ارتقای کیفیت بازیکنان بسکتبال با علم فیزیک
به نظر می رسد یک نظریه فیزیک که برای پیش بینی رفتار انبوه مولکول ها و مگس های میوه مفید است بتواند حتی در زمین بسکتبال بسیار متفاوت عمل کند.
به گزارش سیناپرس، یک مدل مبتنی بر تئوری تابعی چگالی می تواند بهترین موقعیت را برای هر بازیکن در زمین بسکتبال در یک سناریوی معین پیشنهاد کند. گفتنی است که این مدل می تواند احتمال گلزنی یا دفاع موفق را افزایش دهد.
بوریس بارون (Boris Barron) دانشجوی دکترای فیزیک که با توماس آریاس (Tomás Arias) استاد دانشکده فیزیک در کالج هنر و علوم کار می کند، می گوید: ما ایده پروژه خود را از ناتان سیتارامن (Nathan Sitaraman) گرفتیم که با یک تیم NBA مشورت می کند تا به آنها کمک کند تا از طریق تجزیه و تحلیل داده ها بازی خود را بهبود بخشند. سیتارامن توانست اطلاعات بسیار دقیقی از موقعیت های بازیکن را از بازی های NBA این فصل به دست آورد که بعدا بارون از آنها برای توسعه مدل خود استفاده کرد.
با استفاده از نتایج این مدل سازی بارون قادر است پیش بینی کند که یک بازیکن خاص ممکن است به کجا برود و حتی تعیین کند که کدام بازیکنان در موقعیت های خوب یا بد قرار دارند. به گزارش سیناپرس، به گفته محققان این مدل با محاسبه احتمال موفقیت و وضعیت تهاجمی یا تدافعی و همچنین بر اساس موقعیت بازیکن می تواند شبیه سازی هایی از نحوه واکنش تیم حریف مانند دویدن در سراسر زمین، ایجاد کند.
بارون در این باره گفت: ما می توانیم دقیقاً ببینیم که یک بازیکن باید کجا باشد تا به تیمش کمک کند و همین چند متر می تواند تا ۳ درصد تفاوت در موفقیت ایجاد کند.
مدل‌های ریاضی که بارون استفاده می کند بر اساس روش‌های برنده جایزه نوبل است که در ابتدا برای مطالعه مجموعه های بزرگی از الکترون‌های برهم‌کنش کننده مکانیکی کوانتومی توسعه یافتند. آریاس گفت: این روش‌ها زمانی کار می کنند که شما بازی هایی مانند بسکتبال را تجزیه و تحلیل کنید، زیرا اندازه گیری رفتار گروه های مردم دشوار است.
او همچنین گفت: تکنیک‌های فیزیک ما به این دلیل وارد عمل می شوند که شما بازیکنان را به صورت جداگانه بررسی نمی کنید، بلکه به نحوه همکاری آنها در زمین نگاه می کنید. به همین دلیل است که به این تحلیل سطح بالاتر نیاز دارید.
به گزارش سیناپرس، بارون گفت که مربیان می توانند داده های خاص تیم یا بازیکن را برای حریفان خود در این مدل وارد کنند تا استراتژی ای برای خنثی کردن رایج ترین بازی ها ایجاد کنند. مربیان می توانند محاسبات را قبل از بازی انجام داده، سپس آنها را روی دستگاه هوشمندی که می توانند روی نیمکت استفاده کنند نمایش دهند و به مسیرهای دقیقی را که بازیکنان باید بر اساس داده‌ها طی کنند، دست یابند. آنمربیان همچنین می توانند داده‌های مختص هر یک از بازیکنان خود را به دست آورند تا دریابند کدام بازیکنان بیشتر به موفقیت تیم می‌افزایند.
مترجم: مهدی فلاحی پناه
منبع: phys.org
No tags for this post.
