兔子生兔子，費波那契生出費氏數列——位數根的快樂夥伴（一）

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

修長的雙耳、無辜的眼神、強勁的後肢、柔順的絨毛、蓬鬆的短尾，以及鼓起的腮幫子…他都沒有。但是止不住的口部運動，仍使他像極了嚼草的兔子。^[1]他不可愛，應該說現在可愛不起來。這不全然基於中年大叔的外型，更因為那藥物副作用所帶來的無奈。

雙極性疾患

還是個 20 歲青春少年兄的時候，他有陣子心情緊張，睡眠需求銳減，出現視聽幻覺以及關係妄想（referential delusions）。^[1]深信一些隨機遇上的事物，跟自己有特定關係。^[2]當時的醫師診斷他處於雙極性疾患（舊稱「躁鬱症」；bipolar disorder）的躁期（manic episode）。從此他屢次住院，接受各式治療。二十年來，總共經歷 8 次躁期；與 2 次狀況相反，情緒低落的鬱期（depressive episodes），更在墜至谷底時試圖自殺。^[1]

40 歲那年，他又陷入躁期：具攻擊性、亢奮少睡、躁動不寧、被害妄想，並且無法控制心中怒火。住進土耳其科尼亞研究暨訓練醫院（Konya Research and Training Hospital）前，他理應每日服用情緒穩定劑lamotrigine和valproic acid，以及抗精神病藥物risperidone。然而最末項，卻被他自行停藥。醫師決定保留前二者，再加上口服的抗精神病藥物aripiprazole，稍後又將其改為同成份的長效型肌肉注射。^[1]

Aripiprazole

Aripiprazole（阿立哌唑；商品名：Abilify、安立復）是第二代抗精神病藥物，主要用於思覺失調症（schizophrenia）與雙極性疾患；也能治療泛自閉症障礙（autistic spectrum disorder）、重度憂鬱症（major depressive disorder）以及妥瑞症（Tourette syndrome）。^{[3, 4]}療效來自對多巴胺和血清素受器的作用，能降低精神科住院機率。比起第一代以及其他第二代的抗精神病藥物，aripiprazole比較不會在運動和代謝方面，造成副作用；^[4]也不容易因為阻斷多巴胺受器，而導致肢體不受控制的錐體外症狀（extrapyramidal symptoms，簡稱EPS）。^{[4, 5]}

在採用肌肉注射前，必須先口服同成份的藥物，建立耐受性（tolerability）。^[4]確保病患於可容忍的副作用範圍內，安全地獲得療效。這對將來長期使用此藥的成功與否至關重要。^[6]從口服轉換至注射的頭14天，仍得持續使用口服藥物。在施打第一劑aripiprazole後，約 5 至 7 日左右，藥物會達到最高血漿濃度。 ^[4]

兔子症候群

打完那劑aripiprazole的一個月後，男子的嘴巴不由自主，又開又閉，速度之快，猶如忙碌進食的兔子。^[1]

兔子症候群（rabbit syndrome）首見於 1972 年，是一種罕見的錐體外症狀。^{[1, 7]}通常是第一代抗精神病藥物所致；不過偶有第二代的案例出現。^{[1, 8]}整體來說，影響約 1.5 至 4.4% 的抗精神病藥物使用者。^[9]病患嘴巴的肌肉會以每秒 4 到 6 次，也就是平均 5 赫茲（Hz）的頻率，規律地垂直運動，神似兔子咀嚼。^{[1, 7, 9, 10]}嘴唇開闔時，多少會發出「啵、啵」聲。^[10]此症不涉及舌頭，^{[8, 10]}亦不妨礙口語溝通，甚至在講話時會暫時消失。（請見下方影片。）^[9]

治療雙極性疾患固然重要，也不能放任惱人的副作用不管。醫師逐漸減少男子 aripiprazole 的劑量，直到完全停用。^[1]同時，開立對付動作障礙疾病的抗膽鹼藥物 biperiden，以及能鎮靜神經的苯二氮平類藥物 diazepam，讓他每日服用。^{[1, 11, 12]}花了二個月的時間，兔子症候群的症狀才完全消失。

