Search

Em física, vários problemas são estudados considerando o objeto extenso como sendo uma partícula na ausência total de atrito. Para objetos em rolamento, esta aproximação acarretará em um grave desacordo entre a teoria e a experimentação, principalmente pelo fato de que, sem atrito entre o objeto e a superfície, não há rolamento. Neste trabalho, é apresentada uma proposta experimental para o estudo do rolamento, sem deslizar, ao longo de um plano inclinado, com o qual é possível obter o comportamento temporal da posição. Além da cinemática básica relativa ao deslizamento na ausência total de atrito, o momento de inércia dos corpos em rotação, cilindros, tubos e esfera, não pode ser suprimido da análise. O uso do Arduino, associado ao sensor HC-SR04, possibilita a obtenção de um grande número de pontos para posterior análise gráfica da posição do centro de massa em função do tempo para o objeto que rola a partir do repouso em um plano inclinado. As medidas obtidas com o uso do aparato proposto apresentam uma boa correlação com os resultados esperados, possibilitando a análise e estudo do experimento, bem como, é possível identificar, graficamente, a discrepância que poderia acarretar uma vez que se desconsiderasse o momento de inércia.

In physics, several problems are solved by considering the extended object as being a particle with all the mass concentrated in the center of mass and neglected dimensions, however for rotating and rolling objects this approximation will result in a serious disagreement between theory and experimentation. In this work we present an experimental assembly of a sliding body on an inclined plane, which can measure its position as a function of time and thus predict its velocity and acceleration. In addition to basic kinematics, the moment of inertia of rotating bodies will be considered. We will use bodies with different shapes and moments of inertia, experimentally identifying their contribution along the displacement. We propose the construction and use of an experimental apparatus using Arduino, collecting a large number of points, in which it is possible to analyze the temporal displacement of the center of mass of the object along the inclined plane with different angles, cylindrical and spherical objects, identifying the discrepancy when disregarding the moment of inertia of the rotating bodies. [ABSTRACT FROM AUTHOR]

Em uma ciência cada vez mais orientada a dados, o uso de métodos computacionais inteligentes é progressivamente indispensável. Neste contexto, torna-se importante expor os estudantes de graduação em física às metodologias de inteligência artificial e aprendizado de máquina. Neste trabalho propomos uma forma de utilizar tais métodos na física, resolvendo o problema didático do rolamento em um plano inclinado. Para tanto, introduzimos os principais conceitos das técnicas de aprendizado de máquina e realizamos medidas do tempo que diferentes objetos (aro, disco e esfera) levam para percorrer uma certa distância, de acordo com a altura inicial e o ângulo de inclinação do plano. Com estes dados, aplicamos métodos de classificação capazes de predizer o objeto que rolava sobre o plano com acurácia de 83%, e métodos de regressão capazes de prever a velocidade média do objeto com erro absoluto médio de 1.4 cm s−1. Mostramos também que este modelo didático é instrutivo pois possibilita uma comparação direta com modelos físicos tradicionais e serve como exemplo introdutório para a discussão do que significa ensinar física para o computador.

In an increasingly data-oriented science, the use of automatic computational methods is progressively indispensable. In this context, it becomes important to expose undergraduate physics students to artificial intelligence and machine learning methodologies. In this work we propose a way to use such methods in physics, solving the didactic problem of rolling on an inclined plane. We introduce the main concepts of machine learning techiniques and measure the travel time of different objects (rim, disk and sphere) for an initial height and tilt angle. Based on these data, we used classification models capable of predicting the object that was dropped with an accuracy of 83%, and regression models which were able to predict the average speed of the object that was rolled with mean absolute error of 1.4 cms-1. We also show that this didactic model is instructive because it allows a direct comparison with physical models and serves as a discussion of the meaning of teaching physics to the computer. [ABSTRACT FROM AUTHOR]