Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

2016《自然》精選八大科學事件:除了重力波,還有什麼?

陳柏成 (Po Cheng Chen)
・2016/12/28 ・4013字 ・閱讀時間約 8 分鐘 ・SR值 574 ・九年級

-----廣告,請繼續往下閱讀-----

編譯/Nihil

從今年美國的總統大選,到太空中所發生的災難性技術故障,對於科學研究者來說,2016 年似乎是個動盪的一年。然而與此同時,科學家們也宣佈了諸多令人矚目的科學成果,例如觀測重力波、DNA 來自三個人的嬰兒以及人工智慧打敗李世乭等。在這歲末時分,就讓我們與您分享,來自《自然》(Nature)期刊精選出 2016 年的八大科學新聞。

重力波,I got you!

相鄰黑洞的靠近引發重力波的漣漪。圖/Public Domain
相鄰黑洞的靠近引發重力波的漣漪。圖/Public Domain

在今年 2 月 11 日,研究者們宣稱,他們在太空中找到了重力波(gravitational wave)的證據,方式為透過雷射干涉重力波天文台(Laser Interferometer Gravitational Wave Observatory, LIGO)的探測器,在 2015 年 9 月偵測到來自 10 億年前,兩個黑洞碰撞所產生重力波的訊號。

這項觀測的重要性在於,它進一步證實了愛因斯坦在廣義相對論的預言,認為大質量的天體相互碰撞,或是超新星爆發等天文事件,都可能引發波的漣漪;同時這項觀測也再次為黑洞的存在提供證據。就在 LIGO 宣稱結果的數週後,歐洲太空總署的雷射干涉太空天線開路者號(LISA Pathfinder)任務,針對新的技術進行了相關測試。該技術將有機會比 LIGO 觀測到更大、且更遠的天體所產生的重力波信號。

-----廣告,請繼續往下閱讀-----

新世界秩序的誕生!

川普在2016年當選美國總統。圖/By Gage Skidmore, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=51041412
川普在2016年當選美國總統。圖/By Gage Skidmore, CC BY-SA 3.0, wikimedia commons.

紛亂的 2016 年美國總統大選,就在唐納.川普(Donald Trump)於眾人跌破眼鏡的勝利中劃下句點。對於科學研究者來說,最關注的在於成為總統後的川普,在政策上將會如何對待科學。事實上,從川普的競選過程中可以發現,其並未凸顯出科學的重要性。另外川普的一些觀點是顯而易見的,例如他認為氣候變遷(climate change)本身是場由中國主導的騙局,並由此做出承諾美國將會退出巴黎氣候變遷協議;順帶一提的是,他還認為孤獨症和童年時期注射疫苗有所關聯。

當川普的政府開始成形之際,科學家們針對新總統對科學的漠不關心提出反對。在今年 11 月尾,包含 22 名諾貝爾得主在內的 2300 位科學家聯合提交給川普一封信,希望能「堅持科學的誠信與獨立性的高標準,以用來因應當前公共衛生及環境健康的威脅」。另外,如果各位還記得,今年 6 月 23 日英國宣佈脫離歐盟,這件事同時也震驚了當地的科學界。對於科學家來說,他們擔心這將會使他們失去每年來自歐盟的補助,以及和其他歐盟國家之間的交流。但略感欣慰的是,英國表示,政府仍將會持續提供科學家研究經費直到 2020 年。

大膽前進太空吧!

被陽光照射一部份的木星。圖/NASA/JPL-Caltech/SwRI/MSSS/Mai
被陽光照射一部份的木星。圖/NASA

在 2016 年,不時出現一些太空任務未盡理想的消息。今年 3 月,日本宇宙航空研究開發機構(Japan Aerospace Exploration Agency,JAXA)所研製的 X-ray 天文衛星「瞳」(Hitomi)在發射一週後失敗了。根據研究人員推論,失敗的理由在於軟體上的失誤,進而造成太空飛行器的旋轉超出控制。7 月的時候,美國國家太空總署(National Aeronautics and Space Administration, NASA)的探測器「Juno」抵達木星,然而由於主引擎的問題,造成火箭升空的延遲,使得運行的橢圓軌道更加接近星球。雖然這樣的結果使得比原定計劃還要緩慢,不過「Juno」仍持續收集木星的大氣及磁層的數據。另一方面,歐洲太空總署在今年 10 月時,作為 ExoMars 任務的其中一項環節──Schiaparelli著陸器出現問題,原因在於測量上的失誤,導致降落傘在不對的時間點開啟。

