銀河系行星數量遠多於恆星

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

古老星系中發現有機分子？我們離第三類接觸還有多遠？

韋伯正式展開拍攝任務已經屆滿週年，最近也傳回來許多過去難以拍攝到的照片。六月初，天文學家在《自然》期刊上發表了這張照片，在藍色核心外，環繞著一圈橘黃色的光環。

這是一個星系規模的甜甜圈？這是一個傳送門？還是外星文明的戴森環？

——都不是！其實，這是一個含有有機物多環芳香烴的古老星系，其名為 SPT0418-47。因為名字很長，以下我們就簡稱為 SPT0418 吧！

這個觀測結果有什麼特殊意義？這代表我們發現外星生命了嗎？

SPT0418 是怎麼被拍到的？扭曲時空的重力透鏡！

一年前，在韋伯望遠鏡傳回第一組令人震撼的照片時，我們製作了兩期節目來介紹韋伯望遠鏡，和它在天文觀測史上跨時代的重要意義。在那之後，也有不少泛糰敲碗，希望我們可以再繼續介紹韋伯望遠鏡的後續發展。

這次在週年前夕公開的這張 SPT0418 照片，是一張標標準準因為重力透鏡而形成的美麗照片。「重力透鏡 Gravitational Lensing」這個概念，相信有在關注天文物理的泛糰們，應該都有聽過。愛因斯坦的廣義相對論告訴我們，星系與星系團的龐大質量會扭曲它們周圍的時空，就像一面星系尺度的超級放大鏡一樣，可以在光線通過時改變它們的走向，從而扭曲背景星系的影像。而如果背景星系與前方的前景星系剛好前後對齊的話，重力透鏡效應還能將背景星系扭曲成美麗的環型，這個環型被稱為「愛因斯坦環 Einstein Ring」。

乍聽之下，重力透鏡會扭曲背景星系影像，好像會干擾觀察，是個缺點。但實際上重力透鏡在扭曲影像的同時，也會聚焦背景星系發出的光，從而讓背景星系變得更加明亮而容易觀測，讓天文學家可以看到更遠或更暗的天體。因此雖然扭曲的影像會增加分析上的麻煩，但天文學家其實非常喜歡觀測這些受重力透鏡效應影響的天體們。甚至會專門安排觀測計畫，拍攝這些受重力透鏡效應影響的區域。這次的主角 SPT0418，正是韋伯太空望遠鏡針對重力透鏡效應開展的「TEMPLATES 」觀測計畫的其中一個觀察對象。

SPT0418 是一個位於時鐘座（Horologium）方向，距離地球約 123 億光年遠的古老星系。最早在南極望遠鏡（SPT）的觀測資料中被發現，並在後續以阿塔卡瑪大型毫米及次毫米波陣列 ALMA 進行的觀測中，確認了它是一個富含大量塵埃，而且正在以每年約 350 個太陽質量的超高速率生成恆星的星系。

在我們與 SPT0418 之間，還存在著一個前景星系。正是這個前景星系的質量扭曲了周圍的時空，像一片巨大的放大鏡一樣將背後的 SPT0418 扭成了漂亮的愛因斯坦環。

在這張經過調色的照片中，中間的藍色部分就是前景星系，旁邊的橘色環則是因為重力透鏡而扭曲的 SPT0418 。得益於這個重力透鏡，SPT0418 的影像被增亮了三十倍以上，非常適合讓天文學家一窺早期宇宙中星系的狀態，因此被選為韋伯的觀測目標。

那麼，這次的觀測又有什麼重要意義呢？

多環芳香烴是什麼？看見它代表什麼意義？

這次的拍攝結果不能完全說是意外，因為在這個研究中，韋伯的目標非常明確，就是要尋找古老星系中的多環芳香烴。

在天文學上，多環芳香烴通常指兩個以上的苯環所組成的有機化合物的統稱，人們一般以它的簡稱「PAH」來稱呼它。

發現有機分子，難道這代表有生命存在於古老星系中嗎？其實不能這麼快下定論。

因為 PAH 廣泛存在於各式各樣的星系中，與其他由碳和矽組成的塵埃顆粒，同屬於星際塵埃的一部分。甚至在彗星、小行星、隕石中，都能發現各式各樣的 PAH。目前認為，宇宙中可能有超過 20% 的碳原子，都是以 PAH 的方式存在，只是環數不盡相同。

