Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

為什麼微波爐加熱總是不均勻?—《解事者》

天下文化_96
・2016/11/29 ・1098字 ・閱讀時間約 2 分鐘 ・SR值 399 ・三年級

生活中常見的微波爐能快速加熱食物的秘密是什麼?圖/Jorge Sanz@flickr, CC-by2.0
生活中常見的微波爐能快速加熱食物的秘密是什麼?圖/Jorge Sanz@flickr, CC-by2.0

加熱食物的無線電箱子:微波爐

這種箱子用一種無線電波加熱食物。無線電波讓東西裡面很小很小的水滴搖動,愈搖愈快。當東西裡的很多小水滴都搖得很快, 東西就變熱了。如果讓很強的無線電波穿過水,水會變熱。 有了加熱食物的無線電箱子,你就可以買冷凍食品,在冰箱冰很久,要吃的時候,再用箱子加熱,把冰熔化。這對沒有時間煮飯的人很方便。你也可以用無線電箱子加熱新鮮的食物(例如魚) 做成各種菜,就跟用廚房其他加熱工具做菜一樣。不過用這種箱子做菜沒那麼簡單,尤其是煮肉時要小心一點。

無線電波

這種無線電箱子使用的電波,波長跟家裡電腦的無線網路「熱點」一樣。其實不同種類的無線電機器使用的電波波長都不一樣,但這兩種卻用完全一樣的波長,這是有原因的。 就在加熱食物的無線電箱子愈來愈普遍的時候,用無線電傳送資料的設備也開始變多。由於當時家家戶戶都已經在使用這種無線電箱子,各國決定把箱子用的波長(大約是手掌寬)開放,讓每個人都可以用。於是制定無線網路的人就用了這個波長,因為這是大家都能在家使用的少數波長。 如今全世界電腦傳送資料使用的波長,跟加熱食物的無線電箱子一樣。這不會有問題,除非你的無線電箱子有破洞,那你在加熱食物時,電腦上的影片可能就停了。

為什麼變熱的食物裡面還有冰?

無線電箱子很會把水加熱,對冰卻不大行。箱子可以加熱冰,但是要花很久的時間。 當你把冷凍食品放進無線電箱子加熱,過一會兒後, 有一部分開始變成水。因為無線電箱子很會把水加熱,這些水很快就變得更熱,甚至在冰還沒完全融化之前,這些水就變成水蒸氣了。 要避免這種情形,你可以把無線電箱子的強度調小一 點,這樣加熱過程中會有很多次暫停,因此有多一點時間讓熱傳送到其他部位,就不會有些地方特別燙了。

  • 從上文知道微波爐是靠著無線電波讓水滴搖動、使得食物被加熱,但你曾想過微波爐中的無線電波的分布狀況嗎?
加熱食物的無線電箱子:微波爐

解事者

本文摘自《解事者:複雜的事物我簡單說明白》,天下文化出版。本書獲選為泛科學 2016 年 11 月選書。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
凍傷了?來微波加熱一下~
胡中行_96
・2023/02/20 ・1975字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

俄羅斯西伯利亞的科學家,於 2023 年 1 月的《科學報告》(Scientific Reports)期刊上,發表了一些看似能防止烤雞的外皮過焦,同時確保內部肉質鮮美多汁的技巧。比方說,一般作法「由外部加溫很危險,不是每次都能得到正向的結果…」。若改用微波,則「所需的溫度相對不高」,但要力求整體均衡,「不能只有外層受熱」。遺憾他們說了半天,卻跟食物無關,其實是在介紹如何安全又有效地,用特製的微波裝置,治療凍傷患者的四肢。[1]

當然不是把凍傷患者,丟進家用微波爐裡。圖/osseous on Flickr(CC BY 2.0)

微波的對象與裝置

就像料理烤雞,得先弄來雞隻和烘烤的設備;進行這項研究前,需要滿足兩個條件:

