💻 computer science

Types, equations, dimensions and the Pi theorem

Les auteurs proposent un langage spécifique à domaine dépendamment typé, intégré dans Idris, pour formaliser la grammaire des dimensions de la physique mathématique et des notions clés de l'analyse dimensionnelle, afin de rapprocher les physiciens et les informaticiens.

Auteurs originaux : Nicola Botta, Patrik Jansson

Publié 2026-03-18

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Nicola Botta, Patrik Jansson

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🌍 Le Dictionnaire Secret de l'Univers : Comment les ordinateurs peuvent enfin comprendre la physique

Imaginez que vous essayez de donner des instructions à un robot très intelligent, mais très littéral. Vous lui dites : « Ajoutez 5 mètres à 5 secondes ». Le robot, qui est un programme informatique classique, va probablement se bloquer ou vous répondre : « Erreur ! On ne peut pas additionner des mètres et des secondes, c'est comme essayer d'ajouter des pommes à des camions ».

C'est exactement le problème que rencontrent les scientifiques (comme les climatologues ou les physiciens) quand ils utilisent les langages de programmation modernes. Ils ont un langage riche, rempli de règles invisibles sur la dimension (la longueur, le temps, la masse), mais les ordinateurs ne voient que des nombres bruts. Pour eux, un mètre et une seconde sont juste deux nombres flottants identiques.

Nicola Botta et Patrik Jansson, deux chercheurs, ont décidé de réparer cela. Ils ont créé un nouveau langage spécial (un "langage sur mesure") qui permet aux ordinateurs de comprendre la "grammaire" de l'univers.

1. Le Problème : Les "Apples" et les "Oranges" numériques

Dans la vraie vie, nous savons intuitivement que :

On ne peut pas diviser une vitesse par une masse pour obtenir un temps.
Si vous changez d'unité (passer des mètres aux kilomètres), les formules physiques doivent rester vraies. C'est ce qu'on appelle le principe de covariance : la loi de la gravité fonctionne aussi bien à Paris qu'à Tokyo, que vous mesuriez en pieds ou en mètres.

Les ordinateurs classiques, eux, ne voient pas cette magie. Ils voient juste 3.14 et 9.81. Si vous faites une erreur de dimension (comme diviser une force par une température), l'ordinateur vous laissera faire, et votre simulation de changement climatique ou de fusée risque de s'effondrer sans que vous le sachiez.

2. La Solution : Une "Étiquette" Magique pour chaque nombre

Les auteurs ont créé un outil (écrit dans un langage appelé Idris) qui agit comme un étiquetage intelligent.

Imaginez que chaque nombre dans votre programme porte une étiquette holographique :

20 devient 20 [Mètres].
5 devient 5 [Secondes].
9.8 devient 9.8 [Mètres par seconde au carré].

Avec ce système, si vous essayez d'écrire 20 [Mètres] + 5 [Secondes], le compilateur (le chef d'orchestre du code) crie immédiatement : « STOP ! C'est impossible ! ». Il ne vous laisse même pas lancer le programme. C'est comme si votre voiture refusait de démarrer si vous aviez mis de l'essence dans le réservoir à eau.

3. Le Super-Pouvoir : Le Théorème de Buckingham Pi

Le cœur de leur travail repose sur une vieille idée de la physique appelée le Théorème de Buckingham Pi. C'est un peu comme une recette de cuisine universelle.

L'analogie du gâteau :
Imaginez que vous voulez faire un gâteau. Vous savez que le goût dépend de la farine, des œufs et du sucre. Mais vous ne savez pas exactement comment ils se mélangent.
Le théorème dit : « Peu importe la taille de vos bols ou si vous utilisez des tasses ou des cuillères, la relation entre les ingrédients reste la même. Vous pouvez réduire le problème à des ratios (des proportions). »

En physique, cela signifie que si vous avez une équation compliquée avec 10 variables (vitesse, masse, pression, etc.), vous pouvez souvent la simplifier en ne gardant que 3 ou 4 "groupes" sans dimension. Cela réduit la complexité de manière drastique, comme passer d'un labyrinthe de 1000 couloirs à un simple couloir.