以上各種失敗雖讓人有些氣餒,但對太空學界而言,2016 年還是有一些令人振奮的成果。中國在今年 8 月時,發射了第一顆量子衛星(quantum satellite),目標在於進行太空中相關安全量子通訊的測試。而在 9 月時,中國也在貴州完成了世界最大的單口徑電波望遠鏡。到了 11 月,中國發射了長征五號,並且在 10 月及 11 月期間送了兩名太空人在天宮二號太空實驗室生活了一個月,這些都創下了過去的紀錄。

-----廣告,請繼續往下閱讀-----

CRISPR的爭議

基因編輯技術在 2016 年獲得唐獎,也有更多的研究者開始針對人類胚胎使用CRISPR-Cas9技術。圖/NIH Image Gallery@flickr
基因編輯技術在 2016 年獲得唐獎,也有更多的研究者開始針對人類胚胎使用 CRISPR-Cas9技術。圖/NIH Image Gallery@flickr

CRISPR-Cas9 是一個至今仍持續發展的新基因編輯工具。在今年 10 月 28 日,一名在中國成都華西醫院的肺癌患者,成為了史上第一位進行CRISPR-Cas9技術的人。在臨床試驗中,研究者會試圖讓一些原控制免疫系統的細胞失去作用,並讓已編輯的基因增加免疫效果,用以對抗癌症。然而關於這種技術的商業前景仍有不確定性。美國專利與商標局宣稱將「干預」兩個研究團隊的訴訟時,關於基因編輯技術的專利權爭論可說達到了最高峰。

另一方面自今年起,有更多的研究者開始針對人類胚胎使用 CRISPR-Cas9 技術。當然,這樣的方式引起不少關於該研究領域的爭議,理由在於設計嬰兒的可能性。話雖如此,目前仍有國家允許這樣的研究,其中包含了中國、英國以及瑞典。他們認為透過這樣的技術,將可幫助人類未來的發展。

氣候危機的到來

綠色的艾菲爾鐵塔,象徵巴黎協議的通過。圖/usa.gov@flickr
綠色的艾菲爾鐵塔,象徵巴黎協議的通過。圖/usa.gov@flickr

來自 174 個國家及歐盟的代表們,在 4 月 22 日地球日這天共同簽署了巴黎氣候協定。不過事實上若要讓協定生效,需要超過 55 個國家、並且其加總的溫室氣體排放量要超過全球 55% 才能成功。而最大的進步莫過於在今年 9 月,佔據全球共 38% 溫室氣體的兩個國家—美國和中國,正式加入巴黎協定。在一週後,巴西及其他 30 多個國家也陸續加入,最後由歐盟在 10 月 5 日正式底定這場協議,並在 11 月 4 日生效。

不過,以上這些並非是唯一為氣候變遷所做的努力。在今年 10 月 6 日,聯合國的國際民用航空組織(International Civil Aviation Organization)決定將針對國際航班減少碳排放量。而在 10 月 15 日,共有 197 個國家同意修改蒙特婁議定書(Montreal Protocol),藉由逐步淘汰氫氟碳化物等溫室氣體來達到保護臭氧層的目標。在 10 月 28 日,相關國家也打破長達 4 年的僵局,在南極洲旁的 Ross 海成立了世界最大的海洋保護區。

-----廣告,請繼續往下閱讀-----

茲卡病毒的肆虐

巴西因茲卡病毒爆發而導致的相關先天缺陷例如小頭症案例,已成為全球公共衛生的重大議題。圖/Centers for Disease Control and Prevention - http://www.cdc.gov/ncbddd/birthdefects/images/microcephaly-comparison-500px.jpg, Public Domain, https://commons.wikimedia.org/w/index.php?curid=46674502
巴西因茲卡病毒爆發而導致的相關先天缺陷例如小頭症案例,已成為全球公共衛生的重大議題。圖/Centers for Disease Control and Prevention, Public Domain, wikimedia commons.