所以，雖然科學家認為，宇宙中的生命誕生，可能與這些這些遍布其中的有機分子有關。但發現 PAH，不能直接與發現生命劃上等號。

過去數十年的天文觀測結果也顯示，PAH 確實廣泛存在於星系之中，但是天文學家對於這些分子究竟如何形成？又是什麼時候形成的？目前還沒有共識。因此迫切需要更多觀測，例如這次的目標 SPT0418 是個距離我們非常遙遠的古老星系，對於研究宇宙早期星系以及 PAH 的起源就很有幫助。

觀察 PAH 的困難及韋伯望遠鏡的重大突破

然而，要觀察 PAH 卻不太容易。原因是這些 PAH 發出的光，波長主要都集中在幾微米到十幾微米的近紅外與中紅外線波段。這個波段的光線受到大氣層的吸收非常嚴重，幾乎無法從地面觀測，因此過去我們很難取得相關數據。想要尋找 PAH 的蹤跡，勢必得使用紅外線太空望遠鏡才行。

這時，就是韋伯大展身手的時候了。比起同樣專注於紅外光譜的前輩史匹哲太空望遠鏡，韋伯的鏡片直徑大了超過七倍，集光面積更是大了將近六十倍，這不僅讓韋伯能夠拍攝遠比史匹哲更清晰的影像，更可以在更短的時間內拍攝到更暗的目標。

得益於韋伯強大的觀測能力，在這個研究中它僅僅對著 SPT0418 曝光了不到一個小時的時間，就在 3.3 微米的波段找到了清晰的 PAH 發射譜線，確認了PAH的存在的同時，也打破了觀測到最遠的 PAH 訊號的紀錄。

此外天文學家也發現，韋伯所拍攝到的 SPT0418 與前幾年使用 ALMA 觀測到的影像並不全然相同。

由於韋伯拍攝的是 PAH 發出的近紅外光，而 ALMA 拍攝到的則是毫米尺寸的大顆粒塵埃所發出的遠紅外線，因此這可能代表 SPT0418 這個星系的不同部分，有著不同的塵埃組成。為甚麼會這樣呢？天文學家目前也沒有肯定的答案，需要更多的觀測來進一步釐清。

任務還在繼續！TEMPLATES 計畫持續追蹤 PAH 足跡

韋伯對 SPT0418 拍攝的照片，不僅打破了人類探測過離太陽系最遠的 PAH 訊號紀錄，更展示了在重力透鏡加韋伯的攜手合作下，能大幅拓展人類觀測遙遠星系的能力。除了 SPT0418 之外，天文學家還預計觀測另外三個被重力透鏡放大的星系，尋找並研究其中 PAH 的足跡，以解開星系與星際塵埃的演化之謎。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

• 作者：林彥興｜EASY 天文地科小站主編、清大天文所碩士生，努力在陰溝中仰望繁星

你看過銀河嗎？

如果你在晴朗的夏日午夜旅行到沒有光害的山上，將會看到天上有一條淡淡的、若有似無的亮帶，好像一條薄薄的雲橫跨夜空，它正是我們所居住的星系 ── 銀河系（Milky Way）的盤面。在數位相機的加持之下，我們還能看到這薄薄的盤面上，其實布滿恆星、星雲、以及塵埃帶，複雜、深邃而美麗。

但如果，你有一雙能夠看到「伽瑪射線」的眼睛，你將看到兩個視角高 50 度、寬 40 度的巨大橢圓形「泡泡」，矗立於銀河盤面兩側。它們名為「費米泡泡 Fermi Bubbles」，是銀河系中巨大且神祕的結構之一。

費米泡泡的起源，以及存在的意義，一直是過去十多年來，天文學家相當關注的研究主題。

最近（2022 年 3 月），一篇刊登於《自然天文學》（Nature Astronomy）的研究顯示，壯闊的費米泡泡很可能源自兩百多萬年前，銀河系中心超大質量黑洞的一次能量爆發。

