天文學家發現迄今最迷你的系外行星系統

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

1894 年，美國物理學家邁克生（Albert Abraham Michelson）作為芝加哥大學物理系的創立者，在為學校的瑞爾森物理實驗室（Ryerson Physical Laboratory）落成典禮致詞時，表示：「雖然無法斷言說，未來的物理學不會比過去那些驚奇更令人驚嘆，但似乎大部分的重要基本原則都已經被穩固地建立了。」

以我們現在的後見之明，這段話聽起來固然錯得離譜，但在當時，從 17、18 到 19 世紀，在伽利略、牛頓、馬克士威等前輩的的貢獻之下，物理學已經達成了非凡的成就。

我們現在稱為古典的物理學，對於整個世界的描述幾乎是面面俱到了，事實上沒有人預料到 20 世紀將出現徹底顛覆世界物理學認知的重要理論，量子力學。

而這最一開始竟只是出自於一件不起眼的研究，關於物體發出的光。

萬物皆輻射

在此我們要先理解一個觀念：所有物體無時無刻不在發出電磁波輻射，包括了你、我、你正使用的螢幕，以及我們生活中的所有物品。

至於為什麼會這樣子呢？其中一個主要原因是，物體都是由原子、分子組成，所以內部充滿了帶電粒子，例如電子。這些帶電粒子隨著溫度，時時刻刻不停地擾動著，在過程中，就會以電磁波的形式放出能量。

除了上述原因之外，物體發出的電磁波輻射，還可能有其他來源，我們就暫時省略不提。無論如何，從小到大我們都學過的，熱的傳遞方式分成傳導、對流、輻射三種，其中的輻射，就是我們現在在談的，物體以電磁波形式發出的能量。

那麼，這些輻射能量有什麼樣的特徵呢？為了搞清楚這件事，我們必須先找個適當的範本來研究。

理想上最好的選擇是，這個範本必須能夠吸收所有外在環境照射在上面的光線，只會發出因自身溫度而產生的電磁輻射。這樣子的話，我們去測量它發出的電磁波，就不會受到反射的電磁波干擾，而能確保電磁波是來自它自己本身。

這樣子的理想物體，稱為黑體；畢竟，黑色物體之所以是黑的，就是因為它能夠吸收外在環境光線，且不太會反射。而在我們日常生活中，最接近理想的黑體，就是一點也不黑、還超亮的太陽！這是因為我們很大程度可以肯定，太陽發出來的光，幾乎都是源於它自身，而非反射自外在環境的光線。

或者我們把一個空腔打洞後，從洞口發出的電磁波，也會近似於黑體輻射，因為所有入射洞口的光都會進入空腔，而不被反射。煉鐵用的鼓風爐，就類似這樣子的結構。

到目前為止，一切聽起來都只是物理學上一個平凡的研究題目。奇怪的是，在對電磁學已經擁有完整瞭解的 19 世紀後半到 20 世紀初，科學家儘管已經藉由實驗得到了觀測數據，但要用以往的物理理論正確推導出黑體的電磁波輻射，卻遇到困難。正是由此開始，古典物理學出現了破口。

黑體輻射

由黑體發出的輻射，以現在理論所知，長得像這個樣子。縱軸代表黑體輻射出來的能量功率，橫軸代表黑體輻射出來的電磁波波長。

在理想狀況下，黑體輻射只跟黑體的溫度有關，而跟黑體的形狀和材質無關。

以溫度分別處在絕對溫標 3000K、4000K 和 5000K 的黑體輻射為例，我們可以看到，隨著黑體的溫度越高，輻射出來的能量功率也越大；同時，輻射功率最高的波段，也朝短波長、高頻率的方向靠近。