今年 2 月,世界衛生組織(World Health Organization, WHO)聲明,巴西那些因茲卡病毒爆發而導致的相關先天缺陷案例,已成為全球公共衛生的重大議題。這些先天缺陷包含小頭症(microcephaly),意為新生兒擁有比一般正常嬰兒更小尺寸的頭腦。然而縱使茲卡病毒在美洲肆虐,事實上並沒有造成想像中大規模的小頭症及其他茲卡所導致的先天缺陷案例。即使在巴西,高比例的小頭症患者也只存在於東北部,因此研究人員開始猜想,這種疾病的背後,可能同時存在多種因素的影響

到了 11 月 18 日,世界衛生組織宣佈茲卡病毒與先天缺陷之間的相關案例不再是公共衛生的重大事件,但會持續研究茲卡病毒傳染造成的影響,並發展疫苗。許多國際研究單位也將繼續為相關問題提出解答,例如受感染的孕婦,會有多少比例生出具有先天缺陷的嬰兒。

鬥智遊戲的頂尖對決!

圖/Prachatai@flickr
圖/Prachatai@flickr

今年 3 月,來自 Google 旗下公司「DeepMind」所研發的人工智慧 AlphaGo,在圍棋比賽上擊敗了世界知名棋手李世石。而在 10 月時,研究者揭示了另一項人工智慧產品,它能在不需預先擁有相關知識的條件下,了解倫敦地鐵複雜的路線分佈。這些複雜的程序結合記憶與從經驗學習的能力,將人工智慧又更進一步的朝人類邁進。

除了讓人工智慧做以上這些事外,透過大量的深度學習(deep learning),它同時也能降低 60% 由機器進行語言翻譯所造成的失誤,並幫助物理學家尋找新的材料

-----廣告,請繼續往下閱讀-----

來自三人的DNA

藉由替換缺陷的DNA,避免母親的下一代遺傳到相關疾病。圖/ZEISS Microscopy@flickr
藉由替換缺陷的DNA,避免母親的下一代遺傳到相關疾病。圖/ZEISS Microscopy@flickr

經過十多年的研究,透過輔助生殖技術(Assisted-Reproductive Technology),進而達到結合三個人的 DNA 研究已取得突破。這些研究的目的之一,在於避免孩子從上一代的粒線體中遺傳到疾病。今年 9 月,研究人員在墨西哥診所宣佈第一個利用此技術的嬰兒誕生了

另外,就在今年 12 月 15 日,根據科學家們建議,英國的人類生殖及胚胎學管理局(Human Fertilisation and Embryology Authority)允許了該項技術在臨床上的使用,並將在 2017 年開始上路。

以上,為本年度《自然》(Nature)期刊精選的八大科學新聞,其中醫學相關領域就佔了三項,包含茲卡病毒、基因編輯以輔助生殖技術,可謂豐收的一年;另外,雖然本次人工智慧領域只佔一項,但筆者相信,假以時日,一旦 AI 領域有更大突破,當「科學研究」本身都能藉更臻於完美的人工智慧之手操刀時,在往後的年度科學新聞中,它將會是顆耀眼的巨星。

原始來源:

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
陳柏成 (Po Cheng Chen)
12 篇文章 ・ 5 位粉絲
熱愛自然科學,曾擔任PanSci實習編輯,現於美國夏威夷大學就讀博士班。如有任何問題,歡迎來信:consciencecpc@gmail.com