1. ‘11th International Congress on Psychopharmacology & 7th International Symposium on Child and Adolescent Psychopharmacology’. (2019) Psychiatry and Clinical Psychopharmacology, 29:sup1, 129-263.
2. Startup M, Startup S. (2005) ‘On two kinds of delusion of reference’. Psychiatry Research, 15;137(1-2):87-92.
3. ‘Aripiprazole’. (15 JAN 2022) MedlinePlus.
4. Gettu N, Saadabadi A. (21 MAY 2022) ‘Aripiprazole’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
5. D’Souza RS, Hooten WM. (01 AUG 2022) ‘Extrapyramidal Symptoms’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
6. Stanulović V, Hodolic M, Mitsikostas DD, et al. (2022) ‘Drug tolerability: How much ambiguity can be tolerated? A systematic review of the assessment of tolerability in clinical studies’. British Journal of Clinical Pharmacology, 88(2):551-565.
7. Rissardo JP, Caprara ALF. (2020) ‘Cinnarizine- and flunarizine-associated movement disorder: a literature review’. The Egyptian Journal of Neurology, Psychiatry and Neurosurgery, 56, 61.
8. Gundogmus I, Tekin S, Tasdelen Kul A, et al. (2022). ‘Amisulpride-induced late-onset rabbit syndrome: Case report and literature review’. European Psychiatry, 65(S1), S712-S712.
9. Aniello MS, Altomare S, Difazio P, et al. (2021) ‘Functional Rabbit Syndrome: A Case Report’. Tremor and Other Hyperkinetic Movements, 11(1):56.
10. Catena Dell’Osso M, Fagiolini A, Ducci F, et al. (2007) ‘Newer antipsychotics and the rabbit syndrome’. Clinical Practice and Epidemiology in Mental Health, 3, 6.
11. U.S. National Institute of Diabetes and Digestive and Kidney Diseases. (20 JUL 2017) ‘Biperiden’. LiverTox: Clinical and Research Information on Drug-Induced Liver Injury.
12. Dhaliwal JS, Rosani A, Saadabadi A. (03 SEP 2022) ‘Diazepam’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.

本文轉載自諾貝爾化學獎專題系列，原文為《【2011諾貝爾化學獎】具有黃金比例的晶體 — 準晶》

• 譯者／蔡蘊明｜台大化學系名譽教授
• 圖／曹一允｜美國德州農工大學 Karen Wooley 教授指導下取得博士，現於日本萊雅公司進行研究。

十重對稱的黃金比例

當丹尼．謝西曼（Daniel Shechtman）將這個讓他得到 2011 年諾貝爾化學獎的發現登記於實驗記錄簿上時，在後面寫下了三個問號，因為從那些在他眼前的晶體裡面的原子，產生了一個不可能的對稱性，那就好像一個足球——一個球面 ——不可能只由正六邊形組成。從此之後，有趣的馬賽克圖案（Mosaic）、數學裡面的黃金比例以及藝術，幫科學家們解釋了謝西曼那令人困惑的觀察。

「Eyn chaya kazoo」，丹尼．謝西曼用希伯來語告訴自己「不可能有這種東西」。時值 1982 年 4 月 8 號的早晨，他正在研究的物質，是一個由鋁和錳組成的混合物，看起來很奇怪，因此他用電子顯微鏡，企圖從原子的層次來觀察，但是透過電子顯微鏡得到的圖像，卻違反了所有的邏輯：他看到一些同心圓，每一個都是由十個相互等距的亮點所組成（圖 1）。

謝西曼迅速地將灼熱的熔化金屬冷卻下來。這種溫度的突然改變應該會讓原子的排列混亂，但是他所觀察到的圖案，卻說出了一個完全不同的故事：那些原子以一種違反自然定律的方式而排列。謝西曼一再重複地數著那些點，四個或六個點是可能的，但十個是絕不可能。他在實驗記錄簿上寫下：十重對稱？？？

一個未知的發現

為了瞭解謝西曼的實驗結果，以及為何他會如此驚訝，讓我們想像下面的一個課堂實驗：一位物理老師讓光通過一個鑿有縫隙的金屬板，一個被稱為繞射光柵的物體（圖 2），當光波通過這個光柵時，它會產生折射，就好像海浪的波紋通過一個防波堤的開口一般。