為了解釋這個曲線，物理學家們開始運用「當時」畢生所學來找出函數方程式，分成了兩派：

一派是 1896 年，由德國物理學家維因（Wilhelm Carl Werner Otto Fritz Franz Wien），由熱力學出發推導出的黑體輻射公式，另一派，在 1900 與 1905 年，英國物理學家瑞立（John William Strutt, 3rd Baron Rayleigh）和金斯（James Jeans），則是藉由電磁學概念，也推導出了他們的黑體輻射公式，稱為瑞立－金斯定律。

你看，若是同時擺上這兩個推導公式，會發現他們都各自對了一半？

維因近似 Wien approximation 只在高頻率的波段才精確。而瑞立－金斯定律只對低頻率波段比較精確，更預測輻射的強度會隨著電磁波頻率的提升而趨近無限大，等等，無限大？――這顯然不合理，因為現實中的黑體並不會放出無限大的能量。

顯然這兩個解釋都不夠精確。

就這樣，在 1894 年邁克生才說，物理學可能沒有更令人驚嘆的東西了，結果沒幾年，古典物理學築起的輝煌成就，被黑體輻射遮掩了部分光芒，而且沒人知道，這是怎麼一回事。

普朗克的黑體輻射公式

就在古典物理學面臨進退維谷局面的時候，那個男人出現了——德國物理學家普朗克（Max Planck）。

普朗克於 1900 年就推導出了他的黑體輻射公式，比上述瑞立和金斯最終在 1905 年提出的結果要更早，史稱普朗克定律（Planck’s law）。普朗克假想，在黑體中，存在許多帶電且不斷振盪、稱為「振子」的虛擬單元，並假設它們的能量只能是某個基本單位能量的整數倍。

這個基本單位能量寫成 E=hν，和電磁輻射的頻率 ν 成正比，比例常數 h 則稱為普朗克常數。換言之，黑體輻射出來的能量，以hν為基本單位、是一個個可數的「量」加起來的，也就是能量被「量子化」了。

根據以上假設，再加上不同能量的「振子」像是遵循熱力學中的粒子分佈，普朗克成功推導出吻合黑體輻射實驗觀測的公式。

普朗克的方程式，同時包含了維因近似和瑞立－金斯定律的優點，不管在低頻率還是高頻率的波段，都非常精確。如果我們比較在地球大氣層頂端觀測到的太陽輻射光譜，可以發現觀測數據和普朗克的公式吻合得非常好。

其實有趣的是普朗克根本不認為這是物理現象，他認為，他假設的能量量子化，只是數學上用來推導的手段，而沒有察覺他在物理上的深遠涵意。但無論如何，普朗克成功解決了黑體輻射的難題，並得到符合觀測的方程式。直到現在，我們依然使用著普朗克的方程式來描述黑體輻射。不只如此，在現實生活中，有許多的應用，都由此而來。

正因為不同溫度的物體，會發出不同特徵的電磁波，反過來想，藉由測量物體發出的電磁波，我們就能得知該物體的溫度。在疫情期間，我們可以看到某些場合會放置螢幕，上面呈現類似這樣子的畫面。

事實上，這些儀器測量的，是特定波長的紅外線。紅外線屬於不可見光，也是室溫物體所發出的電磁輻射中，功率最大的波段。只要分析我們身體發出的紅外線，就能在一定程度上判斷我們的體溫。當然，一來我們都不是完美的黑體，二來環境因素也可能產生干擾，所以還是會有些許誤差。

藉由黑體輻射的研究，我們還可以將黑體的溫度與發出的可見光顏色標準化。

在畫面中，有彩虹背景的部分，代表可見光的範圍，當黑體的溫度越高，發出的電磁輻射，在可見光部分越偏冷色系。當我們在購買燈泡的時候，會在包裝上看到色溫標示，就是由此而來。所以，如果你想要溫暖一點的光線，就要購買色溫較低，約兩、三千 K 左右的燈泡。