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。

2

2
2

文字

分享

2
2
2
諦聽宇宙深處的低吟,宇宙低頻重力波訊號代表的意義——《科學月刊》
科學月刊_96
・2023/11/01 ・3782字 ・閱讀時間約 7 分鐘

  • 作者/陳哲佑
    • 任職於日本理化學研究所,專長為黑洞物理、宇宙學、重力理論等。
    • 熱愛旅行、排球與珍珠奶茶
  • Take Home Message
    • 今(2023)年 6 月,北美奈赫茲重力波天文臺(NANOGrav)團隊觀察到宇宙中的低頻重力波。
    • NANOGrav 團隊利用數個脈衝星組成「脈衝星陣列」(PTA),測量各脈衝星訊號到達的時間,計算不同訊號的到達時間是否存在著相關性。
    • PTA 得到的重力波訊號相當持續,沒有明確的波源。科學家推測此訊號可能來自多個超大質量雙黑洞系統互繞而產生的疊加背景。

2015 年 9 月,位於美國的雷射干涉儀重力波天文臺(Laser Interferometer Gravitational-Wave Observatory, LIGO)成功偵測來自雙黑洞碰撞的重力波訊號(請見延伸閱讀 1)。

這個發現不僅再次驗證愛因斯坦(Albert Einstein)「廣義相對論」的成功,更引領人類進入嶄新的重力波天文學時代。到了現在,我們不僅能使用各種電磁波波段進行觀測,還多了重力波這個強而有力的工具能夠窺探我們身處的宇宙,甚至還有同時結合兩者的多信使天文學(multi-messenger astronomy)註1,皆能帶給人類許多單純電磁波波段觀測無法觸及的資訊(請見延伸閱讀 2)。

如同不同波段的電磁波觀測結果為我們捎來不同的訊息,重力波也有不同的頻譜,且頻譜與產生重力波的波源性質有非常密切的關係。以雙黑洞碰撞為例,系統中黑洞的質量與碰撞過程中發出的重力波頻率大致上成反比,因此當系統中黑洞的質量愈大,它產生的重力波頻率就愈低。

目前地球上的三個重力波天文臺:LIGO、處女座重力波團隊(The Virgo Collaboration, Virgo),以及神岡重力波探測器(Kamioka Gravitational wave detector, KAGRA, or Large-scale Cryogenic Gravitational wave Telescope, LCGT)都受限於干涉儀的長度,只對頻率範圍 10~1000 赫茲(Hz)的重力波有足夠的靈敏度,此範圍的重力波對應到的波源即是一般恆星質量大小的雙黑洞系統。

-----廣告,請繼續往下閱讀-----

然而,來自超大質量黑洞互繞所發出的重力波頻率幾乎是奈赫茲(Nano Hertz,即 10-9 Hz)級別,如果想要探測到此重力波,就需要一個「星系」規模的重力波探測器。雖然這聽起來彷彿天方夜譚,但就在今年 6 月,北美奈赫茲重力波天文臺(North American Nanohertz Observatory for Gravitational Waves, NANOGrav)的團隊利用「脈衝星計時陣列」(pulsar timing array, PTA)成功地觀測到這些低頻重力波存在的證據。

以不同方式觀察不同頻率的重力波

與電磁波相似,重力波也有不同的頻率。不同頻率的重力波會對應到不同性質的波源,且需要不同的方式觀測。圖/科學月刊 資料來源/Barack, et al. 2018

NANOGrav 如何觀測低頻重力波?

讀者聽過脈衝星(pulsar)嗎?它是一種高速旋轉且高度磁化的中子星(neutron star)註2,會從磁極放出電磁波。隨著脈衝星的旋轉,它的電磁波會以非常規律的時間間隔掃過地球,因而被身處於地球上的我們偵測到,就像是海邊的燈塔所發出的光,會規律地掃過地平面一般。由於脈衝星的旋轉模式相當穩定,掃過地球的脈衝就如同宇宙中天然的時鐘,因此在天文學上有相當多的應用——甚至可以用來觀測重力波。

利用脈衝星觀測重力波的第一步,首先要記錄各個脈衝星的電磁脈衝到達地球的時間(time of arrival),並且將這些訊號與脈衝星電磁脈衝的理論模型做比對。

如果訊號和理論模型相符,那麼兩者相減後所得到的訊號差(residual)只會剩下一堆雜訊;相反的,如果宇宙中存在著重力波,並且扭曲了該脈衝星和地球之間的時空,那麼兩訊號相減之後就不會只有雜訊,而會出現時空擾動的蹤跡。