在光柵的另一邊，波紋以一個半圓方式散開，並與其它的波紋相交，波峰與波谷相互地加強或減弱。在繞射光柵後面的螢幕上，一種具有明暗的紋路出現，稱為繞射圖紋。

這就是謝西曼在 1982 年 4 月早晨所得到的那種繞射圖紋（圖 1），只不過他的實驗是不同的：他不是用光，而是用電子（註：電子具有波的性質），而他的光柵就是那個快速冷卻了的金屬原子之間的縫隙。

此外，他的實驗是三度空間的，而非平面的。

那個繞射圖紋顯示，在那金屬之內的原子是排列成一個整齊有序的晶體。這當然不意外，幾乎所有的固體物質，不論是冰塊或金子，都具有整齊的晶體。雖然謝西曼使用電子顯微鏡非常有經驗，然而，一個由十個亮點排列成的圓形，卻是過去他從未看到過的。

更有甚者，這樣的晶體並沒有被列在國際晶體規格表之內，那是一個結晶學的主要參考指引。在當時的科學，明訂了一個由十個亮點排列成的圓形圖紋是不可能的，而其證明是非常簡單而明顯的。

違反所有邏輯的圖紋

在一個晶體中，原子是以固定而重複的方式排列的。決定於化學的組成，它們會具有不同的對稱性。在圖 3a 中，我們可以看到每一個原子是由三個原子圍繞著，而形成不斷重複的排列圖案，產生一個三重對稱；將此圖案轉動 120 度，又會得到相同的圖案。

同樣的原理發生在四重對稱（圖 3b）以及六重對稱（圖 3c），圖案不斷重複。當你個別地轉動 90 度或 60 度，相同的圖案會重複出現。

然而，五重對稱（圖 3d）是不可能的，某些原子之間的距離會小於其它原子之間的距離，也就是說，相同的圖案不會重複。科學家認為這足以證明五重對稱不可能存在於晶體中。同樣的原因存在於七重對稱或更高重的對稱。

謝西曼卻發現，他的圖案轉動一個圓的十分之一的角度（36 度）時，又可得到相同的圖案。他的確看到了一個被認為不可能的十重對稱，因此，不意外地，他在實驗記錄簿上寫下了三個問號。

基本假設出錯了

在美國國家標準局（NIST），謝西曼從他的辦公室向外探頭，望了望走廊，希望能看到某一個可以與他分享發現的人，但是走廊空無一人，所以他回到電子顯微鏡前，對那個晶體繼續進一步的實驗。其中他重複地確認所得到的不是巒晶（twin crystal）：兩種共生的晶體享有相同的晶面，而導致了奇怪的繞射圖紋；但是他無法找到任何的跡象顯示那是巒晶。

除此之外，他將電子顯微鏡下的晶體轉動，看看到底要轉多少度可以讓這個十重對稱的繞射圖紋重複出現。實驗顯示晶體的對稱性與圖紋的十重對稱不同，但仍然是一個不可能的五重對稱。謝西曼的結論是：科學界的基本假設是錯誤的。

當謝西曼告訴科學家們他的發現時，他面對了完全的否定，一些同事們甚至認為這根本是無稽之談，許多人宣稱他所得到的是巒晶。實驗室的主管丟給了他一本結晶學教科書，建議他讀讀。謝西曼當然知道教科書裡面說了什麼，但是他更相信自己的實驗。

根據謝西曼的回憶，所有的騷動終於導致他的老闆要求他離開那個研究小組，狀況變得非常難堪。

與已知奮戰

謝西曼是在以色列科技大學（Technion-Israel Institute of Technology）修得博士學位的。在 1983 年，他引發了在他母校任職的伊蘭．布雷契（Ilan Blech）對這個研究的興趣，他們合力企圖解釋此一繞射圖紋，並轉譯成為原子在晶體內的排列模式。

