Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

世上最小的磁性資料儲存單元

only-perception
・2012/01/21 ・1235字 ・閱讀時間約 2 分鐘 ・SR值 523 ・七年級

來自 IBM 與德國 Center for Free-Electron Laser Science(CFEL,自由電子雷射科學中心)的科學家,建構出世上最小的磁性資料儲存單元。每 bit(資訊基本單位)只用到 12 個原子,並將完整的一個 byte(8 bit)壓縮到只要 96 個原子這麼少。相較之下,現代硬碟每 byte 仍需超過 5 億個原子。

這款奈米資料儲存單元是在 IBM 的 Almaden 研究中心(加州 San Jose)裡,在 STM 的幫助下一個一個原子建造而成。研究者們建構鐵原子的規律圖案,每六個原子排成一列。二列就足以儲存一 bit。一個 byte 則據此由八對原子列構成。它只用到 4 x 16 奈米的面積。”其儲存密度比現代的硬碟要高出幾百倍,” CELF 的 Sebastian Loth 表示,這篇 Science 論文的第一作者。

資料在 STM 的幫助下從奈米儲存單元寫入與讀出。成對的原子列有二種可能的磁性狀態,代表古典 bit 的 “0” 與 “1”。一道來自 STM 尖端的電脈衝從這個到那個翻轉了磁性設置(magnetic configuration)。一道較弱的脈衝則允許將設置讀出,儘管這種奈米磁鐵目前只有在攝氏負 268 度(5 Kelvin)的極寒溫度下,才會穩定。 “我們的研究遠遠超過當前的資料儲存技術,” Loth 表示。研究者們預期約需 200 個原子組成陣列,才能在室溫下維持穩定。然而在原子的磁性能被用於資料貯存前,仍需要花一段時間。

這是研究者首度為了資料儲存的目的而設法使用一種特殊形態的磁性,稱為反鐵磁性(antiferromagnetism)。不同於鐵磁性,那被用在傳統的硬碟中,在反鐵磁性材料內,鄰近原子的自旋相對排列(oppositely aligned),在很大的程度上那使材料呈現磁中性。這意味著反鐵磁性原子列可更加靠近而不會在磁性上彼此相互干涉。因此,科學家設法使每個 bit 僅間隔 1 奈米。

-----廣告,請繼續往下閱讀-----

“在看待電子元件的縮小時,我們想知道這是否能深入到單個原子的領域,” Loth 解釋。但該團隊並非將現有元件縮小,而是選了一條相反的途徑:”從最小的東西開始 — 一個原子 — 我們一次用一個原子來建立資料儲存裝置,” IBM 研究成員 Andreas Heinrich 表示。所需要的精確度在世上只有少數幾個研究團體在行。

“我們測試過我們的單元要造多大才能達到古典物理學的領域,” Loth 解釋,他在四個月前從 IBM 搬到 CFEL。將所用元素最小化之後,十二個原子浮現了。”低於這個閾值,量子效應會使儲存的資訊模糊。” 這些量子效應是否能透過某種方式,當成一種更加稠密的資料儲存來用,目前是一個密集研究的主題。

在他們的實驗裡,這個團隊不僅建立迄今最小的磁性資料儲存單元,也為古典物理到量子物理的轉變創造出一個理想的測試平台。”我們已學會透過鐵原子列的形狀與大小來控制量子效應,” Loth 解釋,Max Planck 在 CFEL 的研究小組 — dynamics of nanoelectric systems(奈米電子系統動力學)– 的領導者,以在德國 Stuttgart,Max-Planck-Institute for Solid State Research 的領導者。”我們現在使用這種能力來研究量子力學如何起作用。量子磁性材料與古典磁性材料有何不同?磁鐵在這二個世界的邊界間如何表現?這些令人振奮的問題很快就能被回答了。”

一間為這項研究提供理想條件的新 CFEL 實驗室將使 Loth 能追擊這些問題。”在 Sebastian Loth,時間解析掃描穿隧顯微術(time-resolved scanning tunneling microscopy)領域中的世界領導性科學家,加入 CFEL之後,” CFEL 研究協調者 Ralf Kohn 強調。”完美地補足我們研究原子與分子系統動態的現有專業知識。”

