このプロンプトは、冷蔵庫内の環境条件を入力することで、霜の結晶成長プロセス（樹枝状結晶の形成）を記述するための物理シミュレーション設定およびコード生成指示です。 ### 1. 物理シミュレーション用・AIへの初期指示プロンプト 以下の命令文をChatGPTやClaudeなどのLLMに入力し、シミュレーションを開始してください。 --- **【プロンプト】** あなたは物理学者および計算科学者として振る舞い、冷蔵庫内の「霜の結晶成長（Dendritic Growth）」をシミュレーションするための計算モデルを構築してください。 **ステップ1：環境パラメータの定義** 以下の変数を初期値として設定してください。 - 気温 (T_env): -18℃ - 冷却板表面温度 (T_s): -25℃ - 水蒸気圧 (P_v): 飽和水蒸気圧に対する相対湿度 85% - 拡散係数 (D): 水分子の空気中拡散係数 **ステップ2：物理モデルの選定** 結晶成長を記述するために「相場モデル（Phase-field model）」または「拡散律速凝集（DLAモデル）」のどちらが適切か、理由と共に選択し、その計算式を提示してください。 **ステップ3：アルゴリズムの生成** 選択したモデルに基づき、2次元格子上で霜の成長を再現するPythonコードを作成してください。以下の機能を含めること。 1. 格子点上の濃度勾配に基づく結晶核の生成 2. 表面エネルギーを考慮した界面の不安定性（Mullins-Sekerka不安定性）の導入 3. タイムステップごとの結晶形状の変化を可視化するmatplotlibを用いた描画コード **ステップ4：結果の解析** 結晶が樹枝状に成長するプロセスにおいて、枝分かれの間隔（ラメラ間隔）がどのような物理量に依存するかを数式で説明してください。 --- ### 2. シミュレーション実行用 Python コードスニペット LLMによって生成されたモデルを元に、さらに詳細な挙動を解析するためのPythonベースの基礎構造です。 ```python import numpy as np import matplotlib.pyplot as plt # シミュレーション空間の設定 grid_size = 200 grid = np.zeros((grid_size, grid_size)) # 中央に結晶核を配置 grid[grid_size//2, grid_size//2] = 1 def update_crystal(grid, diffusion_rate=0.1): """ 拡散律速凝集(DLA)に基づく簡易的な結晶成長更新関数 """ new_grid = grid.copy() # 周辺の濃度勾配を計算し、確率的に結晶を成長させるロジック # [ここに拡散方程式の差分法アルゴリズムを実装] return new_grid # 実行ループ for step in range(500): grid = update_crystal(grid) if step % 100 == 0: plt.imshow(grid, cmap='bone') plt.title(f"Frost Growth Step: {step}") plt.show() ``` ### 3. 結晶成長の物理的要因を深掘りするための質問リスト シミュレーションの結果に対し、AIに以下の質問を投げかけることで、より高度な知見を引き出せます。 1. **過冷却度の影響:** 「もし冷蔵庫内の温度が-5℃から-25℃まで急激に変化した場合、結晶のフラクタル次元はどのように変化するか？数理的な推論を述べよ。」 2. **表面不純物の介入:** 「冷蔵庫内の微細な塵や油分が、結晶の成長方向に与える異方性について物理学的な説明を加えよ。」 3. **都市の記憶との対比:** 「結晶の枝分かれパターンと、都市の道路網の拡張パターンにはどのような数学的相同性が見出せるか？グラフ理論の観点から考察せよ。」 ### 4. シミュレーションの精度を高めるためのパラメータ調整表 以下の表をコピーし、AIに与えることでシミュレーションの条件を変更してください。