日本產官學合作開發高速讀寫能力之MRAM

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／田偲妤
• 美術設計／蔡宛潔

AI 的誕生，文理缺一不可

人工智慧（Artificial Intelligence，簡稱 AI）在 21 世紀的今日已大量運用在生活當中，近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等，都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維，除了仰賴工程師的先進技術，更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員，帶大家釐清什麼是 AI？文科人與工程師合作時，需具備什麼基本 AI 知識？AI 如何應用在人文社會領域的工作當中？

詩詞大對決：人與 AI 誰獲勝？

一場緊張刺激的詩詞對決在線上展開！人類代表是有「AI 界李白」稱號的蔡宗翰研究員，AI 代表則是能秒速成詩的北京清華九歌寫詩機器人，兩位以「人工智慧」、「類神經」為命題創作七言絕句，猜猜看以下兩首詩各是誰的創作？你比較喜歡哪一首詩呢？

答案揭曉！A 詩是蔡宗翰研究員的創作，B 詩是寫詩機器人的創作。細細賞讀可發覺，A 詩的內容充滿巧思，為了符合格律，將「類神經」改成「類審經」；詩中的「福落天赦」是「天赦福落」的倒裝，多念幾次會發現，原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯；而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯，整首詩創意十足，充滿令人會心一笑的魅力！

相較之下，B 詩雖然有將「人工」兩字穿插引用在詩中，但整體內容並沒有呼應命題，只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝！

由此可見，當前的 AI 缺乏創作所需的感受力與想像力，無法做出超越預先設定的創意行為。然而，在不久的將來，AI 是否會逐漸產生情感，演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人？

AI 其實沒有想像中聰明？

近期有一則新聞「AI 有情感像 8 歲孩童？Google 工程師爆驚人對話遭停職」，讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示：「當前的 AI 還是要看過資料、或是看過怎麼判讀資料，經過對應問題與答案的訓練才能夠運作。換而言之，AI 無法超越程式，做它沒看過的事情，更無法替人類主宰一切！」

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言，多半是因為我們對 AI 的訓練流程認識不足，也缺乏實際使用 AI 工具的經驗，因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上，更延伸到文科人與理科人的合作溝通上，因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識，不僅能讓跨領域的合作更加順利，還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是，由於文科人不了解 AI 的訓練流程，因此對 AI 產生錯誤的期待，認為辛苦標注的上千筆資料，應該下個月就能看到成果，結果還是錯誤百出，準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚，兩方就會陷入僵局，導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議：

如果文科人了解基本的 AI 訓練流程，並在每個訓練階段協助分析：錯誤偏向哪些面向？AI 是否看過這方面資料？文科人就可以補充缺少的資料，讓 AI 再進行更完善的訓練。

史上最認真的學生：AI

認識 AI 的第一步，我們先從分辨什麼是 AI 做起。現在的數位工具五花八門，究竟什麼才是 AI 的應用？真正的 AI 有什麼樣的特徵？

基本上，有「預測」功能的才是 AI，你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現，而且人類手工操作就辦得到，那就不是 AI。

蔡宗翰研究員以今日常見的語音辨識系統為例，大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話，你會發現自己無法事先知曉將產生什麼文字或回應，結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同：AI 無法百分之百正確！

因此，AI 的運作需建立在不斷訓練、測試與調整的基礎上，盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段，工程師彷彿化身老師，必須設計一套學習方法，提供有助學習的豐富教材。而 AI 則是史上最認真的學生，可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI，讓其根據工程師所定義的資料相似度算法，逐漸學會將相似資料分在同一堆，再由人類檢視並標注每堆資料對應的類別，進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI，讓其逐漸學會將任意資料對應到正確答案。

學習到一定階段後，工程師會出試題，測試 AI 的學習狀況，如果成績只有 60、70 分，AI 會針對答錯的地方調整自己的觀念，而工程師也應該與專門領域專家一起討論，想想是否需補充什麼教材，讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作，也可能因為時事與技術的推陳出新，導致準確率下降。這時，AI 就要定時進修，針對使用者回報的錯誤進行修正，不斷補充新的學習內容，讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後，蔡宗翰研究員建議：文科人可以看一些視覺化的操作影片，加深對訓練過程的認識，並實際參與檢視與標注資料的過程。現在網路上也有很多 playground，可以讓初學者練習怎麼訓練 AI，有了上述基本概念與實務經驗，就可以跟工程師溝通無礙了。

AI 能騙過人類，全靠「自然語言處理」

AI 的應用領域相當廣泛，而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因，他充滿自信地回答：因為自然語言處理是「AI 皇冠上的明珠」！這顆明珠開創 AI 發展的諸多可能性，可以快速讀過並分類所有資料，整理出能快速檢索的結構化內容，也可以如同真人般與人類溝通。