-----廣告,請繼續往下閱讀-----
利用數個脈衝星組成的脈衝星計時陣列,可用來尋找宇宙中低頻的重力波訊號。圖/Tonia Klein, NANOGrav 

然而以觀測的角度來看,即便我們從來自單一脈衝星的訊號中發現訊號差出現偏離雜訊的跡象,也不能直接推論這些跡象一定是來自重力波。畢竟科學家對脈衝星的內部機制和脈衝傳遞的過程也並未完全了解,這些未知的機制都可能會使單一脈衝星的訊號差偏離雜訊。

因此為了要判斷重力波是否存在,就必須進行更進一步的觀測:利用數個脈衝星組成脈衝星陣列,測量每個脈衝星訊號到達的時間,並且計算這些不同脈衝星訊號的到達時間是否存在某種相關性。

舉例來說,如果脈衝星和地球之間沒有重力波造成的時空擾動,那麼即便每顆脈衝星的訊號差都出現偏離雜訊的跡象,彼此之間的訊號也會完全獨立且不相干;反之,如果脈衝星和地球之間有重力波經過,這些重力波便會扭曲時空,不僅會改變這些脈衝訊號的到達時間,且不同脈衝星訊號到達的時間變化也會具有某種特定的相關性。

根據廣義相對論的計算,一旦有重力波經過,不同脈衝星訊號之間的相關性與脈衝星在天球上的夾角會滿足一條特定的曲線,稱為 HD 曲線(Hellings-Downs curve)。

-----廣告,請繼續往下閱讀-----

科學家以兩顆脈衝星為一組觀測單位,藉由觀測多組脈衝星的訊號、計算它們之間的相關性,再比較這些數據是否符合 HD 曲線,就能夠進一步推斷低頻重力波是否存在。值得一提的是,由於重力波訊號非常微弱,用來作為陣列的脈衝星必須有非常穩定的計時條件,因此一般會選擇自轉週期在毫秒(ms)級別的毫秒脈衝星作為觀測對象。

NANOGrav 在今年 6 月發布的觀測結果就是利用位於波多黎各的阿雷西博天文台(Arecibo Observatory,已於 2020 年因結構老舊而退役)、美國的綠堤望遠鏡(Robert C. Byrd Green Bank Telescope)和甚大天線陣(Very Large Array, VLA)觀測 68 顆毫秒脈衝星。

他們分析了長達 15 年的觀測數據後,發現這些脈衝星訊號的相關性與 HD 曲線相當吻合,證實了低頻重力波確實存在於我們的宇宙中。

除了 NANOGrav,其他團隊例如歐洲的脈衝星計時陣列(European Pulsar Timing Array, EPTA)、澳洲的帕克斯脈衝星計時陣列(Parkes Pulsar Timing Array, PPTA)、印度的脈衝星定時陣列(Indian Pulsar Timing Array, InPTA),以及中國的脈衝星計時陣列(Chinese Pulsar Timing Array, CPTA)等,皆得到相符的結果。

-----廣告,請繼續往下閱讀-----

NANOGrav 觀測結果帶來的意義

與先前 LIGO 觀測到的瞬時重力波訊號不同,目前利用 PTA 得到的重力波訊號是相當持續的,而且並沒有較明確的單一波源,反而像是由來自四面八方數個波源組成的隨機背景訊號。

打個比方,LIGO 收到的重力波訊號像是我們站在海邊,迎面而來一波一波分明的海浪,每一波海浪分別對應到不同黑洞碰撞事件所發出的重力波;而 PTA 的訊號則是位於大海正中央,感受到隨機且不規則的海面起伏。

目前對這些奈赫茲級別的重力波訊號最合理也最自然的解釋,是來自多個超大質量雙黑洞系統互繞而產生的疊加背景。若真是如此,那這項發現將對天文學產生重大的意義。

過去科學界對於如此巨大的雙黑洞系統能否在可觀測宇宙(observable universe)的時間內互繞仍普遍存疑,如果PTA觀測到的重力波真的來自超大質量雙黑洞互繞,那代表這類系統不僅存在,它們的出現還比過去我們預期的更為頻繁,且產生的訊號也更強。

