博客
关于我
量子物理史话 第四章 白云深处
阅读量:757 次
发布时间:2019-03-23

本文共 441 字,大约阅读时间需要 1 分钟。

玻尔理论在量子力学的发展中扮演着关键角色,这一理论的提出引发了物理学史上的一场深刻变革。然而,这场变革并非一帆风顺,而是充满了争议与挑战。

玻尔模型的提出试图通过引入量子化条件,解释原子结构中的能级跃迁现象。然而,这一模型最初却遭遇了强烈的抵制,不少物理学家认为其推翻了麦克斯韦体系的合理性。在旧量子力学体系和经典理论之间,玻尔理论显得割裂与双重性。

上世纪20年代,德布罗意的创新突破了这一困境。他提出了电子既是粒子又是波的观念,数学家待定论将这一矛盾形式化为德布罗意波。这一概念展示了波特粒子的双重属性,开创了量子力学发展的新阶段。

德布罗意波的理论不仅解释了电子的波动性质,更为后来的量子力学奠定了基础。通过实验验证,电子的衍射图案与光波一致,证明了波动理论的正确性。

德布罗意的贡献不仅在理论层面上重塑了物理学,更为后世科学家指引方向。他的工作展现了科学突破的过程,无论成功与否,都体现了人类探索未知的勇气。这些历史事件仍然具有深刻的启示意义,提醒我们科学探索的艰辛与奇迹。

转载地址:http://jxwzk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>