  1. 招募凍傷的人:在氣候冷冽的西伯利亞,要造成凍傷,難度並不高。不過,根據《赫爾辛基宣言》(Declaration of Helsinki),人體試驗應該符合倫理,將志願者可能受到的傷害降至最低。[2]不能隨便把人往雪地扔的研究團隊,在當地 Tomsk 市的 2 家醫院守株待兔,期望意外凍傷的人自己找上門。2018 至 2021 年間,每年的冬季他們都耐心等候,總共蒐集到 14 名超過 20 歲的男性,簽署受試同意書。[1]
  2. 製作微波裝置:研究團隊精心打造的裝置(下圖),簡單來說,就是一台方便手腳伸進去加熱的微波爐。前面的圓形入口,包覆著具隔絕效果的金屬材質,以保護傷患與研究人員,免於非必要的輻射暴露。此裝置的微波頻率為 2.45 吉赫(GHz);而功率可達 200 瓦特(watts;簡寫 W),即每秒產生200 焦耳(joule;縮寫 J)的熱能。[1]換句話說,頻率與家用微波爐無異,功率卻低了數倍。[3]

由於研究團隊只想幫傷患加溫,沒有要煮熟他們的意圖,便設定開到 60 瓦特。再加上操作時,會喪失些許熱能,最後傷患實際接收到的,大約僅有 30 至 40 瓦特每個患部加熱 1 至 3 次,每次 30 分鐘。雖然感覺微溫,但不至於難受。9 名傷患接受上述治療;另外 4 個嘗試了不同的功率;還有 1 人則是時間長度減半。[1]

可以把手腳伸進去加熱的微波爐。圖/參考資料 1,Figure 2(CC BY 4.0)

加溫的原理

平均而言,當人體組織的溫度低於攝氏 15 度左右,血液和淋巴循環會停止。身體各部位略有差異,手指的下限是 19 度;而腳趾為 15 度。為凍傷患者回溫時,目標溫度大約是 20 到 25 度上下,要觸及整個患部,而非僅有表層。讓身體恢復運作,才能透過循環,順利輸送藥物。以往從外部加溫的作法,會舒張表層血管,卻容易在深層血管收縮的情況下,導致壞死和截肢等問題。相對地,低功率的微波可以穿透到組織深層,逐漸舒張血管,促進血液與淋巴的循環,不會有上述副作用。[1]

-----廣告,請繼續往下閱讀-----
天寒地凍的西伯利亞 Tomsk 市。圖/Артём Полоз on Wikimedia Commons(CC BY-SA 4.0)

凍傷的等級

凍傷依照程度,可以分為 4 個等級:[4]

  1. 第一級:麻木、脫屑、感覺異常、中央蒼白,以及周圍水腫或紅腫。[4]
  2. 第二級:起水泡,周圍紅腫或水腫。[4]
  3. 第三級:失去整層皮膚組織,還長了出血性水泡。[4]
  4. 第四級:不僅皮膚,連深層組織都喪失了。[4]

微波的療效

此研究受試者的凍傷程度涵蓋上述四級,治療時除了微波,也採用標準療程的消毒與藥物,並視情況選擇是否手術。整體來說,科學家對微波相當滿意,覺得能降低截肢的機率。此外,雖然第一、二級的傷勢輕微,效果比較不明顯;但是他們認為無論初步評估的凍傷程度,每個傷患最好都要接受微波。因為診斷難免失準,若因此錯過治療時機,實在得不償失。[1]

既然如此,未來遇到凍傷患者,是不是都該抓來微波一下?儘管研究證明了科學家的假設似乎可行,目前的受試者就區區幾名男性,不足以建立一套完善的操作指南。臨床上不同體型、年紀或性別的傷患,或許適合不同功率或時間長度的微波治療。這些都有待將來進一步試驗,才能推廣運用。[1]

  