-----廣告,請繼續往下閱讀-----

NANOGrav 的觀測結果

橫軸為脈衝星陣列中,兩脈衝星位置之間的夾角;縱軸為訊號之間的相關性;藍色數據點為 NANOGrav 15 年的觀測結果;黑色虛線為 HD 曲線。可看出數據點的分布與 HD 曲線相當吻合。圖/科學月刊 資料來源/Agazie et al. 2023

不過除了雙黑洞系統,也有其他「相對新奇」的物理機制也可能產生這樣的重力波背景,包含早期宇宙的相變、暗物質,以及其他非標準模型的物理等。若要從觀測的角度去區分這些成因,最重要的關鍵在於,能否從隨機背景中找到特定的波源方向。

如果是雙黑洞系統造成的重力波,勢必會有來自某些方向的訊號比較強;反之,如果是早期宇宙產生的重力波,那麼這些重力波將會隨著宇宙的膨脹瀰漫在整個宇宙中,因此它們勢必是相當均向的。

為了找到波源方向,提升訊號的靈敏度成為了當務之急。而若要提升 PTA 的靈敏度,最主要的方式有兩種——其一是將更多的脈衝星加入陣列;其二則是延長觀測的時間。

目前,不同的 PTA 團隊已經組成國際脈衝星計時陣列(International PTA)互相分享彼此的脈衝星觀測資料。隨著觀測技術的進步,解密這些奈赫茲級別的神祕重力波將指日可待。

-----廣告,請繼續往下閱讀-----

註解

  1. 相較於過往只能以可見光觀測宇宙,多信使天文學能利用多種探測訊號,如電磁波、微中子、重力波、宇宙射線等工具探索宇宙現象,獲得更多不同資訊及宇宙更細微的面貌。
  2. 質量較重的恆星在演化到末期、發生超新星爆炸(supernova)後,就有可能成為中子星。

延伸閱讀

  1. 林俊鈺(2016)。發現重力波!,科學月刊556,248–249。
  2. 金升光(2017)。重力波獨白落幕 多角觀測閃亮登場,科學月刊576,892–893。
  3. NANOgrav. (Jun 28 2023). Scientists use Exotic Stars to Tune into Hum from Cosmic Symphony. NANOgrav.
  • 〈本文選自《科學月刊》2023 年 10 月號〉
  • 科學月刊/在一個資訊不值錢的時代中,試圖緊握那知識餘溫外,也不忘科學事實和自由價值至上的科普雜誌。
-----廣告,請繼續往下閱讀-----
所有討論 2
科學月刊_96
249 篇文章 ・ 3742 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

1

3
0

文字

分享

1
3
0
平民登月計劃?核融合真的來了?——2023 最值得關注十大科學事件(下)
PanSci_96
・2023/01/31 ・3226字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

在上一篇中,我們介紹了將在 2023 年發生的五個醫藥健康大事件。

延伸閱讀:
用迷幻藥治憂鬱?基因編輯療法將通過批准?——2023 最值得關注十大科學事件(上)

這次我們轉向能源、宇宙與科技領域,從首趟平民月球之旅、物理學的標準模型新發現,再到第一個核廢料永久儲存設施正式營運!

No. 5 氣候與能源衝擊

世界各國能否聽從科學家的警告,採取實際行動,朝淨零之路前進嗎?看起來不行。由於疫情與俄烏戰爭,去年 11 月在埃及舉辦的「聯合國氣候變化會議 COP27」幾乎是原地踏步。

不過還是有一個重要的決議,那就是建立氣候損失和損害基金。根據協議,排放量較高的富裕國家將在經濟上補償受氣候變化影響最大的貧窮國家。「過渡委員會」將於 2023 年 3 月底前舉行會議,提出資金運用的建議,並在 11 月的 COP28 會議上提交給世界各地的代表。