於 1984 年夏，他們送了一份論文稿到應用物理期刊（Journal of Applied Physics），但是該稿似乎在收到當日，就即刻被編輯退回。

接著，謝西曼向約翰．康（John Cahn）提出要求。康是一位著名的物理學家，也是當初邀聘謝西曼到 NIST 的人。謝西曼希望康能看看他的數據。這位通常很忙的學者終於答應，接著，康與一位法國的結晶學家丹尼斯．格拉提亞斯（Denis Gratias）諮詢，看看謝西曼是否忽略了什麼，但是根據格拉提亞斯的檢驗，謝西曼的實驗是可以信賴的，格拉提亞斯如果親自做那些實驗，也會使用同樣的方法。

在 1984 年的十一月，偕同了康、布雷契與格拉提亞斯，謝西曼等人終於在 Physical Review Letters 這份期刊中，共同發表了他的數據。這篇論文像顆炸彈一般，投在結晶學者之間。它質疑了他們的科學學門中的最基本教條：所有的晶體具有重複的週期性結構模式。

揭開知識的迷障

現在這項發現觸及了更多的讀者，而謝西曼成為了更多批評的目標。不過，在此同時，全世界的結晶學者們都產生了一種似曾相識的感覺，許多人在分析一些其它的物質時，也曾經得到過類似的繞射圖紋，但是當初，他們都將之視為巒晶的證據。現在，他們開始翻箱倒櫃，找出以前的實驗記錄簿，很快發現有些其它的晶體也會產生這種看似不可能的圖紋，譬如八重和十二重的對稱。

在謝西曼發表了他的發現之後，他仍然不知道那個奇怪的晶體內部結構到底如何。顯然地，它的對稱性是五重的，那是何種堆疊方式呢？這個答案卻從另一個未曾料到的領域而得：數學中的馬賽克遊戲。

用以解謎的馬賽克

數學家們喜歡用迷團和邏輯問題來挑戰自我。於 1960 年代，他們開始思索是否可以用有限數目的圖案塊，舖出不會重複的馬賽克圖案，創造一種所謂的「非週期馬賽克」。

頭一個成功的嘗試是在 1966 年，由一位美國的數學家所發表，但是他需要超過兩萬種圖案塊來做到，這很難讓著迷於精簡的數學家滿足。當更多的數學家投入這項挑戰，需要的不同圖案塊數目穩定下修。

終於，在 1970 年代中期，一位英國數學教授羅傑．潘洛斯（Roger Penrose）對此問題提出了一個最漂亮的解答。他用僅僅兩種圖案塊創造出非週期馬賽克，例如一胖一瘦的菱形（圖 4-1）。

潘洛斯的馬賽克在好幾個不同方面啟發了學界，其中之一是他的發現被用來分析中世紀伊斯蘭綺理（Girih）圖案。我們也發現阿拉伯藝術家早在 13 世紀就創造出了非週期馬賽克，這種馬賽克裝飾著非凡的西班牙阿罕布拉宮，還有伊朗 Darb-i Imam 寺廟的入口和穹頂。

結晶學者艾倫．馬凱（Alan Mackay）運用潘洛斯的馬賽克於另一個方面，他想探究構成物質的原子是否也能如同非週期馬賽克的圖案般排列。他做了一個實驗，用代表原子的圓圈放置在潘洛斯的馬賽克圖案的交點位置（圖 4-2），然後用這樣的圖案作成繞射光柵，來看會得到何種繞射圖案，結果得到一個十重對稱——十個光點圍成一圈。

馬凱的模型與謝西曼的繞射圖紋之間的關聯性，接著被物理學家保羅．史坦哈特（Paul Steinhardt）與多夫．李凡（Dov Levine）所發現。謝西曼的論文在 Physical Review Letters 這份期刊上發表之前，編輯將該文稿交由其他的科學家審核，在這個過程中，史坦哈特有機會看到這份文章，他早就對馬凱的模型熟悉，因此體認到馬凱的理論模型，存在現實世界中，亦存在於謝西曼在 NIST 的實驗室裡。

在 1984 年的聖誕夜，就在謝西曼的論文出刊後的四週，史坦哈特與李凡發表了一篇論文，其中描述了準晶體（quasicrystal）以及它的非週期馬賽克排列。在這篇論文中，準晶體得到了它的名字。

