7.3 Programmering og modellering

Datamaskinen som naturforsker

Har du noen gang lurt pa hvordan meteorologer kan forutsi vaeret? Eller hvordan forskere visste at COVID-19 kom til a spre seg eksponentielt? Svaret er programmering og modellering - to av de kraftigste verktoyene i moderne naturvitenskap.

Programmering er ganske enkelt a gi en datamaskin instruksjoner for hva den skal gjore. Du skriver en oppskrift (kode), og datamaskinen folger den noyaktig. Modellering er a lage en forenklet versjon av virkeligheten pa datamaskinen - for eksempel a simulere hvordan en ball faller, hvordan bakterier formerer seg, eller hvordan klimaet endrer seg.

Det fine med programmering er at datamaskinen kan gjore millioner av beregninger pa sekunder. Det som ville tatt et menneske ar a regne ut for hand, kan en datamaskin gjore pa et oyeblikk. Og i motsetning til virkelige eksperimenter, kan du teste farlige eller umulige scenarier helt trygt pa en datamaskin.

I dette kapittelet skal vi utforske grunnleggende programmeringskonsepter - algoritmer, variabler, lokker og betingelser - og se hvordan de brukes til a utforske naturfaglige sporsmol. Og du trenger ikke være et datageni for a forstå dette!

Variabler og algoritmer - datamaskinens byggeklosser

Forestill deg at du skal beregne farten til en ball som ruller nedover en bakke. Du trenger a vite hvor langt ballen har rullet og hvor lang tid det tok. I programmering lagrer vi slik informasjon i variabler - tenk pa dem som bokser med navn pa der vi legger verdier.

For eksempel kan vi skrive i Python:

distanse = 50   # meter
tid = 10         # sekunder
fart = distanse / tid
print(f"Farten er {fart} m/s")

Her har vi tre variabler: distanse, tid og fart. Datamaskinen regner ut at farten er 5 meter per sekund.

Men ekte programmering handler om mer enn enkle beregninger. Det handler om algoritmer - steg-for-steg-oppskrifter for a lose problemer. Tenk pa en algoritme som en kokeoppskrift: du folger stegene i rekkefolge, og du far et resultat.

Her er en enkel algoritme for a finne det storste av tre tall:
1. Start med at det forste tallet er det storste
2. Hvis det andre tallet er storre, bytt
3. Hvis det tredje tallet er storre, bytt
4. Na har du det storste tallet

Denne tankematen - a bryte ned et problem i sma, presise steg - er kjernen i programmering. Og det er en ferdighet som er nyttig langt utover datamaskiner. Den lærer deg a tenke logisk og systematisk om problemer.

I naturfag kan vi bruke dette til alt fra a beregne tyngdekraft til a konvertere mellom temperaturskalaer:

masse = 10        # kg
tyngde = 9.81     # m/s2
kraft = masse * tyngde
print(f"Tyngdekraften er {kraft} N")

Datamaskinen gir oss svaret 98.1 Newton pa et brukdel av et sekund.

Loekker og betingelser - gjenta og ta valg

To av de viktigste konseptene i programmering er loekker (gjenta en handling) og betingelser (ta valg basert pa informasjon).

Loekker brukes nar du vil gjore noe mange ganger. Tenk deg at du skal beregne temperaturen i Fahrenheit for alle Celsius-verdier fra 0 til 100. Du kunne gjore det for hand 101 ganger, eller du kan la datamaskinen gjore det pa et oyeblikk:

for celsius in range(0, 101):
    fahrenheit = celsius * 9/5 + 32
    print(f"{celsius} C = {fahrenheit} F")

Denne for-løkken gjor konverteringen 101 ganger automatisk. I naturfag er dette enormt nyttig - tenk pa a beregne planetbaner, simulere bakterievekst, eller analysere temperaturdata.

Betingelser lar programmet ta beslutninger. En if-setning sjekker om noe er sant, og gjor forskjellige ting avhengig av svaret:

temperatur = 50

if temperatur < 0:
    print("Vann er is")
elif temperatur < 100:
    print("Vann er flytende")
else:
    print("Vann er damp")

Her sjekker programmet temperaturen og forteller deg hvilken tilstand vannet er i. Ved 50 grader skriver det ut 'Vann er flytende'. Endre temperaturen til -5, og det vil si 'Vann er is'. Endre til 120, og det sier 'Vann er damp'.

Nar du kombinerer variabler, loekker og betingelser, kan du lage programmer som simulerer komplekse naturprosesser. For eksempel kan du simulere en plante som vokser 2 cm per uke nar den far vann, men dor hvis den gar tre uker uten vann. Eller du kan simulere eksponentiell bakterievekst der antallet dobler seg hvert 20. minutt.

Modellering - virkeligheten pa dataskjermen

Na kommer vi til det virkelig spennende: modellering. En modell er en forenklet versjon av virkeligheten som vi kan bruke til a forsta, forklare og forutsi ting.

