💻 computer science

Types, equations, dimensions and the Pi theorem

Die Autoren stellen eine in Idris eingebettete, abhängige Typensprache vor, die die Grammatik physikalischer Dimensionen formalisiert und damit fundamentale Konzepte der Dimensionsanalyse wie das Buckingham-π-Theorem für Informatiker und Physiker gleichermaßen zugänglich macht.

Ursprüngliche Autoren: Nicola Botta, Patrik Jansson

Veröffentlicht 2026-03-18

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Nicola Botta, Patrik Jansson

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die große Missverständnisse zwischen Physikern und Programmierern

Stellen Sie sich vor, es gibt zwei Gruppen von Menschen, die an einem riesigen Puzzle arbeiten: die Physiker (die das Universum verstehen wollen) und die Informatiker (die Computerprogramme schreiben, um das Universum zu simulieren).

Beide Gruppen versuchen, dasselbe zu tun: Modelle zu bauen, die vorhersagen, wie Dinge funktionieren – sei es das Klima, ein Atomkern oder ein Pendel. Aber sie sprechen zwei völlig verschiedene Sprachen.

Die Physiker nutzen eine Sprache, die voller „Maßeinheiten" ist. Wenn sie schreiben „ $F = m \cdot a$ " (Kraft = Masse mal Beschleunigung), meinen sie nicht einfach nur Zahlen. Sie meinen: „Eine Kraft-Einheit ist das Ergebnis, wenn man eine Masse-Einheit mit einer Beschleunigung-Einheit multipliziert." Für sie ist es undenkbar, eine Masse (Kilogramm) mit einer Zeit (Sekunde) zu addieren. Das wäre wie zu versuchen, Äpfel mit Orangen zu vermischen.
Die Informatiker nutzen Programmiersprachen, die oft nur auf „Zahlen" schauen. Für einen Computer ist eine Zahl eine Zahl. Ob sie 5 Kilogramm oder 5 Sekunden repräsentiert, ist dem Standard-Code egal. Das führt zu Problemen: Ein Programm kann theoretisch „5 kg + 3 s" berechnen, was physikalisch völlig unsinnig ist, aber der Computer sagt: „Alles klar, das Ergebnis ist 8."

Die Autoren dieses Artikels, Nicola Botta und Patrik Jansson, sagen: „Das ist ein großes Problem!" Besonders bei Themen wie dem Klimawandel, wo wir keine echten Experimente machen können (wir können ja nicht die ganze Erde um 2 Grad aufheizen, nur um zu sehen, was passiert), müssen wir uns zu 100 % darauf verlassen können, dass unsere Computermodelle logisch korrekt sind.

Die Lösung: Ein neuer „Grammatik-Roboter"

Die Autoren haben eine neue Art von Programmiersprache (bzw. eine Erweiterung für die Sprache Idris) entwickelt. Man kann sich das wie einen sehr strengen, aber hilfsbereiten Grammatik-Roboter vorstellen.

Statt nur zu fragen: „Ist das eine Zahl?", fragt dieser Roboter: „Ist das eine Länge? Ist das eine Zeit? Ist das eine Masse?"

Hier ist, wie er funktioniert, mit ein paar Metaphern:

1. Der „Dimensionen-Check" (Die Grammatik der Physik)

In der Physik gibt es eine unsichtbare Grammatik. Man darf nicht „Länge" durch „Zeit" teilen, um eine „Temperatur" zu erhalten.
Der neue Roboter zwingt den Programmierer, bei jeder Zahl anzugeben, was sie ist.

Ohne Roboter: x = 5 (Was ist das? Ein Geldbetrag? Ein Alter? Eine Distanz?)
Mit Roboter: x = 5 Meter (Der Roboter weiß: Das ist eine Länge. Wenn du versuchst, x durch 5 Sekunden zu teilen, sagt er: „Stopp! Das ergibt eine Geschwindigkeit, keine neue Länge. Pass auf!")

