早于牛顿一个世纪发现引力?达芬奇三角运动草图得到验证

早在牛顿提出万有引力定律的一百多年前,意大利文艺复兴三杰之一列奥纳多・达芬奇也对万有引力有了基本的认识。
图片莱昂纳多的重力研究图表。(Gharib et al., Leonardo, 2022)

众所周知,牛顿是 17 世纪下半叶第一个提出万有引力理论的人。显然这是受到从树上掉下来的苹果的启发。而最近,加州理工学院、康奈尔大学等机构的一项研究认为,早在牛顿提出万有引力定律的一百多年前,意大利文艺复兴三杰之一列奥纳多・达芬奇也对万有引力有了基本的认识

该研究分析了达芬奇现已数字化笔记本中的图表,包括三角形草图,它们显示了自然运动、定向运动和运动平衡之间的关系 —— 即对「重力是一种加速度」的认知。

图片

论文地址:https://direct.mit.edu/leon/article-abstract/56/1/21/113863/Leonardo-da-Vinci-s-Visualization-of-Gravity-as-a

达芬奇举出的例子中包括了对「从罐子里倒出沙子」的设想。这位博学者(达芬奇)意识到,如果罐子沿着水平方向被拉,且速度与向下拉沙粒的力相同,沙子就会形成三角形的斜边。认识到下落物体的速度随时间而变化是找到地球引力常数的关键一步

图片达芬奇创立的三角形。

研究人员论文中表示,「大约 500 年前,达芬奇凭借其想象力和高超的实验技术,并通过一系列巧妙的实验,试图揭开重力之谜以及与加速度的关系。」

这个引力常数后来被牛顿用来定义他的运动定律(包括万有引力),并被爱因斯坦用于他的广义相对论。达芬奇知道他发现了什么,但不能确定究竟发现的是什么

这种不确定性的部分原因是达芬奇赞同亚里士多德关于连续力(即动力)的观点,该力能够填满单体,并为它们提供逆重力运动的动力。对于惯性原理,物体仅仅继续朝着一个方向运动,直到它们遇到一个相反的力。这在当时的科学领域还没有建立起来。

图片在现代实验室做达芬奇的实验。

与此同时,亚里斯多德将引力解释为物质按照自然顺序排列的一种趋势。换句话说,重力和飞行的弹体是通过两种截然不同的理论来解释的。

实验再现

虽然达芬奇的计算中存在错误,但在实验室中对他实验的再现表明,与现代方法和方程相比,达芬奇的算法计算出难以捉摸引力常数 (「g」) 的准确率达到了 97%。

研究人员写到,「通过发展几何等效方法来证明运动定律,达芬奇对下落物体的动力学研究表现出了其非凡的洞察力,只要能够假设『g』代表速度或加速度的变化率,就不需要知道『g』的确切值。」

如果达芬奇进行了他在手稿中描述的实验,那么很可能是第一个在非自由落体状态下有意识地产生『g』力效应的人。

研究人员对达芬奇的方法产生了特别深刻的印象:他利用了当时可以利用的东西(主要是几何)来研究未知的东西。如今,同样的创新仍然可以应用于科学领域。

牛顿并不是单纯靠自己提出的万有引力定律:伽利略在 1604 年就认识到了自由落体运动和时间之间的关系,而牛顿自己表示伊斯梅尔・布利奥和博雷利的发现为他的理论提供了依据。

事实证明,同样在正确轨道上行进的还有达芬奇,他发现了物体下落的模式,后来被用来解释恒星和行星的运动,并以预测海王星的存在而闻名

论文作者之一、加州理工学院机械工程师 Morteza Gharib 表示,「我们不知道达芬奇是否做了进一步的实验,或者更深入地研究了这个问题。但事实上,他在 16 世纪早期就以这种方式尝试解决问题,这表明他的思想是多么超前。」

原文链接:https://www.sciencealert.com/sketches-hint-leonardo-da-vinci-grasped-gravity-a-century-ahead-of-newton

相关资讯

AI自动化系统可以快速找到新的电池化学成分,比人工测试要快得多

编辑 | 萝卜皮开发高能高效电池技术是推进交通和航空电气化的关键方面。然而,电池创新可能需要数年时间才能实现。在非水电池电解质溶液的情况下,选择多种溶剂、盐及其相对比例的许多设计变量使得电解质优化既费时又费力。为了克服这些问题,卡内基梅隆大学(Carnegie Mellon University)的研究团队提出了一种实验设计,将机器人技术(一个名为「Clio」的定制自动化实验)与机器学习(一个名为「Dragonfly」的基于贝叶斯优化的实验计划器)结合起来。在单盐和三元溶剂设计空间内对电解质电导率进行自主优化,在两

几何深度学习揭示微观运动的时空特征

编辑 | 白菜叶生命系统中动力学过程的表征为其机械解释和与生物功能的联系提供了重要线索。由于显微镜技术的最新进展,现在可以在生理条件下以多个时空尺度常规记录细胞、细胞器和单个分子的运动。然而,在拥挤和复杂的环境中发生的动态自动分析仍然落后于微观图像序列的获取。在这里,哥德堡大学的研究人员提出了一个基于几何深度学习的框架,可以在各种生物学相关场景中实现对动力学特性的准确估计。这种深度学习方法依赖于由基于注意力的组件增强的图形神经网络。通过使用几何先验处理对象特征,网络能够执行多项任务,从将坐标链接到轨迹到推断局部和全

飞秒级化学反应放缓至肉眼可见,首次使用量子计算机将模拟化学反应减慢1000亿倍

澳大利亚悉尼大学的科学家首次使用量子计算机直接观察到一个对化学反应至关重要的过程,实现这一突破的关键是将原过程速度从飞秒尺度减慢至毫秒尺度。联合首席研究员 Vanessa Olaya Agudelo 博士说:「通过了解分子内部和分子之间的这些基本过程,我们可以在材料科学、药物设计或太阳能收集方面开辟一个新的可能性世界。「它还可以帮助改善依赖分子与光相互作用的其他过程,例如烟雾是如何产生的或臭氧层是如何被破坏的。」研究小组目睹了化学中一种常见的被称为「圆锥形交叉点」的几何结构引起的单个原子的干涉图案。圆锥形交叉点在化