Modeller er ikke perfekte - de fanger opp de viktigste aspektene, men ikke alle detaljer. Som den berumte statistikeren George Box sa: 'Alle modeller er gale, men noen er nyttige.' Et vaerkart er en modell av atmosfaeren - det viser ikke hver eneste sky, men det hjelper oss a planlegge om vi trenger paraply.

La oss se pa et naturfaglig eksempel: fritt fall. Hvis du slipper en ball fra 100 meters hoyde, kan du simulere fallet pa datamaskinen:

tyngde = 9.81  # m/s2
hoeyde = 100   # meter
fart = 0
tid = 0

while hoeyde > 0:
    fart = fart + tyngde * 0.1
    hoeyde = hoeyde - fart * 0.1
    tid = tid + 0.1

print(f"Ballen traff bakken etter {tid:.1f} sekunder")

Dette programmet simulerer ballen som akselererer nedover pa grunn av tyngdekraften, og beregner nar den treffer bakken. I virkeligheten ville luftmotstand bremset ballen, men modellen gir likevel et godt estimat.

Et annet fantastisk eksempel er bakterievekst. Hvis en bakterie deler seg hvert 20. minutt, starter du med en og ender opp med over 4000 etter bare fire timer! Dette er eksponentiell vekst, og det var akkurat denne typen modell forskere brukte for a forutsi spredningen av COVID-19.

Modeller brukes ogsa til a lage vaervarsel (simulere atmosfaeren), forutsi klimaendringer (simulere jordas energibalanse), og til og med teste nye medisiner (simulere hvordan molekyler reagerer i kroppen) - alt uten a matte utfore dyre eller farlige eksperimenter i virkeligheten.

Visualisering og veien videre

En viktig del av programmering i naturfag er a visualisere data - altsa a lage grafer og diagrammer som gjor det lettere a se monstre og trender.

Tenk deg at du har malt temperaturen hver time i et dogn. En tabell med 24 tall er vanskelig a tolke, men en linjegraf viser umiddelbart nar det var varmest og kaldest. I Python kan du bruke biblioteket matplotlib til a lage slike grafer med noen fa linjer kode.

Det finnes forskjellige typer visualiseringer for ulike formal. Linjegrafer viser endring over tid (perfekt for temperatur gjennom dagen). Soylediagrammer sammenligner kategorier (for eksempel nedbor i forskjellige byer). Sektordiagrammer viser andeler av en helhet (for eksempel sammensetningen av atmosfaeren). Spredningsdiagrammer viser sammenhengen mellom to variabler.

Og det beste: du trenger ikke være ekspert for a begynne. Scratch (scratch.mit.edu) er et visuelt programmeringssprak der du drar sammen blokker som puslespillbrikker i stedet for a skrive kode. Du kan lage simuleringer av planetbaner, partikkelbevegelser eller vannets kretsløp - alt uten a bekymre deg for syntaksfeil.

Nar du er klar for mer, er Python et utmerket neste steg. Det er et av verdens mest populære programmeringssprak, brukt av alt fra nybegynnere til NASA-forskere. Koden ser nesten ut som vanlig engelsk, og det er gratis a laste ned fra python.org.

Her er noe viktig a huske: alle som er gode til programmering, begynte en gang som nybegynnere. Alle gjor feil. Det er slik vi lærer. Det viktigste er a starte, eksperimentere, og ikke være redd for a prove. Programmering er et kraftig verktoy som lar deg utforske, forsta og forutsi naturfenomener pa mater som ikke var mulige for noen tiar siden.

Oppsummering

I dette kapittelet har vi utforsket programmering og modellering i naturfag.

Programmering er a gi datamaskinen instruksjoner for hva den skal gjore. En algoritme er en steg-for-steg-oppskrift for a lose et problem.

Variabler er navngitte lagringsplasser for verdier (tall, tekst, sannhetsverdier). Loekker (for og while) lar oss gjenta handlinger mange ganger automatisk. Betingelser (if/elif/else) lar programmet ta beslutninger basert pa informasjon.

Modellering er a lage forenklede versjoner av virkeligheten pa datamaskinen. Modeller lar oss teste hypoteser, forutsi framtiden og forsta komplekse systemer uten dyre eller farlige eksperimenter. Alle modeller er forenklinger, men mange er nyttige.

Visualisering av data gjennom grafer og diagrammer gjor det lettere a se monstre og trender. Linjegrafer viser endring over tid, soylediagrammer sammenligner kategorier.

Scratch er et visuelt programmeringssprak som er lett a lære. Python er et kraftig tekstbasert sprak som brukes mye i forskning og dataanalyse.

Programmering er et kraftig verktoy i naturfag - det lar oss utforske, forsta og forutsi naturfenomener pa mater som ikke var mulige for noen tiar siden. Og det viktigste: alle kan lære det!