-----廣告,請繼續往下閱讀-----

至於核能的部分,新型核分裂發電與核融合發電,都會在 2023 年有所進展。

另外,世界上第一個核廢料儲存設施,今年將在芬蘭西南海岸外的奧爾基洛托島正式啟用。這個由芬蘭政府於 2015 年批准建造的地下處置庫,將負責封存超過 6500 噸有放射性的鈾;這些鈾會被裝在銅罐中,再用厚厚的粘土覆蓋,最後埋在地下 400 公尺深的花崗岩隧道內,預期將被密封數十萬年,直到輻射水平達到完全無害的程度。

另一個好消息是,今年 1 月 1 日就任的巴西總統——魯拉(Luiz Inácio Lula da Silva),將推翻前任總統開放的雨林開發,保護生態與文化。

然而深海則有新危機。若 2023 年 7 月前,聯合國的國際海床管理局(ISA)沒能讓各國對深海採礦管理準則達成共識,那海底的礦產資源可能會被某些政府和企業盯上,不受限制地開挖,海洋生態將迎來浩劫……。

-----廣告,請繼續往下閱讀-----

許多關於能源的抉擇包含了科學和政治,能源短缺也激勵了綠能跟潔淨能源的投資力道及採用意願;至於今年還會不會發生更棘手的麻煩?使能源轉型更加舉步維艱。

巴西新任總統推翻雨林開發,保護生態與文化。圖/Envato Elements

No. 4 超越標準模型

2022 年 4 月,美國費米國家加速器實驗室的物理學家,公佈了渺子 g-2 實驗的首批結果;這項實驗研究了被稱為「渺子的短命粒子在磁場中的行為」。

過去 50 年來,標準模型(Standard Model)[註]的理論預測通過了所有測試,但其實物理學家普遍認為標準模型肯定還不完備,並且認為可以從渺子身上找到破綻;如果今年再次公佈更精確的數據,顯示渺子的磁矩比理論預測來得大,那就代表還有新粒子等待被發現,而標準模型就得修正。

位於中國廣東的江門地下的微中子實驗觀測站,也將在今年展開尋找超越標準模型的物理學之旅;利用位於地下七百公尺的探測器,來準確測量微中子的振盪。

-----廣告,請繼續往下閱讀-----

註:標準模型為能描述強核力、弱核力、電磁力這三種基本力,以及所有物質基本粒子的理論。

另外,物理學家們在今年會有升級的新設備。第一個是 LCLS-II 直線加速器相干光源 2 代(Linac Coherent Light Source-II),它將創造終極 X 射線機器,看到分子內原子的運動!另一個則是新的重力波獵人—— Matter-Wave Laser Interferometric Gravitation Antenna(物質波雷射干涉重力天線);這個設施把銣原子冷卻成「物質波」,能夠梳理黑洞和其他超大質量天體碰撞產生的時空漣漪,揪出現有重力波設施錯放的事件,甚至可以幫我們尋找暗物質!

而在瑞典隆德附近、由歐洲 17 國攜手成立的歐洲散裂中子源(ESS),將使用史上最強大的線性質子加速器產生強中子束,來研究材料的結構;雖然預計 2025 年才會完工,但於今年迎來第一批研究人員,開始實驗。

No.3 就是要抬頭看天空

許多人心中 2022 年科學事件第一名,正是韋伯太空望遠鏡傳回的驚人照片;沒有意外的話,韋伯在 2023 年會繼續大顯身手,揭露星系演變的真相,與遙遠系外行星的生命印記,找尋地球之外的生命。

今年還會有更多驚喜!來自於新的太空望遠鏡,如:由歐洲太空總署開發的歐幾里得太空望遠鏡,今年發射後將繞行太陽六年,拍攝宇宙的 3D 圖;日本宇宙航空研究開發機構 JAXA 的 X 射線成像、光譜任務 XRISM,則是繞地球軌道運行的太空望遠鏡,將探測來自遙遠恆星和星系的 X 射線,預計在今年 4 月升空。