-----廣告,請繼續往下閱讀-----

資料來源:PHYSORG:The world’s smallest magnetic data storage unit[January 12, 2012]

轉載自only-perception

-----廣告,請繼續往下閱讀-----
文章難易度
only-perception
153 篇文章 ・ 1 位粉絲
妳/你好,我是來自火星的火星人,畢業於火星人理工大學(不是地球上的 MIT,請勿混淆 :p),名字裡有條魚,雖然跟魚一點關係也沒有,不過沒有關係,反正妳/你只要知道我不是地球人就行了... :D

0

0
0

文字

分享

0
0
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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

5
0

文字

分享

0
5
0
跟蟲搶吃生魚片?脈衝殺蟲保鮮甜
胡中行_96
・2023/11/23 ・1912字 ・閱讀時間約 3 分鐘

在東京連吃了兩、三個月的紅肉生魚片,雪子懷念起關西的明石鯛。作家谷崎潤一郎筆下,刀口彈跳的海鮮、切面誘人的色澤,是長篇小說《細雪》角色的鄉愁,也是地區的飲食差異。[1]描寫產地、品種、質地、肉色和新鮮度,不僅止於文學,日本人對刺身的執著,還漫溢到 2022 年 3 月的《水產科學》(Fisheries Science)期刊。[2]

圖/Gustavo Fumero on Flickr(CC BY 2.0

海獸胃線蟲

海獸胃線蟲(Anisakis)與生魚片的緊密關聯,不亞於日本人。牠們寄生鯨魚、海獅等哺乳類動物,把卵排進海洋。甲殼動物先吞了卵,再被魚或烏賊吃下肚。隨著漁獲捕撈,食材未經烹煮,或者沒熟透的話,生猛的幼蟲便躍上餐桌。附著人類的食道、胃部和腸道,遊走於嘴跟喉嚨。有些人藉由咳嗽、嘔吐清理,甚至徒手拉出幾條。[3]海獸胃線蟲症(anisakiasis)雖然不至於將谷崎潤一郎《細雪》的典雅,[1]發展成伊藤潤二《魚》的驚駭,[4]但是喉嚨刺痛、消化道發炎,而找醫師開刀除蟲大概在所難逃。[3]

食品殺蟲技術

熊本大學的學者,跟福岡的水產、電子公司以及工業技術單位合作,想殲滅生魚片裡的海獸胃線蟲。他們回顧既有的殺法,大致歸納出兩類:鹽漬、浸滷等化學處理;與冷凍、加溫、乾燥、煙燻、輻射、電擊、提高水壓等物理手段。其中最常見的是冷凍,若以歐洲食品安全局(European Food Safety Authority)的標準,放在 –20 °C 的溫度下,長達 24 小時,不只海獸胃線蟲死了,冰晶也同時形成。解凍後,滴水、軟化,變性肌紅蛋白(metmyoglobin)還會使魚肉變為褐色。[2]

另外,過去已知瞬間釋放高電能脈衝電力(pulsed power)技術,[5]能取秀麗隱桿線蟲(Caenorhabditis elegans)和宿貝海蜘蛛(Nymphonella tapetis)的性命。研究團隊想知道,這招是否能避免冷凍的缺點,又可以謀害海獸胃線蟲。[2]

-----廣告,請繼續往下閱讀-----

實驗設計

既然要研究傳統美食的安全,必定得用道地食材。實驗不僅採用在日本海域捕獲的竹筴魚(Trachurus japonicus),平均 103 x 45 x 9.6 mm 的生魚片,連寄生蟲也講究出身。從長崎海岸白腹鯖(Scomber japonicus)的內臟,挑取海獸胃線蟲屬的新鮮 Anisakis pegreffii,保存於 4 °C,含 0.9% 氯化鈉的生理食鹽水中備用。[2]

a. 用肉膠把蟲封進魚片;b. 打叉處為塞蟲的位置;c. & d. 裝籃、泡水或鹽水,再通電。圖/參考資料 2,Figure 1(CC BY 4.0

缺乏捕魚送蟲的天然套裝組合,在魚肉裏頭埋入特定數量的海獸胃線蟲,就成了考驗耐性的手工藝:橫剖半開,塞進幼蟲活體,[2]外圍沾一圈俗稱肉膠(meat glue)的轉麩醯胺酸酶(transglutaminase),[2, 6]再闔起來(圖a & b)。黏合好的竹筴魚片,被擺進塑膠網籃,方便浸泡在水或鹽水裡通電(圖c & d)。[2]