2. Das „Buckingham-Π-Theorem" (Der Zaubertrick zur Vereinfachung)

Das ist der komplizierteste Teil des Artikels, aber die Idee ist genial einfach.
Stellen Sie sich vor, Sie wollen wissen, wie lange ein Pendel schwingt. Es hängt von der Länge des Seils, der Schwerkraft und vielleicht der Masse der Kugel ab.
Die Physik sagt: „Du musst nicht alle diese Dinge einzeln testen! Du kannst sie zu einem einzigen, dimensionslosen Zaubertrick zusammenfassen."

Das Π-Theorem ist wie ein Kochrezept-Reduzierer. Es sagt: „Du musst nicht 10 verschiedene Zutaten (Parameter) ausprobieren. Wenn du die richtigen Kombinationen findest, brauchst du nur noch 2."

In der echten Welt: Das spart enorme Zeit und Geld beim Bauen von Modellen (z. B. beim Testen von Schiffen im Windkanal).
Im Computer: Der Roboter der Autoren kann dem Programmierer helfen, diese „Zaubertricks" (die vereinfachten Formeln) automatisch zu finden und sicherzustellen, dass das Rezept physikalisch korrekt ist.

3. Der „Einheiten-Unabhängigkeits-Test" (Das Relativitäts-Prinzip)

Ein wichtiges Prinzip der Physik ist: Die Gesetze der Natur ändern sich nicht, nur weil wir die Maßeinheiten ändern.
Ob Sie die Länge eines Tisches in Metern, Fuß oder Ellen messen – das Gesetz, das beschreibt, wie der Tisch steht, bleibt gleich. Nur die Zahlen ändern sich.

Die Autoren haben bewiesen, dass ihre neue Sprache dieses Prinzip automatisch einhält. Wenn Sie ein Programm schreiben, das die Schwerkraft berechnet, und jemand anders das Programm mit anderen Einheiten (z. B. statt Meter nur Zentimeter) laufen lässt, wird das Ergebnis immer noch physikalisch korrekt sein. Der Roboter stellt sicher, dass das Programm nicht „verrückt spielt", nur weil die Zahlen größer oder kleiner wurden.

Warum ist das wichtig?

Bisher haben Physiker oft Programme geschrieben, die wie „schwarze Kisten" funktionieren: Man gibt Zahlen rein, man bekommt Zahlen raus. Wenn etwas schiefgeht, weiß man oft nicht, ob es am Code lag oder am physikalischen Verständnis.

Mit diesem neuen Ansatz wird das Programm selbstüberwachend.

Wenn Sie versuchen, eine Temperatur zu addieren, um eine Kraft zu bekommen, kracht es sofort (der Compiler gibt eine Fehlermeldung).
Wenn Sie versuchen, ein physikalisches Gesetz zu formulieren, hilft Ihnen der Computer, die richtige Form zu finden, bevor Sie überhaupt eine Zeile Code geschrieben haben.

Fazit für den Alltag

Stellen Sie sich vor, Sie bauen ein Haus.

Die alte Methode: Der Architekt (Physiker) zeichnet auf ein Blatt Papier. Der Maurer (Programmierer) baut es. Wenn der Maurer versehentlich Ziegelsteine mit Wasser vermischt statt mit Mörtel, steht das Haus vielleicht trotzdem eine Weile, aber es ist instabil.
Die neue Methode: Der Architekt und der Maurer nutzen einen digitalen Bauplan, der sofort rot aufblinkt, wenn jemand versucht, Wasser statt Mörtel zu verwenden. Der Plan sagt sogar: „Hey, du brauchst nur 3 verschiedene Arten von Steinen, nicht 10! Hier ist die einfachste Formel."

Die Autoren hoffen, dass diese Brücke zwischen der strengen Logik der Informatik und der intuitiven Welt der Physik dazu führt, dass wir bessere, sicherere und verständlichere Modelle für unser Klima, unser Universum und unsere Zukunft bauen können. Sie machen die Sprache der Physik für Computer verständlich und die Sprache der Computer für Physiker nutzbar.

1. Problemstellung und Motivation

Die Autoren identifizieren eine signifikante Kluft zwischen den Sprachen der mathematischen Physik/Modellierung und denen der funktionalen Programmierung (FP) sowie der Typentheorie.