-----廣告,請繼續往下閱讀-----
  1. Dunaevskiy G, Gavrilin E, Pomytkin A, et al. (2023) ‘Reduction of amputations of frostbitten limbs by treatment using microwave rewarming’. Scientific Reports, 13, 1362.
  2. WMA Declaration of Helsinki – Ethical Principles for Medical Research Involving Human Subjects’. (06 SEP 2022) World Medical Association.
  3. Radiation: Microwave ovens’. (01 JUN 2005) World Health Organization.
  4. Basit H, Wallen TJ, Dudley C. (27 JUN 2022) ‘Frostbite’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
-----廣告,請繼續往下閱讀-----

0

9
6

文字

分享

0
9
6
誰在海邊蓋天文台啊(惱)──世界第一座電波干涉儀
全國大學天文社聯盟
・2022/04/15 ・4114字 ・閱讀時間約 8 分鐘

  • 文/玄冥
    曾經做過 Radio Astronomy,現在叛逃去 Structure Formation 了,但也許有天會再回去。喜歡的動物是樹懶。

1946 年 2 月的某個清晨,澳洲東海岸的一群無線電科學家嚴陣以待,將電波接收器對向海的彼岸。如果是幾年前,他們會膽顫心驚地觀察日軍戰機的動向,但是今天不一樣,他們滿懷期待地等著日出。因為科學家們知道,他們正將原本用於國家間內鬥的利器 —— 電波干涉術(Radio Interferometry),用於人類探索太空的共同嚮往。

電波干涉術原先是二戰時用來提高電波觀測準確度的技術,如果說大家對電波干涉術不熟悉的話,那麼對人類拍攝的第一張黑洞影像應該記憶猶新(圖一)。這張黑洞影像的成像原理便是電波干涉術,拍攝這張照片的電波干涉儀則是遍佈全球的「事件視界望遠鏡(EHT)」(圖二)。

圖一:事件視界望遠鏡拍攝之 M87 星系中心的超大質量黑洞。圖/EHT
圖二:事件視界望遠鏡。圖/NRAO

大家聽到「電波干涉儀」時,腦海中浮出的想像,可能都是如圖二中的碟狀接收器。然而實際上,電波干涉儀最初的樣貌是非常簡單的(圖三),以下這篇文章會分別介紹電波和干涉術,再介紹兩者結合的原理,一步步帶大家了解電波干涉儀的原型機是如何被設計出來的。

圖三:在澳洲 Dover Heights 岸邊的電波干涉儀。圖/CSIRO

什麼是無線電波?

無線電波(Radio wave,簡稱電波)是一種電磁波,它充斥於我們現代生活的各個角落。例如手機產生的信號、衛星轉播,以及藍牙、WIFI 等等。電波與可見光是唯二能在地球大氣中自由穿行的電磁波波段,因此大多數地面望遠鏡都以觀測可見光跟電波為主。重要的是,相對於可見光波,電波波長更長(約 1 mm 以上),較容易穿過障礙物,讓它更便於觀測藏在宇宙塵埃後的物體(如原恆星)。然而,能穿透障礙物的代價是,在相同的望遠鏡口徑下,電波望遠鏡的「角解析度(Angular resolution)」比較低。

角解析度(或稱角分辨率)是探知物體細微移動或分辨兩個鄰近物體的能力,白話的說就是它能看得多「清楚」。角解析度正比於望遠鏡的直徑,但反比於所觀測的電磁波波長。做一個誇張的比喻,如果我們的眼睛能看到的是波長較長的電波而不是可見光的話,我們需要有一顆直徑約一棟樓高的眼睛,才能看得跟現實中一樣清楚。有限的角解析度,是電波天文台在 1930 年代剛出現時所面臨的主要困境之一。這個問題一直到二戰時期才得到解方 —— 干涉技術。

-----廣告,請繼續往下閱讀-----
如果我們的眼睛能看到的是波長較長的電波而不是可見光的話,我們需要有一顆直徑約一棟樓高的眼睛,才能看得跟現實中一樣清楚。圖/envato elements

