Física + IA: Como um Agente Autônimo (Reasonix) Transformou 4 Equações em uma Simulação Web em Minutos · cafe2

O Projeto
Partindo de uma base já consolidada em Rust/WASM (uma calculadora de testes estatísticos T), expandi o sistema para criar um Mapeador de Campo Elétrico Interativo rodando 100% no navegador.

O usuário insere um JSON com cargas elétricas — cada uma com posição (x, y) e carga q (positiva ou negativa) — e o sistema renderiza um mapa de cores onde:

A direção do vetor campo elétrico define a Matiz (Hue)
A intensidade define o Brilho (Value)

A Física Traduzida para Lógica de Programador

O grande diferencial foi que eu não precisei descrever equações abstratas para a IA. Eu traduzi cada conceito físico em uma instrução imperativa clara. Foi essa "ponte de tradução" que fez o agente acertar de primeira.

O que eu sabia (Física)	O que passei para a IA (Lógica / Instrução)
O campo elétrico é a soma vetorial de todas as cargas.	Faça um `for` para cada pixel e, dentro dele, outro `for` para cada carga, somando `Ex` e `Ey`.
A força diverge quando a distância é zero (( r \to 0 )).	Use `max(r, 0.1)` para evitar divisão por zero (Softening Parameter).
A direção do campo é um ângulo no plano.	Use `atan2(Ey, Ex)` para obter o ângulo e converta para Matiz (0° a 360°).
A intensidade cai com ( 1/r^2 ), criando áreas muito escuras.	Aplique `brightness = sqrt(magnitude)` para clarear o fundo sem perder os picos (correção de gamma).
O Canvas do navegador espera pixels no formato RGBA.	Monte um `Vec<u8>` com `[R, G, B, 255]` e devolva como `Uint8ClampedArray`.

Com essa tabela em mãos, o agente não precisou "inventar" física — ele só precisou saber escrever Rust e WASM.

O Papel do Agente de IA (Reasonix)

Com o domínio da física claro, o agente foi acionado para fazer o que ele faz de melhor: traduzir lógica em código compilável e integrado. Em uma sequência de 4 prompts, o Reasonix executou:

Arquitetura de Módulos
Criou o arquivo simulation.rs, definiu a struct Charge com derives Serialize/Deserialize, e integrou ao lib.rs sem quebrar a funcionalidade estatística existente.
Motor de Cálculo (Solver)
Escreveu o loop aninhado que percorre 240 mil pixels (600×400) calculando a contribuição vetorial de cada carga para cada pixel, gerando um vetor Vec<u8> no formato RGBA.
Ponte WASM de Alta Performance
Em vez de serializar a imagem em JSON (lento e pesado), o agente usou js_sys::Uint8ClampedArray, criando uma ponte direta com o ImageData do Canvas do navegador — com zero overhead de parsing.
Interface Frontend
Construiu a seção HTML/CSS/JS com textarea para JSON, slider para a constante ( k ), botão de renderização, tratamento de erros, toggle de tema claro/escuro (com persistência em localStorage) e um botão "Adicionar Carga Aleatória" que preserva as cargas existentes.

A Eficiência (O Ganho Real)

Métrica	Sem IA (estimativa)	Com IA (realizado)
Tempo gasto	3 a 5 horas	Menos de 30 minutos
Tarefas manuais	Lembrar sintaxe exata do `wasm-bindgen` para arrays, ajustar `Cargo.toml` sem conflitos de versão, escrever parser JSON manualmente, debugar ordem dos canais RGBA.	O agente gerou o código pronto, compilando sem warnings e funcionando de primeira.
Interações humanas	Dezenas de tentativa e erro.	4 prompts + 1 ajuste fino (para a correção de brilho).

A Conclusão do Experimento

A IA não substitui o conhecimento físico. Se eu não soubesse que:

O campo elétrico é um vetor,
Precisamos de softening para evitar singularidades,
A percepção humana de brilho é logarítmica (por isso a raiz quadrada),

o resultado seria um amontoado de cores sem sentido ou um programa quebrado.

O grande trunfo do agente foi:

Absorver a arquitetura do projeto existente,
Gerenciar as dependências (Cargo.toml) sem conflitos,
Escrever a cola sintática (bindings WASM/JS) que consome 80% do tempo de um desenvolvedor,

permitindo que eu focasse apenas na validação física e na experiência do usuário.

Essa é a nova dinâmica da programação científica:
O humano dita a física; a IA dita a máquina.

#RustLang #WebAssembly #WASM #Fisica #Eletromagnetismo #IA #Programacao #CienciaDeDados