關鍵的黃金比例

準晶體與非週期馬賽克具有一項共同的迷人特質，那是一個在數學與藝術中不斷出現的黃金比例，亦即數學常數 tau。例如：在潘洛斯的馬賽克中，胖的和瘦的菱形數目的比例是 tau；類似地，準晶體中原子間的不同距離的比例，總是與 tau 相關。

13 世紀的義大利數學家費布那西（Fibonacci），從一個有關兔子繁殖的假設性實驗中找到的一系列數字中，描述了這個數學常數 tau。在這個著名的數列中，每一個數字是前兩個數字之和：1、1、2、3、5、8、13、21、34、55、89、144 等等。如果將一個費氏數列中較大的數字除以前一個數字，例如 144/89，你就會得到一個接近黃金比例的數字。

當科學家想要用一個繞射圖紋來描述準晶體中的原子排列時，費氏數列與黃金比例對他們是很重要的。費氏數列也可以解釋 2011 年的諾貝爾化學獎所表彰的發現，為何改變了化學家對晶體結構的規律性之看法。

不會重複的規律

先前，化學家解釋晶體的規律性在於一個週期性不斷重複的模式。費氏數列雖然不會重複，卻也是規律的，因為它遵守一個數學的規則。

在準晶體中，原子間的距離與費氏數列相關，原子以規律的方式排列，化學家可以預測一個準晶體中的結構是何樣，不過這種規律性與具有周期性結構的晶體是不同的。

在 1992 年，這個認知導致了國際結晶學會改變了他們對晶體的定義。先前對晶體的定義是「一個物質，其中組成的原子、分子或離子以一個整齊而且重複的方式堆疊成立體的型態」，現在新的定義是「任何固體，基本上具有可區別的繞射圖紋」，這個定義比較寬廣，而且允許未來可能發現的其它種晶體。

準晶體也存在於…

從他們 1982 年的發現之後，數以百計的準晶體在全球許多實驗室中被合成，但一直到了 2009 年的夏天，科學家才第一次報導了天然的準晶體。他們發現了一種採自東俄的哈吐卡（Khatyrka）河的樣本中之礦石。這種礦石是由鋁、銅和鐵組成，具有一個十重對稱的繞射圖紋。它被稱為二十面石（icosahedrite），此名源自於二十面體（icosahedron），那是一種具有 20 個正三角形面的幾何固體，黃金比例存在於其幾何結構中。

準晶體也被發現存在於一種世界上最耐用的鐵當中。在嘗試不同組合的金屬時，一家瑞典的公司成功的製備出一種鐵，具有許多令人驚訝的良好特質。分析它的原子排列結構時，顯示它具有兩種相：硬鐵的準晶體嵌在一種較軟的鐵中，此一準晶體具有一種盔甲的功能。現在它被用於刮鬍刀片，以及眼睛手術的細針等產品中。

除了特別堅硬外，準晶體能像玻璃般輕易的碎裂。

由於其特殊原子排列結構，它們也是很差的熱與電的導體，以及含有不具黏性的表面。其低熱傳導的性質可以讓它們成為有用的熱電材料，能將熱轉為電，發展這種材料的目的在解決熱能的再利用，例如用在汽車與卡車上。現在科學家們正在實驗將準晶體用做像是煎鍋，以及節能的發光二極體（LED）之表面塗料，或是作為引擎的隔熱等等。

保持開放的心

謝西曼的故事並非唯一。

在科學的歷史中，一再地有研究工作者被迫與已經建立的「真理」作戰。事後看來，那些真理不過是一些假設。謝西曼和他的準晶體所面對過的最嚴厲批評，來自於鮑林（Linus Pauling），他曾得過兩次諾貝爾獎。這很清楚地顯示，即使是我們最偉大的科學家，也無法免疫於被陷在舊教條當中。

保持一個開放的心態，勇於質疑已經建立的知識，實際上可能是科學家們最重要的性格特質。

• 本文譯自諾貝爾化學獎委員會公佈給大眾的新聞稿：http://www.nobelprize.org/nobel_prizes/chemistry/laureates/2011/info_publ_eng_2011.pdf
• 若需要進一步的資訊，請至以下網頁點選：http://www.nobelprize.org/nobel_prizes/chemistry/laureates/2011/sciback_2011.pdf