Les auteurs ont réussi à coder ce théorème dans leur langage. Cela permet à l'ordinateur de dire :

« Attends, si tu veux calculer la période d'un pendule, tu n'as pas besoin de connaître la masse exacte du pendule. Le théorème prouve mathématiquement que la masse n'influence pas le résultat ! »

4. Pourquoi c'est important pour nous ?

Ce papier n'est pas juste de la théorie abstraite. Il a des applications concrètes :

Pour le climat : Les modèles climatiques sont des monstres de complexité. Si on peut utiliser ce langage pour vérifier automatiquement que toutes les équations sont cohérentes (pas de mètres divisés par des secondes), on évite des erreurs coûteuses et on gagne la confiance dans les prévisions du futur.
Pour la science : Cela aide les physiciens à découvrir de nouvelles lois. Au lieu de deviner une formule, ils peuvent demander à l'ordinateur : « Quelle est la seule forme mathématique possible qui respecte les dimensions de ces variables ? » et l'ordinateur leur donne la structure de la réponse.
Pour les programmeurs : Cela rend la programmation plus "humaine". Au lieu de gérer des bugs invisibles, le code devient une conversation logique avec la réalité physique.

En résumé

Nicola Botta et Patrik Jansson ont construit un pont entre le langage rigide des ordinateurs et le langage fluide de la physique.

Ils ont donné aux ordinateurs des lunettes spéciales pour voir les dimensions (mètres, temps, masse). Grâce à cela, ils peuvent non seulement éviter les erreurs bêtes, mais aussi utiliser la logique de l'univers pour aider à inventer de nouvelles formules physiques. C'est un pas de géant pour rendre la science plus sûre, plus simple et plus accessible, même pour ceux qui ne sont pas des experts en mathématiques pures.

C'est comme si on avait appris aux ordinateurs à ne plus seulement compter, mais à comprendre ce qu'ils comptent.

1. Problématique

Les auteurs constatent un fossé croissant entre les langages de la physique mathématique/modélisation et ceux de l'informatique fonctionnelle (FP) et de la programmation à types dépendants.

L'échec de l'adoption : Malgré une décennie de plaidoyer, les modélisateurs climatiques et les physiciens n'ont pas adopté les langages fonctionnels (Haskell, Agda, Idris). La raison principale est que les abstractions FP actuelles échouent à capturer la « grammaire des dimensions » inhérente à la physique.
Limites des types standards : Dans les langages de programmation standards, une fonction est souvent typée comme R -> R (réel vers réel). Cependant, en physique, la distinction entre une longueur, un temps ou une masse est cruciale pour la cohérence des équations. Les types actuels ne distinguent pas ces propriétés sémantiques, permettant des erreurs conceptuelles (ex: additionner une vitesse et une masse) qui sont techniquement valides mais physiquement absurdes.
Le besoin de vérification formelle : Dans des domaines comme la science du climat ou la physique des plasmas, la validation empirique des modèles est impossible, dangereuse ou trop coûteuse. Il est donc impératif d'avoir des méthodes formelles pour garantir la justesse des calculs avant leur application. Les types dépendants offrent cette puissance, mais ils doivent être adaptés pour intégrer la théorie de l'analyse dimensionnelle.

2. Méthodologie

Les auteurs proposent une approche basée sur la création d'un langage spécifique à un domaine (DSL) intégré dans Idris, un langage à types dépendants.

Formalisation des concepts physiques : Ils formalisent rigoureusement les notions de fonction de dimension, de grandeur physique, de mesure homomorphe et de covariance.
Représentation des dimensions : Au lieu d'utiliser des nombres réels pour les exposants (ce qui rendrait les jugements indécidables), ils représentent les fonctions de dimension par des vecteurs d'entiers. Par exemple, dans le système mécanique (Longueur, Temps, Masse), une dimension est un vecteur de 3 entiers $[d_L, d_T, d_M]$ $[d_{L}, d_{T}, d_{M}]$ .
- La longueur est $[1, 0, 0]$ .
- La vitesse est $[1, -1, 0]$ .
- L'addition de vecteurs correspond à la multiplication des grandeurs, la soustraction à la division.
Types fantômes (Phantom Types) : Ils utilisent un type de données Q : D -> Type pour annoter les valeurs réelles avec leur dimension. Cela permet au compilateur de vérifier statiquement la cohérence dimensionnelle des expressions.
Principe de covariance : Ils définissent le principe de covariance (l'indépendance des lois physiques par rapport au choix des unités) comme un homomorphisme entre l'algèbre des grandeurs physiques et l'algèbre des nombres réels. Une fonction physique est covariante si sa mesure dans un système d'unités donné peut être déduite de la mesure dans un autre système par un simple changement d'échelle.