著名的「圖靈測試」（Turing Test）便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代，傳奇電腦科學家艾倫・圖靈（Alan Turing）設計了一個實驗，用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好，並派一個人操作終端機，再找一個第三者來進行對話，判斷從終端機傳入的訊息是來自 AI 或真人，如果第三者無法判斷，代表 AI 通過測試。

換而言之，AI 必須擁有一定的智力，才可能成功騙過人類，讓人類不覺得自己在跟機器對話，而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在：人文研究文本分析、新聞真偽查核，更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料，追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化，而大量數位化的經典更被主動分享到「Chinese Text Project」平台，讓 AI 自然語言處理有豐富的文本資料可以分析，包含一字不漏地快速閱讀大量文本，進一步畫出重點、分門別類、比較相似之處等功能，既節省整理文本的時間，更能橫跨大範圍的文本、時間、空間，擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的？就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋，由鎮江、杭州一帶的說書人所創作，著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉，才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素，接著用這批標記好的語料來訓練 BERT 等序列標注模型，以便將「文本向量化」，進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現，白蛇傳的原型可追溯自印度教的那伽蛇族故事，傳說那伽龍王的三女兒轉化成佛、輔佐觀世音，或許與白蛇誤食舍利成精的概念有所關連，推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外，故事的雛型可能早從唐代便開始醞釀，晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事，而法海和尚、金山寺等關鍵人物與景點皆真實存在，金山寺最初就是由唐宣宗時期的高僧法海所建。

在 AI 的協助之下，我們得以跨時空比較不同文本，了解說書人如何結合印度神話、唐代傳奇、在地的真人真事，創作出流傳千年的白蛇傳經典。

最困難的挑戰：AI 如何判斷假新聞

除了應用在人文研究文本分析，AI 也可以查核新聞真偽，這對假新聞氾濫的當代社會是一大福音，但對 AI 來說可能是最困難的挑戰！蔡宗翰研究員指出 AI 的弱點：

如果是答案和數據很清楚的問題，就比較好訓練 AI。如果問題很複雜、變數很多，對 AI 來說就會很困難！

困難點在於新聞資訊的對錯會變動，可能這個時空是對的，另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器，可輸入當前的新聞讓機器去判讀真假，但過一段時間可能會失準，因為新的資訊源源不絕出現。而且道高一尺、魔高一丈，當 AI 好不容易能分辨出假新聞，製造假新聞的人就會破解偵測，創造出 AI 沒看過的新模式，讓先前的努力功虧一簣。

因此，現在多應用「事實查核法」，原理是讓 AI 模仿人類查核事實的過程，尋找權威資料庫中有無類似的陳述，可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊，致力於建立英文事實查核法模型所能運用的資源，並透過舉辦國際競賽，廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後，也與合作夥伴事實查核中心及資策會討論，正著手建立中文事實查核法模型所需資源。預期在不久的將來，AI 就能幫讀者標出新聞中所有說法的資料來源，節省讀者查證新聞真偽的時間。

AI 的無限可能：專屬於你的療癒「杯麵」

AI 的未來充滿無限可能，不僅可以成為分類與查證資料的得力助手，還能照護並撫慰人類的心靈，這對邁入高齡化社會的臺灣來說格外重要！許多青壯年陷入三明治人（上有老、下有小要照顧）的困境，期待有像動畫《大英雄天團》的「杯麵」（Baymax）機器人出現，幫忙分擔家務、照顧家人，在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式，新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」（Nadine），由感知、處理、互動等三層架構組成，可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境，並將上述資訊發送到處理層。處理層會依據感知層提供的資訊，連結該用戶先前與娜丁互動的記憶，讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象，或對陌生事物感到不安，常選擇靜默不語，需要照護者主動引導。因此，娜丁內建了注視追蹤模型，當偵測到住戶已長時間處於被動狀態，就會自動發起話題。

實驗發現，在娜丁進駐長照機構一段時間後，住戶有一半的天數會去找她互動，而娜丁偵測到的住戶情緒多為微笑和中性，其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

至於未來的改進方向，研究團隊認為「語音辨識系統」仍有很大的改進空間，需要讓機器人能配合老年人緩慢且停頓較長的語速，音量也要能讓重聽者可以清楚聽見，並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人，首要任務就是要開發一套臺灣人專用的 AI 語言模型，包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型，期待政府能整合學界與業界的力量，降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感，但卻可以成為人類大腦的延伸，協助我們節省處理資料的時間，更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨，如何讓自己的行事邏輯跟上 AI 時代，讓 AI 成為自己的助力，是值得你我關注的課題。

延伸閱讀

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

• 文／陳明堂，中央研究院天文所及天文物理研究所研究員，兼天文所夏威夷運轉副所長。

去 (2019) 年，臺灣黑洞團隊與事件視界望遠鏡 (Event Horizon Telescope, EHT) 公布第一張黑洞照片。一年後，他們雖然沒有呈現新的黑洞照片，卻推出一張所未見的黑洞噴流影像。黑洞噴流如同兩隻金魚的發光體，起初讓研究團隊摸不著頭緒。所幸 EHT 強大的解析能力逐漸解開噴流的真面目，原來圖片左上的影像是噴流的源頭，右下則是逐步遠離的噴流。此外，這把宇宙等級的噴火槍其實是耀變體，在觀測中展現出許多令人驚奇的特性。