實驗調整水中的鹽份,來改變導電程度,並控制脈衝次數、水溫等變因。以海獸胃線蟲的死活,還有竹筴魚刺身的外觀、氣味、質地,及魚腥或鮮味等,為最後的評鑑標準。由於剛被電過的海獸胃線蟲,可能有點呆滯,所以生命跡象的判定,得在電完 24 與 48 小時進行。被鑷子騷擾,卻動也不動的,就算死了。[2]

脈衝殺蟲的成效

實驗中,最高電流發生時,鹽水導電率 5 mS/cm;而生魚片的是 8 mS/cm。連續打個 500 發(80 μF–15 kV–1 Hz),處決海獸胃線蟲的奪命率,可達到全盤通殺,片甲不留。儘管研究團隊承認,對致死的詳細機制不甚瞭解,結果無疑是稱心如意:生魚片的彈性、硬度跟顏色,都較冷凍再退冰好,而且質地、氣息和口味,接近未經任何殺蟲處理的食材。他們相當看好此技術的商業價值,在論文結尾表示,要繼續提升殺蟲的效率,並嘗試運用在白腹鯖等其他魚類身上。[2]

-----廣告,請繼續往下閱讀-----

  

  1. 平野芳信(02 JUL 2014)《從蝸牛食堂到挪威的森林:解讀日本近現代文學中的飲食象徵》遠足文化
  2. Onitsuka C, Nakamura K, Wang D, et al. (2022) ‘Inactivation of anisakis larva using pulsed power technology and quality evaluation of horse mackerel meat treated with pulsed power’. Fisheries Science, 88, 337–344.
  3. Anisakiasis FAQs’. (16 SEP 2020) U.S. Centers for Disease Control and Prevention.
  4. ค๊อกคาเทล(02 DEC 2011)「【心得】噁心的經典、經典的噁心‧《魚》(內有噁心成分,請慎入)」巴哈姆特
  5. Pulsed Power’. The University of Queensland, Australia. (Accessed on 19 NOV 2023)
  6. Bub EL, Schneider K, Carr C, et al. (22 JAN 2019) ‘Food Processing: The Meat We Eat’. Institute of Food and Agricultural Sciences, University of Florida, U.S.
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

0

2
0

文字

分享

0
2
0
探索自然知識的先行者:古希臘哲學家如何看待萬物的基本組成?——《世界史是由化學寫成的》
圓神出版‧書是活的_96
・2023/05/15 ・1970字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

古希臘哲學家中,不乏能精準測量天體位置的人,還有能運用幾何學知識來丈量土地的人。儘管他們尚未發展出「實驗」這項科學方法,但相對的,他們非常仔細觀察自然界發生的變化,並思考形形色色的問題,成為自然界和社會的知識探索者。

萬物皆由水組成

古希臘最早深入探索「萬物根源」的人是泰利斯(Thales)。他是個生意做很大的貿易商,曾搭船經由地中海,到埃及推銷橄欖油,是個見多識廣的人。

某天,泰利斯開始萌生疑惑:

世界上有數之不盡的萬象事物,都是由物質所構成的,而且物質的變化方式多得令人驚奇。雖說物質會不斷變化,卻並非無中生有,存在的東西也不可能完全消失;由此可知,物質是不生不滅的。無數物質不斷變化,但為什麼大家都是不生不滅的?