結語

事實上，在黑體輻射研究最蓬勃發展的 19 世紀後半，正值第二次工業革命，當時鋼鐵的鍛冶技術出現許多重大進步。

德國鐵血宰相俾斯麥曾經說，當代的重大問題要用鐵和血來解決。

就傳統而言，煉鋼要靠工匠用肉眼，從鋼鐵的顏色來判斷溫度，但若能更精確地判斷溫度，無疑會有很大幫助。

德國作為鋼鐵業發達國家，在黑體輻射的研究上，曾做出許多貢獻，這一方面固然可能是學術的求知慾使然，但另一方面，也可以說跟社會的需求與脈動是完全吻合的。
總而言之，普朗克藉由引進能量量子化的概念，成功用數學式描述了黑體輻射；這件事成為後來量子力學發展的起點。儘管普朗克本人沒有察覺能量量子化背後的深意，但有另一位勇者在數年後繼承了普朗克的想法，並做出意味深長的詮釋，那就是下一個故事的主角――愛因斯坦的事了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

全台第一、更是唯一專為表揚女科學家卓越貢獻的「台灣傑出女科學家獎」已邁入第 16 年。2007 年台灣萊雅聯合吳健雄學術基金會共同發起設置「台灣傑出女科學家獎」，以樹立典範，啟發並推動更多女性投入科學領域，促使科學界多元參與及發展，此獎項多年來的方向與成果更接軌國際聯合國永續發展目標（SDGs）之性別平等目標。

有台灣「女性諾貝爾獎」之美名的台灣傑出女科學家獎，截至 2023 年，本獎項共表揚傑出獎及新秀獎共計 49 位優秀台灣女性科學家。參照全球傑出女科學家獎模式的主辦單位，台灣萊雅總裁師逸樺表示，希望透過表彰台灣傑出女科學家，社會大眾看見多位女性科學家不但在科學界擔任團隊領導者，對科學研究領域有傑出成就，更在推動友善人才制度進步和培育科研領域人才發展均深具貢獻。

2023 年第 16 屆「台灣傑出女科學家獎」由中央研究院化學研究所特聘研究員陳玉如博士獲得最高榮譽「傑出獎」^[1]之殊榮。為支持優秀年輕女科學家而設立的「新秀獎」，則頒發給中央研究院天文及天文物理研究所研究員林俐暉博士及臺灣大學電機工程學系電子工程學研究所副教授胡璧合博士。鼓勵具科學潛力之年輕博士班學生的「孟粹珠獎學金」，則由中央大學物理研究所博士班謝妮恩同學(目前任職於日本北海道大學低溫科學研究所博士後研究員)獲得。

「傑出獎」得主 中央研究院化學研究所陳玉如特聘研究員

• 由美國與全球 13 個國家合作的「癌症登月計畫」，台灣隊由她領軍

在中研院化學所任職，專長儀器設計、質譜分析的陳玉如博士，因深受蛋白質體學的奧秘所吸引，跨領域由生物分子的分析，轉換跑道長期投入蛋白質體的探索，她的研究成果不僅創造領先國際之分析技術，在台灣建立世界級的蛋白質體研究技術，也提供生醫研究全新的研究路徑及轉譯經驗，進而獲得重大疾病關鍵突破。

陳玉如團隊開發了以質譜儀全面性定量細胞膜蛋白體的方法，可幫助科學家了解膜蛋白質如何造成疾病的機制，更進一步建立第一個癌症病人個人化的分析，開發疾病檢測或是藥物標靶蛋白質。以癌症為例，現在使用的癌症標識分子（biomarker）大多數是膜蛋白質。

陳玉如博士首創全世界第一個「奈米探針質譜檢測技術」，發現癌症中血清蛋白多重結構變異作為新型癌症標誌物的實用性，成為首例以單一蛋白質多重異構物結合演算法作為新型癌症檢測技術，應用於早期癌症檢測，該技術於 2022 年獲得國家新創獎。

「我不抽菸，為什麼也會得肺癌？」這是許多亞洲國家肺癌患者共同的疑問。肺癌是全球癌症死亡的主因，即使藥物治療近年有長足的進展，存活率仍低，長期為我國癌症死亡的頭號殺手。肺癌傳統上被認為與吸菸畫上等號，但在東亞地區，不吸菸者患病的比率卻遠高於吸菸者。

