Ich habe die letzten Wochen damit verbracht, die Beziehung zwischen charakteristischen Zeitintervallen und der Systemgröße auf allen physikalischen Skalen zu analysieren, für die ich Daten finden konnte.
Der Datensatz:
- 28 physikalische Systeme
- Größenbereich: 10-35 bis 1026 Meter (61 Größenordnungen!)
- Zeitbereich: 10-44 bis 1017 Sekunden (61 Größenordnungen!)
- Von Quantenphänomenen im Planck-Maßstab bis zum Alter des Universums
Was ich gefunden habe: Die Beziehung folgt einem bemerkenswert sauberen Potenzgesetz: T ∝ S^1,00 mit R² = 0,947
Aber hier wird es interessant: Als ich mithilfe der AIC/BIC-Modellauswahl auf Regimebrüche getestet habe, bevorzugen die Daten deutlich ein Zwei-Regime-Modell mit einem Übergang bei ~109 Meter (ungefähr die Größe eines Sterns):
- Substellare Skalen: T ∝ S1.16 (leichte zeitliche Dehnung)
- Suprastellare Skalen: T ∝ S0,46 (starke zeitliche Kompression)
Die statistische Präferenz für das Zwei-Regime-Modell ist sehr stark (ΔAIC > 15).
Methodik:
- Log-Log-Regressionsanalyse
- Bootstrap-Konfidenzintervalle (1000 Iterationen)
- Verzichten Sie auf einmalige Empfindlichkeitstests
- AIC/BIC-Modellvergleich
- Reine Physiksysteme (keine biologischen/menschlichen Zeitskalen, um eine Vermischung von Kategorien zu vermeiden)
Werkzeuge: Python (NumPy, SciPy, Matplotlib, scikit-learn)
Datenquellen: Veröffentlichte physikalische Konstanten, astronomische Beobachtungen, quantenmechanische Messungen
Die vollständige Analyse wird auf Zenodo mit allen Daten und Code veröffentlicht: https://zenodo.org/records/18243431
Ich bin wirklich neugierig, ob jemand dieses Muster schon einmal dokumentiert gesehen hat oder ob es einen bekannten physikalischen Mechanismus gibt, der den Regimeübergang auf stellaren Skalen erklären würde.
Diagrammdetails:
- Obere Reihe: Ein-Potenz-Gesetz-Anpassung vs. Zwei-Regime-Modell
- Mittlere Reihe: Modellvergleich und Residuenanalyse
- Untere Reihe: Skalenspezifische Exponenten und Datensatzvalidierung
Alle Fehlerbalken sind 95 %-Konfidenzintervalle aus der Bootstrap-Analyse.
Von JediMonk7
2 Kommentare
Data Sources: NIST Physical Constants Database, published astronomical observations, quantum mechanics measurements. Full citations: [https://zenodo.org/records/18243431](https://zenodo.org/records/18243431)
Tools: Python 3.11, NumPy, SciPy, Matplotlib, scikit-learn
Can you explain this to someone who only knows high school physics?
It looks really interesting, yet I have no idea what it means. I understand if you don’t want to bother.