古希臘哲學家泰利斯(Thales of Miletus)。圖/wikipedia

泰利斯認為,所有物質必然是由唯一的「本原」所組成的,而他得到的答案就是水:

-----廣告,請繼續往下閱讀-----

水遇冷後凝結成冰,加溫之後就會恢復原狀;溫度繼續升高的水會成為水蒸氣,再冷卻後又會形成水滴。河川、海洋和地表的水,都會變成水蒸氣上升到空中、形成雲朵,雲又會降水成為雨和雪。水能如此千變萬化,不論怎麼變也不會消失殆盡。話說回來,金屬的變化、生物形體的變化,不也都和水一樣嗎?

泰利斯推論,這些物質的型態和外形不論再怎麼變化,也不會完全消失,應該是因為所有物質都是由某個「本原」所組成的——不論構成的是金屬或生物。

後來泰利斯便把構成所有物質的「本原」命名為「水」。

值得注意的是,泰利斯所說的「水」,並不是指現代科學做為研究對象、做為物質的水,而是將變化不歇、變換型態後生成其他物質,並能再度回歸原初型態的萬物本原稱為「水」而已。這種思考的背景,可能來自於他曾到東方旅行,聽聞流傳在美索不達米亞的世界起源傳說、得知其故事中心就是「水」,才深受影響。

泰利斯的「水」,促使眾多學者開始思考萬物的「本原」(元素)為何。有人認為本原是「空氣」,經過壓縮和稀釋,分別形成水、土和火,進一步創造了自然界;也有人認為本原就是「火」,並將自然界比喻為「燃起、消失,無時無刻都在活動的火」。

-----廣告,請繼續往下閱讀-----

微粒組成萬物

對於「萬物根源」是什麼的問題,德謨克利特(Democritus)提出了名為「原子論」的主張。

和泰利斯一樣,德謨克利特曾周遊地中海沿岸,徒步觀察風土、歷史和文化迥異的各個國家裡,有什麼樣的自然環境與人民,並學習各國的學問和技術。他認為,創造萬物的「本原」存在於無數微粒中,而且這一顆顆粒子永遠不會毀滅。他將這些無法再分解得更小的微粒,以希臘語中意指「不可分割之物」「atomos」(原子)來命名。

德謨克利特還思考了另一項觀點,也就是「虛空」(什麼都沒有的空間),若改用現代科學的用語來說,就是「真空」。因為原子會占據空間、四處活動,所以必須要有提供給原子活動的「虛空」。

簡單來說,德謨克利特的原子論就是「萬物是由原子和真空所構成的,除此之外別無其他」。

-----廣告,請繼續往下閱讀-----
古希臘哲學家德謨克利特(Democritus)。圖/wikipedia

德謨克利特認為,無數原子在除了原子以外什麼都沒有的空間裡,激烈且毫不停歇地四處活動,互相撞擊、形成漩渦。有的原子雖然會和其他原子相連成一團,但這團東西總有一天會分解,恢復成原本四散的原子。只要改變原子的排列方式和組合,就能製造出不同種類的物質。萬物是藉由原子的組合而形成,就連火、氣、水、土也不例外。

據說德謨克利特寫了一系列共七十多部鉅著,但沒有一本流傳下來。由於他大膽主張,人類的靈魂也是由輕盈、活潑好動的原子組成,不會遵從神的指示,而是跟隨控制原子運動的自然定律;只要構成人類肉體的原子瓦解分散,人類的靈魂就會消失。也就是說,神並不存在。他因此遭到統治階層指控「試圖抹滅神的存在」,並飽受攻擊,與他有關的書籍全數遭到銷毀。我們之所以能認識德謨克利特的事蹟,主要是由於反對原子論的哲學家們,將他的思想記錄在自己的著作之故。

——本文摘自《世界史是化學寫成的:從玻璃到手機,從肥料到炸藥,保證有趣的化學入門》,2022 年 2 月,究竟出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
圓神出版‧書是活的_96
13 篇文章 ・ 3 位粉絲
書是活的,他走來溫柔地貼近你,他不在意你在背後談論他,也不在意你劈腿好幾本。 這是一種愛吧。 圓神書活網 www.booklife.com.tw