為釐清不吸菸肺癌患者可能的致病機轉，2017 年，陳玉如博士主持推動與美國臨床蛋白基因體學腫瘤分析聯盟（CPTAC）合作的「台灣癌症登月計畫」，讓我國成為該計畫首度國際合作國家之一。

陳玉如認為，癌症研究的跨國分享非常重要，因為即使是同一種癌症，也會因為地域、人種及生活型態而有所差異，因此預防、檢測、治癌和預後方式可能不同。

陳博士發揮善於溝通、整合資源的人格特質，整合學術、政府資源及與醫院臨床合作，建立東亞第一個肺癌之蛋白基因體大數據，解析亞洲不吸菸肺癌患者的致病機制，開發新穎癌症精準醫療策略。該計畫利用深度蛋白質基因體技術和多體學數據整合分析，解析台灣不吸菸病人與西方不同的基因突變特徵、尋找內生性與外在環境致病機轉，並發現癌症早期出現的類晚期蛋白質分子特徵，為全世界第一個完整剖析東亞肺癌的研究。研究論文已發表於頂尖期刊《細胞》（Cell），並榮登當期封面，享譽國際。

陳玉如博士曾任中研院化學所所長，也是有史以來第一位女所長；於 2019 年獲選全世界最大的國際性蛋白質體學術組織（HUPO）理事長，為該組織 20 年來最年輕，更是亞洲第一位女性理事長，為台灣爭取第 15 屆世界蛋白體組織會議及亞太蛋白體組織會議；2020 年受邀為分析化學領域排名第一國際期刊 Analytical Chemistry 的副主編至今，是台灣有史以來唯一獲此榮譽職位者。她也見證了各國代表在台灣宣示啟動癌症登月計畫之歷史時刻，協助台灣成為質譜學及蛋白質體學社群交流重鎮。

陳玉如博士的學術歷程及成就凸顯了唯有基礎數理研究的突破，方能以創新的分子視野揭露人類複雜疾病的成因與進展，開啟生醫學界及產業發展新穎癌症檢測的新策略。

• 不設限、敢冒險，學習與溝通打通一關又一關

年少時喜愛作家三毛的陳玉如博士，從國中開始即養成寫日記的習慣，大學時期曾一度憧憬寫作的美好世界，成為科學家後，「寫作基因」帶給陳玉如博士敢於想像與冒險的念頭，讓她從設計質譜儀到分析 DNA，進而再挑戰以質譜儀開發更好的蛋白質體分析法，從摯愛的化學與跨領域到應用面、執行癌症醫學相關研究。

陳博士笑著說：「科學研究也是一種寫作，陳述一個完整的故事，讓人願意讀下去。」

除了如寫作敘事般建構規劃與想像，陳博士在研究上也發揮她善於溝通的特質，陳玉如博士表示，癌症研究是整合型的分析，需要蛋白體和基因分析技術、資訊分析、臨床醫學等各領域的專家跨領域合作，但要整合這麼多領域的領袖談何容易？陳玉如努力學習基因，並理解臨床醫師想問的問題及研究基因體學的科學家在做什麼，然後一起把基因和蛋白質的數據、以及臨床症狀整合、連貫起來，並不斷與不同領域的專家溝通，讓彼此互相了解，才打通一關又一關，取得研究成果。在學生眼中，積極熱情、樂於學習且執行力高的陳博士，是他們的精神領導，也是像媽媽和朋友的溫暖存在，永遠抱持正向開放的態度，鼓勵並協助他們堅持直至成功。

「新秀獎」得主 中央研究院天文及天文物理研究所林俐暉研究員

• 用光學及電波望遠鏡觀測宇宙奧秘，她是入選台灣女科學家新秀獎的首位天文學者

林俐暉博士於中央研究院天文及天文物理研究所擔任研究員，研究著重在大尺度環境對於星系演化的影響，包括星系之間的交互作用以及星系團中星系的性質。利用多波段的天文觀測，有系統地探討星系與星系碰撞的頻率、星系交互作用期間對於恆星形成之效應，以及星系碰撞與大尺度環境的相關性。