費米泡泡的發現

當我們一聽到「費米泡泡」這個詞，腦海中浮現的第一個問題往往是：

「費米是誰？這個泡泡跟他有什麼關係？」

在物理界，恩里科．費米（Enrico Fermi）這個名字可謂家喻戶曉。他是 20 世紀初最重要的物理學家之一，曾參與曼哈頓計畫，設計與建造世上第一個核子反應爐和原子彈；並且在量子力學、核子物理、粒子物理和統計力學都貢獻卓越。後世以他命名的物理概念、研究計畫不計其數。這之中，就包含「費米伽瑪射線太空望遠鏡 Fermi Gamma-ray Space Telescope」。

正如其名，費米是一座專門用於觀測伽瑪射線的太空望遠鏡，它於 2008 年發射升空，是軌道上最好的伽瑪射線太空望遠鏡之一。比起前輩們，費米擁有更大的視野、更高的靈敏度和空間解析度，可以看得更廣、更暗、更清楚。

它的主要任務，是不斷的掃視整片天空，繪製伽瑪射線的全天地圖（all sky map），研究黑洞、中子星、超新星等宇宙中最高能的天體。

費米太空望遠鏡升空短短兩年後，天文學家就從觀測資料中發現，如果我們將費米的全天伽瑪射線圖中已知的星體（比如銀河系的瀰散氣體、中子星、其他星系等）全部扣除，將會看到銀河中心的上下兩側，各有一對高 50 度、寬 40 度的巨大橢圓形區域，而這是從未發現過的銀河系新結構！

天文學家於是將它命名為「費米泡泡 Fermi Bubble」，以紀念費米太空望遠鏡的重要貢獻。

而除了在伽瑪射線看到的費米泡泡之外，天文學家也在微波和 X 射線波段看到了相似的結構。

在微波波段，威爾金森微波各向異性探測器（WMAP）和普朗克衛星（Planck）都在費米泡泡的位置觀測到兩片橢圓形的明亮區域，天文學家稱之為「微波薄霧 microwave haze」。而在 X 射線波段，2019 年才昇空的義羅西塔（eROSITA）衛星則發現了與費米泡泡相似，但是更大的泡泡狀結構，被稱為「eROSITA 泡泡」。

另外，在紫外線波段，雖然沒辦法直接看見泡泡狀的結構，但天文學家藉由遙遠天體通過費米泡泡中的稀薄氣體時產生的吸收譜線，可以計算出費米泡泡的膨脹速率，大約是每秒數百到數千公里的等級。

綜合以上資料，天文學家認為費米泡泡應該是源自數百萬至一千萬年前，銀河系中心的一次巨大爆炸。這場爆炸大約釋放了 10⁴⁸ – 10⁴⁹ 焦耳的龐大能量（相當於太陽終其一生釋放的能量，再乘以 10000 倍以上），並加熱了銀河系中心的氣體，使其以每秒數千公里的速度劇烈膨脹。百萬年後的今天，就成為了橫跨數萬光年巨大泡泡。

但是，這張錯綜複雜的拼圖，還缺少了最核心的一塊：

這麼龐大的能量，究竟是從何而來？

超新星爆發還是黑洞噴流？費米泡泡的身世之謎

費米泡泡剛被發現不久，天文學家就對驅動費米泡泡的核心引擎，提出了兩位候選人：

第一種觀點，認為銀河系中心在數千萬年前可能曾有大量的恆星形成，其中年輕的恆星由於壽命短暫，很快的就走完它的一生，並發生超新星爆炸，釋放出巨大的能量。

另一種觀點，則認為銀河系中心的超大質量黑洞在數百萬年前可能短時間內吃進了大量氣體，並在過程中將能量以噴流（jet）或外流（outflow）的形式釋放出來。

兩種說法聽起來都頗有可能，而且天文學家都有在其他星系看過類似的現象，那該怎麼知道哪邊才是對的呢？這時，天文學家們就兵分兩路，觀測學家們繼續對費米泡泡進行更多觀測，尋找更多可能的隱藏線索；理論學家則利用電腦模擬，嘗試在電腦中重現出觀測結果。

早年，兩派假說各有各的優勢，也有各自難以解釋的弱點。但隨著觀測資料的不斷累積，天文學家漸漸發現黑洞的噴流假說似乎更符合觀測結果，因此更具說服力。但即使如此，想要在電腦模擬中一次重現費米泡泡所有的觀測特徵，仍是相當困難的挑戰。