光的干涉,相信大家在高中的物理實驗中都見過。在實驗中,我們將光源對準布幕,並將切有兩條平行狹縫的一塊紙板隔在光源與布幕之間。此時通過兩條狹縫的光,便會在布幕上產生黑白相間的干涉條紋。這些條紋,源自光通過不同狹縫抵達布幕所需的距離不同,因此不同狹縫發出的光波到達布幕時的震動方向會有所不同。如果兩道光波震動方向相反,會造成相消干涉而形成暗紋;若抵達布幕時震動方向相同,則造成相長干涉而形成亮紋。

利用動畫可能更好理解一些(見圖四、五)。從實驗設備的上方俯視,藍色的點代表光源,紅色的點則是紙板上的狹縫位置,圖片底端是布幕,白色與黑色的部分即為光波的亮紋和暗紋。從圖四我們發現,當狹縫間距越遠,布幕上亮紋就越細緻,而從圖五則可以看見,當光源橫向移動時,布幕上的亮紋及暗紋亦會大幅移動。結合這兩張圖可以看出,越細緻的亮紋對光源的移動就越敏感,電波作為一種波亦有相同的特性。

圖四(左)、圖五(右):雙狹縫干涉示意圖。

軍隊如何利用電波干涉偵測敵軍?

讓我們將焦點拉回二戰時期。當時的英國軍隊為了能預警敵機,通常會將電波接收器對準海平面,隨時觀察敵機的位置。圖六和圖七是電波接收器(紅點)跟敵機(藍點)以及海面(黑色區域)的相對位置圖,此時敵機發出的電波會從兩條不同路徑抵達電波接收器,其中較短的電波是從敵機直達接收器,而較長的則是經海面反射後抵達接收器,這兩條路徑的電波會互相干涉並形成明暗相間的條紋。

圖六(左)、圖七(右):海岸干涉儀示意圖。

這些干涉條紋如同雙狹縫干涉所產生的條紋一樣,對波源的移動非常敏感(圖六),因此可以非常準確的判斷出敵機的位置;而如圖七所示,當電波接收器與海平面之間的高度差愈大,干涉條紋愈細緻,這表示電波接收器的海拔高度正比於其角解析度。實際上,如果將電波接收器放在濱海的峭壁上,其影像的清晰度約為一台口徑為兩倍峭壁高度的電波接收器,這便是「電波干涉儀」最初的樣子——也就是圖三那一台在峭壁上的電波接收器。

-----廣告,請繼續往下閱讀-----

隨著二戰結束,許多軍事科技被轉為民用或科研用途,電波干涉儀也不例外。對於研究太陽黑子的天文學家們來說,電波干涉儀在這一年轉為民用更是生逢其時,因為隔年恰好迎來了百年內規模最大的太陽極大期。

太陽活動通常以 9~14 年為週期。在太陽活動最旺盛的時候,往往會伴隨著許多太陽黑子的出現、以及被磁場束縛住的日冕物質所迸發的強電波。然而過去受限於電波觀測的低角解析度,人們只知道電波的強度與太陽黑子數量呈正相關,卻並不知道電波具體源自太陽的何處。隨著電波干涉儀的出現,天文學家得以精確地觀測出電波強度的分佈,其範圍比太陽小、且位置與太陽黑子高度重疊,這為此後的太陽黑子研究以及電波通訊應用提供了不少幫助。(1)(2)(3)

使用電波干涉儀探索宇宙吧!

銀河系和太陽,是天空中兩個最亮的電波源,因此是天文學家最先望向的目標。但天文學家們也注意到,較弱的電波源其實散佈於天空各個角落。這些電波源在沒有干涉儀的時代,因低角解析度以及來自銀河系的電波干擾而遲遲無法精確定位,而這一情況在電波干涉儀出現後得到改善。

二戰後,澳洲海軍負責雷達設備的軍官 John Bolton 以及他的助手,在澳洲沿海各處搭建了電波干涉儀,以觀測來自天鵝座的電波。他們將該電波源的位置精確度,由先前透過一般電波望遠鏡量測的五度推進至七角分(約 1/10 度),也得知這個天體的大小在八角分以下。