而近年來，林俐暉博士結合地面最大電波望遠鏡 ALMA 以及光學史隆巡天計畫第四代的「艋舺」（MaNGA）觀測計畫，領導近三十位國際天文學家，進行 ALMaQUEST（ALMA-MaNGA QUEnching and STar formation）的國際合作計畫。林俐暉博士是第一位入選台灣女科學家新秀獎的天文學者。

• 「當你覺得別人都很厲害的時候更應該欣喜，表示自己還有進步的空間，這個世界可以更好！」正向態度讓她隨心選擇不設限

受雙親為物理學者的家庭環境薰陶，林俐暉博士雖自小接觸物理領域，但林博士的志向卻未因此設限。學生時期的她，除了是數理資優生，也喜歡古典文學，兼具理性與感性的她，一路從探索物理科學、宇宙星系到中國文學，累積了廣泛的興趣，豐富她的人生，也讓她對下一代的教育，延續原生家庭保持自由且開放的態度。此外，林博士分享印象很深刻的一句話：「當你覺得別人都很厲害的時候更應該欣喜，表示自己還有進步的空間，這個世界可以更好。」對林博士來說，有學習典範是科研路上一件很棒的事情。

近年來，林俐暉博士擔任台灣物理學會女性委員會的成員之一，為培育下一代女性科學家盡一份心力。她鼓勵有志從事科學的女性學子，除了培養足夠的熱情和興趣，更重要的是，永遠保持正向的態度。她特別感謝同事的支持，讓她投入家庭的同時，仍然可以從事研究工作。

林博士談到，期望將台灣萊雅致力推動多元共融、堅信多元化與包容性的企業精神也帶入學術界，有朝一日讓所有的女性研究員，都能無後顧之憂地投入科研工作。

「新秀獎」得主 臺灣大學電機工程學系電子工程學研究所胡璧合副教授

• 讓人類的世界更加安全便利，她獲台積電張忠謀親自頒獎

「你在英雄電影裡看見的未來高科技，就是我們想做的事情！」胡璧合博士的研究領域為前瞻奈米電子元件及記憶體電路設計，透過元件及電路的共同最佳化，使下世代電子元件及記憶體電路表現高密度、低功耗及高能效等特性。

談到最難忘的學術成就，胡博士於交通大學智慧型記憶體及晶片系統實驗室擔任助理研究員期間，擔任國科會計畫主持人，研究鍺通道鰭式場效電晶體靜態隨機存取記憶體之讀取寫入輔助電路設計，於 2014 年獲得台灣半導體產業協會頒發博士後研究員半導體獎，並由台積電董事長張忠謀博士頒發，該獎項給予胡博士在學術研究旅程中莫大的鼓勵。

半導體產業是台灣的支柱與優勢產業，為國家經濟與安全的基石。胡博士於頂尖國際會議及重要國際期刊的發表，展現其團隊豐沛的研究能量，研究成果具學理創新及前瞻性。在產業發展部份，胡博士持續與台灣半導體科技公司執行產學合作計畫，透過加強學界與業界的接軌，在電子元件及記憶體領域持續研發創新，共同培育未來半導體產業高階人才。

• 她是科學家，也可以是三寶媽！

胡璧合博士出生於台灣彰化，父母皆從事傳統產業。她感謝母親與婆婆的大力支持，讓她可以在孩子幼年時當假日母親，平日則全心投入研究工作。胡博士分享：「我們一直在做調整，在孩子2歲後接回身邊，由先生負責孩子上學，再由我接送放學，在實驗室，把兩張椅子併在一起，小孩也可以睡午覺。」這是身為女科學家，努力在工作與家庭之間取得平衡的生活面貌。

