軟件。但是，在引力場本身存在變化的前提下求解完全自由的剛體可能還是會有一定的難度，特別是如果在AI訓練期打算一步到位地將對於諸如排球甚至氣球這類的既非剛體也非彈性體的物體之運動的精確計算也列入訓練項目中的話，即便AI有着強大的算力，單用傳統的方法進行計算恐怕也不是一個明智之舉。 但另一方面，前面第三步驟中提到的讓AI自己直接目測物體的運動則可大大的降低傳統計算的難度。傳統的工程動力學計算中，物體運動的位置，形變，速度和加速度的計算與物體的受力的計算由耦合在一起的高度非線性的方程組決定的。而一旦AI可以自己全方位地目測到物體的三維坐標及形狀的變化後，就可以直接算出物體運動的位置，形變，速度和加速度，剩下的就只有受力（包括內外力及溫度壓力等）的計算了。以驗證本文前面提出的關於賈尼別科夫效應的判斷來說，只要在空間站的實驗段裝足夠的攝像頭就可讓AI對物體運動進行全方位的目測。 5. 結束語 從目前網上流傳的賈尼別科夫效應的視頻中來看，我們找不到可以導致物體在發生該效應時的角動量變化的受力因素來。但是，如果不盡最大可能地將所有可能涉及到的動力學因素都檢驗一遍的話，人們內心深處總會隱隱地有一個顧慮：萬一空氣和引力結合後會產生什麼被我們忽略的效果以至產生賈尼別科夫效應呢？這就好比有人根據基本常識認定他們的辦公樓里不可能存在一個唐朝時期製作的瓷器，但偏有人不服，非要派出一個具備最先進的探測手段的機器人到該辦公樓的每一個角落都去查一遍才放心。而本文提出的設想一旦成功實施，便可一錘定音地斷定“現有的物理理論無法解釋賈尼別科夫效應”這個判斷是否正確。這裡的關鍵是藉助AI的算力。 如果上述的AI作業驗證了“現有的物理理論無法解釋賈尼別科夫效應”這個判斷，當然是一個石破天驚的結果，因為那意味着我們坐實了牛頓力學是有漏洞的，其震撼性就不用多說了。 但是，如果上述AI作業否定了“現有的物理理論無法解釋賈尼別科夫效應”這個判斷，有些讀者可能會說：用來訓練那個AI的努力不就白白浪費了嗎？其實不然。 按照本文的設想訓練出的AI顯然不僅僅可以用來驗證我的上述判斷，而是有着巨大的實用潛力。不僅如此，本文上面提到的步驟很容易就可以被擴展到對非剛體運動的計算以及對電磁力化學力甚至核力的計算。而且，未來的AI可以在不需要人為地給出大氣及材料參數的前提下，自己遙測目標所在的環境參數，並對其動力學狀態進行計算。
【[1]】戴榕菁（2025）前提條件，初始條件，和擾動
| 