三個願望，一次滿足

然而今（2022）年三月，清大天文所楊湘怡教授利用三維磁流體力學電腦模擬（MHD Simulation），就一次重現了費米泡泡、義羅西塔泡泡與微波薄霧三個重要的觀測特徵。

他們假設銀河系中心的超大質量黑洞，在 260 萬年前曾經朝著銀河系盤面的上下兩側噴出兩道噴流。噴流帶有 10⁵⁰ 焦耳的強大能量，其中含有大量以接近光速運動的高能電子。當這些高能電子與低能量的光子碰撞時，電子會將能量傳遞給光子，就好像被保齡球打到的球瓶一樣，讓光子從低能量的可見光，變成高能量的伽瑪射線。這個被稱為「逆康普頓散射 Inverse Compton Scattering」的機制，讓我們能在伽瑪射線看到費米泡泡。

與此同時，這些高能電子在銀河系的磁場中運動時，會以「同步輻射 Synchrotron Radiation」的方式放出微波與無線電波，形成我們看到的微波薄霧。最後，強大的噴流在撞擊銀河系中的氣體時，會產生以每秒數千公里高速移動的震波（Shock Wave）。震波所到之處，受到壓縮而加溫的氣體就會釋放出 X 射線，成為我們看到的義羅西塔泡泡。而且氣體運動的速度，也與紫外線觀測的結果相符。

這個研究結果，將伽瑪射線、X 光、紫外線到微波的所有觀測結果，用黑洞噴流漂亮的一次重現，這無疑是我們對費米泡泡理解的一大進展。

未來展望

那麼，費米泡泡的身世之迷，就此蓋棺論定了嗎？

嗯⋯⋯還沒這麼快。

無論多麼精細的模擬，終究是對真實世界的近似與簡化，理論學家永遠可以繼續考慮更多的物理機制，計算出更精細的結果。觀測天文學家也會不斷拿出更多、更好的儀器，挑戰模擬的結果。

更宏觀的看，如果銀河系中心的超大質量黑洞在兩百多萬年前真的曾經如此活躍，它釋放出的龐大的能量，是否曾對銀河系造成其他的影響？我們是否能夠從中學到更多關於銀河系的歷史，以及黑洞跟星系間複雜的共同演化機制？這些都有待天文學家的持續探索。

費米泡泡的故事，仍未完結。

銘謝

感謝論文第一作者、清大天文所楊湘怡老師對本文的指導與建議。

參考資料（學術論文）

1. Fermi and eROSITA bubbles as relics of the past activity of the Galaxy’s central black hole | Nature Astronomy
2. Unveiling the Origin of the Fermi Bubbles – NASA/ADS
3. X-Ray and Gamma-Ray Observations of the Fermi Bubbles and NPS/Loop I Structures – NASA/ADS
4. Fermi Gamma-ray Space Telescope: High-Energy Results from the First Year

延伸閱讀（報導與科普文章）

1. 本次研究相關
   • Fermi and eRosita bubbles may originate from past activity of the Galactic black hole | Nature Portfolio Astronomy Community
   • 銀河系的巨大泡泡可能與中心的超大質量黑洞活動有關｜楊湘怡老師個人網頁
   • Massive bubbles at center of Milky Way caused by supermassive black hole | University of Michigan News
   • Giant Bubbles Above and Below Milky Way’s Center Caused by Galaxy’s Central Black Hole | Sci-News.com
   • Study says massive ‘bubbles’ in space might share origins – Taipei Times
   • Gigantic Bubbles at Center of Milky Way Caused by Powerful Jet of Energy From Supermassive Black Hole
   • Scientists Seek Origin of Mysterious Gigantic Bubble Structures In Our Galaxy
   • 百万度高温，横跨5万光年，银河系中心的巨大高能气泡 Tracing the Fermi bubble within our galaxy
2. 費米泡泡相關
   • 銀河系巨大費米泡-科學人雜誌
   • 銀河系黑洞吹泡泡,噴流留殘影- PanSci 泛科學
   • Was the Milky Way a Quasar?
3. 其他相關天文物理科普文章
   • 毀滅與新生：超大質量黑洞觸發的恆星形成- PanSci 泛科學
   • 宇宙「新」光──新星、超新星與千級新星- PanSci 泛科學
   • 電腦裡的小宇宙，重現絢麗的恆星爆炸！專訪陳科榮
   • 中研院天文所季報：多彩魅力的CHARMS