-----廣告,請繼續往下閱讀-----

在地球上,位於智利的薇拉魯賓天文台(Vera C. Rubin Observatory)將於今年 7 月啟用;其望遠鏡採用特殊的三鏡面設計,相機包含超過 30 億像素的固態探測器,每三個夜晚就能掃描整個南天,也是監測可能危害地球小行星的守護者之一。而世界上最大的可動望遠鏡——新疆奇台射電望遠鏡(QTT)也將在今年完工;其口徑達 110 公尺,能夠觀測天空中 75% 的星星。

詹姆斯.韋伯太空望遠鏡(James Webb Space Telescope,JWST)去年發布的圖片——史蒂芬五重星系。圖/維基百科

No. 2 好多月球任務,還有一個鐵小行星

2022/12/11 這天,包括阿拉伯聯合大公國的拉希德漫遊者月球車、NASA 的月球手電筒立方衛星、以及日本的白兔 HAKUTO-R M1 登陸器,共同搭乘 SpaceX 的獵鷹九號發射升空;HAKUTO-R 如今正緩緩帶著拉希德前往月球,預計在今年 4 月著陸。

而印度太空研究組織 ISRO 的第三次探月任務月球飛船 Chandrayaan-3,預計今年年中發射,並於月球的南極著陸。

還有首次民間人士的月球之旅 dearMoon。SpaceX 的 Starship 將載著 11 位平民上太空,包含創業家、明星跟 YouTuber;如果 Starship 成功發射,將會成為史上最大的火箭。Blue Origin 的 New Glenn 也預計在今年首度發射。若兩者都成功,將推動太空科學與商業進入新時代,讓進入太空的成本大幅下降。

-----廣告,請繼續往下閱讀-----

歐洲太空總署的木星冰月探測器 JUICE 也將在今年 4 月升空,並於 2031 年抵達木星系統;目標是研究木星以及三顆衛星:木衛二三四的環境,了解他們有沒有可能支持生命存在。

NASA 將於今年 10 月後發射延遲了一年的 Psyche 靈神星小行星軌道飛行器,其研究對象為 16 Psyche 靈神星小行星;科學家認為它可能不是一般的小行星,而是一顆年輕行星裸露的鐵核心。如果今年順利發射,將在 2029 年到達。 

看來對太空迷來說,2023 又將是幸福熱鬧的一年。

由超大型望遠鏡(Very Large Telescope,VLT)拍攝的靈神星。圖/維基百科

No.1 GPT-4 跟 AlphaFold 的衝擊波襲來

借過借過,AI 已預約登上 2023 年最大科學事件!

-----廣告,請繼續往下閱讀-----

如果 GPT-3.5 開發的 ChatGPT 還沒有嚇到你,那 GPT-4 就要來了!

而在科學領域,DeepMind 的 AlphaFold 帶來的衝擊不亞於 ChatGPT;它能夠根據蛋白質的一維氨基酸序列,準確預測折疊後的三維形狀,對生物與醫療研究影響非常大。 AlphaFold 2 於 2021 年發布了另外 2 億多種蛋白質的結構,幾個月來,來自 190 個國家/地區、超過 50 萬名研究人員,使用 AlphaFold 研究了 200 萬種不同的蛋白質結構。另外,Meta 的 ESMFold 的速度甚至又比 AlphaFold 快 60 倍,預測的蛋白質超過 6 億種!

基於 AlphaFold 跟 ESMFold 的研究量將大大增加,這些龐大新知識也將開始應用於各學科,包括新疫苗和塑膠開發。

法規管制總是比科技進步緩慢,隨著 AI 越來越強大、滲透到社會的方方面面,各國政府必須回應。歐盟在今年將通過人工智慧法案,為使用人工智慧制定標準,其他國家和科技巨頭將密切關注,跟進與調適。

-----廣告,請繼續往下閱讀-----
圖/GIPHY

以上就是「2023 最值得關注十大科學事件」,你最期待的是哪一個?哪個是你心中的 No.1?又有哪些我們漏掉了,但你覺得該列入的呢?歡迎留言討論!

歡迎訂閱 Pansci Youtube 頻道 鎖定 2023 年的每一個科學大事件!

-----廣告,請繼續往下閱讀-----
所有討論 1