Fehlende Dimensionen in FP: Herkömmliche Programmiersprachen und deren Abstraktionen (wie in Haskell oder Agda) erfassen nicht die „Grammatik der Dimensionen" (Dimensionsanalyse), die für Physiker und Modellierer fundamental ist. In FP werden Funktionen oft nur als $R^m \to R^n$ betrachtet, wobei physikalische Einheiten (Länge, Zeit, Masse) als bloße Zahlen behandelt werden. Dies führt dazu, dass Fehler wie das Addieren von „Äpfeln und Birnen" (z. B. Zeit + Länge) nicht vom Typsystem erkannt werden.
Hindernisse für die Akzeptanz: Physiker und Klimamodellierer nutzen FP und abhängige Typen (Dependent Types) kaum, da diese als zu abstrakt und nicht auf ihre spezifischen Bedürfnisse zugeschnitten wahrgenommen werden. Umgekehrt fehlt Informatikern das Verständnis für die Sprache der physikalischen Modellierung.
Spezifische Herausforderung: In Bereichen wie der Klimaforschung oder Plasmaphysik sind empirische Validierungen oft unmöglich oder zu riskant. Daher ist die formale Korrektheit von Berechnungen vor der Anwendung entscheidend. Bisherige Ansätze zur Dimensionsanalyse in der Informatik waren oft unzureichend, um die Prinzipien der Ähnlichkeitstheorie und den Buckingham'schen $\Pi$ -Satz formal zu erfassen.

2. Methodik

Die Autoren entwickeln eine domänenspezifische Sprache (DSL), die in die funktionale Programmiersprache Idris eingebettet ist. Idris wird gewählt, da es abhängige Typen unterstützt, die es erlauben, Eigenschaften von Werten direkt in den Typen zu kodieren.

Formalisierung physikalischer Konzepte:
- Dimensionsfunktion: Eine physikalische Größe wird nicht nur durch ihren numerischen Wert, sondern durch eine Dimensionsfunktion $[x]: \mathbb{R}^n_+ \to \mathbb{R}_+$ charakterisiert. Diese Funktion beschreibt, wie sich der Messwert ändert, wenn die Basiseinheiten skaliert werden.
- Repräsentation: Im Minimal-DSL für die klassische Mechanik werden Dimensionsfunktionen als Vektoren ganzer Zahlen ( $\mathbb{Z}^3$ ) kodiert (entsprechend Länge $L$ , Zeit $T$ , Masse $M$ ). Beispielsweise hat Geschwindigkeit den Vektor $[1, -1, 0]$ .
- Physikalische Größen (Physical Quantities): Ein neuer Datentyp Q d wird eingeführt, der numerische Werte mit ihrer Dimension d annotiert.
- Homomorphe Messung: Die Messfunktion $\mu_u$ (Messung in Einheitensystem $u$ ) wird als Homomorphismus zwischen den Operationen physikalischer Größen und den Operationen in $\mathbb{R}$ definiert. Dies formalisiert das Kovarianzprinzip (Physikalische Gesetze sind unabhängig vom gewählten Einheitensystem).
Formalisierung des Buckingham'schen $\Pi$ -Theorems:
- Das Theorem besagt, dass eine physikalische Beziehung zwischen $k+m$ Parametern in eine Beziehung zwischen $m$ dimensionslosen Produkten umgewandelt werden kann, wenn $k$ unabhängige Dimensionen existieren.
- Die Autoren formalisieren dies in der Typentheorie. Sie definieren Typen für dimensionsabhängige (IsDep) und dimensionsunabhängige (AreIndep) Größen.
- Ein zentrales Ergebnis ist die Erkenntnis, dass die klassische Formulierung des $\Pi$ -Theorems nicht-konstruktiv ist: Der Beweis existiert, kann aber nicht direkt als Algorithmus implementiert werden, da er auf Widerspruchsbeweisen (Non-Constructive Logic) beruht.