累積在中央大學與台灣大學任教的經驗，胡博士發現，碩士畢業後，許多學生會選擇投入產業端工作，繼續攻讀博士的人則越來越少。即使支持學生未來發展的選擇，但多數碩士人才都投入業界的情況也形成隱憂：「台灣的半導體產業有良好的發展環境，但需要有人不斷做研究找出方向，才能往前帶動整個市場持續蓬勃發展。」

另一方面，胡博士觀察到女性在成績和研究表現上都非常好，鼓勵女學生應保持自信和平靜的心態，關注自身的狀態和成長。同時也鼓勵女性加入實驗室，相信女性細心的特質，可以帶動實驗室的工作氛圍越來越好。

孟粹珠獎學金：中央大學物理研究所博士班謝妮恩同學

• 研究一氧化碳冰晶光脫附作用，她為天文學界提供嶄新視角

謝妮恩同學於大學三年級即進行星際冰晶在真空紫外光與 X 射線照射下的光脫附作用與光化學反應之專題研究，並在天文學相關議題研究上的表現卓越，於 2019 年獲得科技部博士生千里馬計畫與台西計畫的補助，前往西班牙馬德里皇家天文生物研究中心進行訪問研究。

期間，她師承 Dr. Muñoz Caro 進行二氧化碳紅外光譜之詳細探討，提供完整光譜數據庫與星際冰晶生成溫度歷史之參考，對於天文觀測中的分子結構標定是不可或缺的。2022 年，以第一作者身分發表論文，建立一個描述生長溫度對於一氧化碳冰晶光脫附作用影響的模型。此模型指出分子的真空紫外光吸收截面、能量傳遞深度、單層冰晶的光脫附貢獻量與有效表面積等參數須同時考慮，方能提供冰晶分子光脫附一個嶄新的視角。

謝妮恩博士展現優秀的團隊管理能力，協助指導多名碩士生和專題生，帶領團隊解決研究上的難題，並逐一完成論文。謝博士參與研討會的經驗豐富，除了台灣物理年會之外，也在國際研討會上多次獲選為口頭報告講者，曾於 2020 年第五屆亞洲分子光譜年會榮獲 LiHong Xu Award 之殊榮。優異的研究成果榮獲 2019 年吳健雄獎學金及 2021 年中技社科技獎學金(研究組)，在學生眾多的理工領域獲得這份殊榮實屬不易，更是對於謝博士的一大肯定與鼓勵。

關於台灣傑出女科學家獎

16 年來，本獎項共表揚傑出獎及新秀獎共計 49 位優秀台灣女性科學家，包括 2 位前、現任中研院副院長、多位中研院院士及大專院校教授及研究中心研究員等。

根據教育部的數據顯示，女性投考科學類組的比例持續成長，從 2007 年到 2021 年，大專院校科技類女學生占比上升了 5.5%。然而在男女受教權均等的台灣，女性投入科研領域成為科學家的比例，與全球女性科學家占比同樣只有不到三分之一，性別比例尚有很大的差距，因而仍需要持續推動鼓勵女性參與科學，盼透過「台灣傑出女科學家獎」鼓舞更多有志科學的女性投入科研，促進科學界多元發展，加速台灣科技精進。

了解更多台灣傑出女科學家獎

• 台灣傑出女科學家獎設置沿革及歷屆得主

2023 年第十六屆台灣傑出女科學家獎得主簡介

• 傑出獎-陳玉如博士
• 新秀獎-林俐暉博士
• 新秀獎-胡璧合博士
• 孟粹珠獎學金-謝妮恩博士後研究員
• 2023 年第十六屆傑出獎得主-陳玉如博士介紹影片

[1] 依據遴選辦法規定，按公元單雙數年，交替輪選物質科學、數學、與資訊科學領域（公元單數年）或生命科學（公元雙數年）領域的傑出研究者。今年為公元單數年，本屆各類獎項得主皆從「物質科學、數學、與資訊科學」領域的女科學家中選出。