-----廣告,請繼續往下閱讀-----
在美國新墨西哥州的無線電干涉儀:甚大天線陣Very Large Array。圖/Hajor, CC BY-SA 3.0

然而弔詭的是,如果量測到的電波源自於這八角分不到的天體,這個天體所蘊含的能量密度將遠超出任何已知的天體!更令人驚訝的是,該天體並沒有對應到任何可見光影像中的恆星,於是他們將這個只出現在電波影像的天體稱為天鵝座 A(4) 。隨後他們用電波干涉儀掃瞄了南方的天空,陸續發現了許多類似天鵝座 A 的天體。

在後續技術發展下,天文學家終於找出這些電波天體在可見光的真身 —— 電波星系(5)(圖八、九)。電波星系在可見光波段的影像如同一般星系,然而在電波望遠鏡下,時常能看見噴流從電波星系中心噴湧而出,噴流的痕跡可達星系本體的數倍。現在我們知道,噴流是在星系中心大質量黑洞進食(吸積)時所噴出的強烈電漿流,其中的帶電粒子在噴流磁場的加速下會發出強電波,從而被電波干涉儀接收。

圖八:由甚大天線陣列(VLA)拍攝之天鵝座A電波星系的電波影像。圖/Mhardcastle, VLA data
圖九:由歐洲南方天文台拍攝之人馬座 A 電波星系,結合可見光與電波的影像。圖/ESO

這些噴流能夠改變星系的氣體與能量分佈,因此對星系演化有著至關重要的影響,今日人們也在透過更先進的電波望遠鏡了解這些星系。

時過境遷,如今的電波干涉儀,已經能夠將遍布全球各地多個電波接收器收到的電波進行干涉,不再是依託於大海的孤立接收器;干涉儀技術的改良,立基於全世界探索宇宙深空的好奇與嚮往,而非國家間互相對抗的戰火。

-----廣告,請繼續往下閱讀-----

回首過往,人們在戰爭中其實並未忘記對宇宙的嚮往,因此當硝煙散去,人們便互相合作,將戰時的科技化作探索太空的利器,揭開宇宙奧秘、滿足人類的好奇。如今,我們擁有更強大的科技,希望人們能夠繼承這份嚮往,一同探索更多宇宙的未知。

延伸閱讀

  1. 毀滅與新生:超大質量黑洞觸發的恆星形成- PanSci 泛科學
  2. 黑洞甜甜圈之後:宇宙噴火槍3C 279 黑洞噴流影像現蹤跡!——《科學月刊》 – PanSci 泛科學
  3. 黑洞攝影怎麼拍?七個問答來解謎——《黑洞捕手》 – PanSci 泛科學
  4. 仰望宇宙的好據點,大國爭相來插旗:「白山」毛納基亞——《黑洞捕手》
  5. 太陽升起前,把握最後的永夜!與時間賽跑的組裝任務——《黑洞捕手》 – PanSci 泛科學
  6. 人類史上首張黑洞近照:這張動員全球、沖洗兩年的照片是怎麼來的? – PanSci 泛科學
  1. Some Highlights of Interferometry in early Radio Astronomy, Woodruff T. Sullivan III (2016)
  2. Pawsey, J. L., Payne-Soott, R., & McCready, L. L. (1946). Radio-frequency energy from the SunNature157(3980), 158-159.
  3. McCready, L. L., Pawsey, J. L., & Payne-Scott, R. (1947). Solar radiation at radio frequencies and its relation to sunspotsProceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences190(1022), 357-375.
  4. Bolton, J. G., & Stanley, G. J. (1948). Variable source of radio frequency radiation in the constellation of Cygnus. Nature161(4087), 312-313.
  5. Bolton, J. G., Stanley, G. J., & Slee, O. B. (1949). Positions of three discrete sources of galactic radio-frequency radiation. In Classics in Radio Astronomy (pp. 239-241). Springer, Dordrecht.
-----廣告,請繼續往下閱讀-----