3. Contributions Clés

Un DSL minimaliste pour Idris :
- Définition de types pour les unités (SI, CGS, ou systèmes de référence arbitraires).
- Opérateurs sur les grandeurs physiques (+, *, /) qui vérifient automatiquement la cohérence des dimensions (ex: on ne peut pas additionner deux grandeurs de dimensions différentes).
- Preuves de propriétés algébriques (commutativité, associativité) et de l'homomorphisme de la mesure.
Formalisation du Théorème de Buckingham $\Pi$ en théorie des types :
- Ils traduisent le théorème, qui stipule qu'une relation physique entre $k+m$ paramètres peut être réduite à une relation entre $m$ paramètres sans dimension (les produits $\Pi$ ), en types dépendants.
- Ils identifient la nature non constructive de la preuve classique du théorème (qui repose sur l'existence d'une fonction inconnue et sur le principe du tiers exclu). Le théorème tel quel n'est pas directement implémentable car il ne permet pas de construire la fonction physique recherchée, seulement de dire qu'elle existe sous une certaine forme.
Méthodologie constructive pour l'application du théorème :
- Pour contourner la non-constructivité, ils proposent une approche en deux étapes :
  1. Définir un type PhysFunType qui encode les contraintes de dépendance dimensionnelle (indépendance des paramètres de base, dépendance des autres).
  2. Fournir une fonction applyPi qui prend une « fonction de forme » (définie sur des réels, apprenable par données ou principes premiers) et la transforme en une fonction physique vérifiable qui respecte automatiquement le principe de covariance.
- Cela permet de générer des fonctions physiquement cohérentes par construction.
Cas d'étude :
- Application du DSL au modèle de Stommel (océanographie) pour montrer comment le passage à des variables sans dimension réduit la complexité du problème.
- Application au pendule simple pour dériver la relation entre la période, la longueur et la gravité, en démontrant que la masse n'influe pas sur la période (dimensionnellement).

4. Résultats

Vérification statique : Le compilateur Idris rejette automatiquement les expressions dimensionnellement incohérentes (ex: vitesse + temps).
Preuve de covariance : Les auteurs ont prouvé formellement que les opérations arithmétiques de base sur les grandeurs physiques préservent le principe de covariance.
Réduction de complexité : La méthode constructive permet de réduire un problème à $N^{k+m}$ paramètres à un problème à $N^m$ paramètres (où $m$ est le nombre de produits sans dimension), facilitant ainsi l'analyse de sensibilité et l'apprentissage automatique sur des données physiques.
Accessibilité : Le code est fourni sous forme de code Idris « littéré », rendant la théorie accessible aux informaticiens et aux physiciens.

5. Signification et Impact

Pont entre disciplines : Ce travail offre un langage commun pour les physiciens/modélisateurs et les informaticiens. Il rend la programmation fonctionnelle plus « digérable » pour les physiciens en traitant les dimensions comme des types de première classe, et aide les informaticiens à comprendre la structure profonde de la physique.
Fiabilité des modèles : Dans des domaines critiques comme le changement climatique ou la fusion nucléaire, où l'expérimentation est limitée, cette approche permet de garantir la cohérence interne des modèles numériques, réduisant le risque d'erreurs de modélisation.
Vers une nouvelle forme de découverte : En permettant au compilateur d'assister la dérivation de programmes basés sur des contraintes dimensionnelles, les auteurs ouvrent la voie à une « dérivation de programmes pilotée par l'analyse dimensionnelle ». Le compilateur peut aider à identifier les formes possibles d'une loi physique à partir de données empiriques.
Limites et perspectives : L'approche actuelle repose sur des exposants entiers (limitant certaines racines carrées directes sans manipulation supplémentaire) et sur une formalisation de l'algèbre linéaire encore en développement pour des dimensions arbitraires. Cependant, elle pose les bases solides pour l'intégration de l'analyse dimensionnelle dans les systèmes de types modernes.

En résumé, cet article démontre que les types dépendants ne sont pas seulement un outil pour vérifier des algorithmes, mais un cadre puissant pour encoder les lois fondamentales de la physique (comme l'invariance d'échelle), transformant ainsi la modélisation physique en un processus de vérification formelle rigoureux.