3. Schlüsselbeiträge

Minimal-DSL in Idris:
- Implementierung von Dimensionsfunktionen als Vektoren ganzer Zahlen.
- Definition von physikalischen Größen (Q), Messfunktionen (mu) und Operatoren, die dimensionskonsistente Berechnungen erzwingen (z. B. Addition nur bei gleichen Dimensionen).
- Nachweis, dass elementare arithmetische Operationen das Kovarianzprinzip erhalten.
Formalisierung des Kovarianzprinzips:
- Das Prinzip wird als Homomorphismus zwischen der Algebra der physikalischen Größen und der Algebra der reellen Zahlen definiert. Dies ermöglicht es, die Unabhängigkeit von physikalischen Gesetzen von der Wahl der Einheiten formal zu beweisen.
Konstruktive Anwendung des $\Pi$ -Theorems:
- Da der direkte Beweis des Theorems nicht implementierbar ist, schlagen die Autoren einen zweistufigen konstruktiven Ansatz vor:
  1. Definition eines Datentyps PhysFunType, der die Struktur einer physikalischen Funktion basierend auf den Dimensionen ihrer Argumente und des Rückgabewerts einschränkt (basierend auf den Bedingungen des $\Pi$ -Theorems).
  2. Eine Funktion applyPi, die eine beliebige „Formfunktion" (Shape Function) $\phi: \mathbb{R}^m \to \mathbb{R}$ nimmt und daraus eine dimensionskonsistente physikalische Funktion konstruiert.
- Dieser Ansatz erlaubt es, physikalische Gesetze „by construction" zu erstellen, die garantiert das Kovarianzprinzip erfüllen.
Brücke zwischen FP und Physik:
- Die Arbeit zeigt, wie FP-Abstraktionen (abhängige Typen, Typklassen) genutzt werden können, um die Grammatik der physikalischen Modellierung zu erfassen, und macht FP für Physiker zugänglicher, indem sie die für sie relevanten Konzepte (Einheiten, Skalierung) in den Vordergrund stellt.

4. Ergebnisse

Verifizierung von Modellen: Das DSL kann verwendet werden, um einfache physikalische Modelle (wie das Stommel-Modell für Ozeanzirkulation oder ein einfaches Pendel) zu spezifizieren und dimensionskonsistente Ableitungen zu verifizieren.
Reduktion der Komplexität: Durch die Anwendung des $\Pi$ -Theorems im Typsystem kann die Anzahl der Parameter in Modellen reduziert werden (z. B. von $k+m$ auf $m$ dimensionslose Parameter), was die Komplexität von Datenanalysen und maschinellem Lernen in der Physik verringert.
Erkennung von Inkonsistenzen: Der Typchecker kann Fehler wie das Addieren inkompatibler Größen oder das Verletzen des Kovarianzprinzips zur Compile-Zeit erkennen.
Nicht-Konstruktivität bestätigt: Die Arbeit zeigt explizit, warum eine direkte Implementierung des $\Pi$ -Theorems als Funktion, die eine physikalische Beziehung aus ihren Parametern ableitet, in konstruktiver Logik nicht möglich ist, und bietet stattdessen den oben genannten konstruktiven Weg an.

5. Bedeutung und Ausblick

Für die Informatik: Die Arbeit demonstriert die Macht abhängiger Typen, um domänenspezifische Grammatiken (hier: physikalische Dimensionen) zu kodieren, die über einfache Typannotationen hinausgehen. Sie verbindet Konzepte der parametrischen Polymorphie mit physikalischen Einheiten.
Für die Physik und Modellierung: Sie bietet ein Werkzeug, um die Zuverlässigkeit von Computermodellen in Bereichen zu erhöhen, wo empirische Tests unmöglich sind (z. B. Klimamodelle, Fusionsreaktoren). Sie ermöglicht eine „dimensional getriebene Programmableitung", bei der der Typchecker hilft, gültige physikalische Gesetze aus Daten zu identifizieren.
Zukünftige Arbeiten: Die Autoren sehen Potenzial in der Erweiterung des DSL auf Tensorrechnung, partielle Differentialgleichungen und die Integration von linearer Algebra in den Typchecker, um die Lösung von Exponentensystemen automatisch zu übernehmen. Auch die Anwendung auf andere Wissenschaftsbereiche (Ökonomie, Biologie) wird als vielversprechend erachtet, um Relativitätsprinzipien dort formal zu untersuchen.

Zusammenfassend stellt das Paper einen bedeutenden Schritt dar, um die Lücke zwischen mathematischer Physik und funktionaler Programmierung zu schließen, indem es die „Grammatik der Dimensionen" in ein formales, überprüfbares System integriert.