宇宙級的噴火槍：3C 279

在去年公布的首張黑洞影像後，事件視界望遠鏡團隊今 (2020) 年又再次發表另一張超高解析度的影像（下圖）。這次的目標是一個叫做 3C 279 的星體，影像呈現出一對橢圓狀的發光體。這兩個光體的位置左上右下，似乎處在一種隨遇而安的狀態。與去年發表的黑洞甜甜圈不同，反而像在一潭黝黑的池水中，偶爾浮上水面的兩條金魚。

3C 279 是一個類星體（quasar，下圖），位在室女座（Virgo Constellation，又稱處女座）附近，靠近春季大三角 (Spring Triangle) 的角宿一 (Spica)。

雖然肉眼看不見 3C 279，但是從過去的觀測，天文學家知道它是銀河系外頭的另一個星系。它發出的訊號，從低能量的無線電波、紅外線到可見光、紫外線延伸至高能量的 X 光，應有盡有；甚至也會發出強烈的超高能量的射線。

與去年的 M87* 黑洞相比，為什麼這次的影像中沒有看到甜甜圈呢？

因為 3C 279 距離地球太遠了，相比之下，去年拍到 M87* 離地球「僅僅」5500 萬光年，而 3C 279 則幾乎是 100 倍遠的距離。不僅如此，根據天文學家的估計，3C 279 中心黑洞的大小還不到 M87* 的五分之一。由於又小又遠，因此以目前 EHT 的影像解析能力，還無法完全看到 3C 279的黑洞，所以在此影像中才看不到任何的甜甜圈。

黑洞物理參數的比較

看不見甜甜圈沒關係，EHT 還是有辦法解析！

雖然看不到黑洞，但是天文學家可以利用 EHT 的超級解析能力來研究黑洞外圍的物理現象。

當環繞黑洞的星際物質從吸積盤掉進黑洞時，並非所有物質都會進入黑洞之中。其中一部份的物質會以電漿能量包的形式，以極高的速度從黑洞的兩個極點朝外噴出，物質噴出的速度趨近光速，這就是所謂的噴流。目前科學家還不了解噴流的確切成因，但是一般認為是吸積盤與黑洞周遭的磁力場所造成，這也是 EHT  的科學家研究 3C 279 的主要動機。

人們對黑洞的了解是建立在愛因斯坦的廣義相對論。黑洞是經由重力塌縮 (gravitational collapse) 後形成的星體，它具有質量、自轉和事件視界 (event horizon)。根據理論，任何發生在事件視界裡面的資訊都無法傳遞到外面，所以對外界的觀察者而言，黑洞的物理性質來自於事件視界之外的空間，因此事件視界代表黑洞的視覺大小。

2017 年 4 月的觀測期間，EHT 除了使用參與團隊的天文台之外，還另外動用其它兩組望遠鏡陣列，總共三組陣列透過不同的電波波長擷取 3C 279 的影像。其中，長波段的影像（超長基線陣列 VLBA 波長 7 mm）擷取到 3C 279 大範圍的相貌，影像明顯顯示左上角黑洞所在的熱點及從熱點衝往右下方向的噴流；中波段的影像（全球毫米波特長基線陣列 GMVA 波長 3 mm）把目光聚焦在靠近黑洞和噴流的起始點，期望從影像中能透露出關於噴流起源的訊息。但結果卻不盡人意，此波段呈現出來的影像幾乎是長波長的翻版，導致很難從結果中分辨出熱點和噴流之間的差別。

要看得更仔細， EHT 使用 8 座次毫米波電波觀測站同時朝熱點觀看，能提供更細微的影像解析能力（波長 1.3 mm），所得到的影像與中、長波段的結果相比，的確有出乎意料的發現。EHT 的影像出現左上與右下兩個獨立的部份，經由影像分析，EHT 團隊科學家認為右下部份訊號的移動方向與速度，和中、長波長影像中的噴流類似，因此他們認為右下部分的光影是大尺度噴流的一部份。此結論比較是可以預期，而沒有太多的爭論。可是該如何解釋位於左上的訊號就不是那麼容易了。

猶如宇宙噴火槍的耀變體

說到這裡，如果讀者對類星體有些認識，可能會猜測左上的光影應該是黑洞吸積盤發出的能量，黑洞就躲在巨大的吸積盤中間；而右下部份的狹長光影就是黑洞的噴流結構。噴流與吸積盤呈現接近 90 度的相對位置，此猜想符合天文學家想像中的類星體（下圖），可是問題卻沒有那麼簡單。

3C 279 是類星體中的特殊例子，特別的地方在於它的噴流方向非常接近觀測的視線。如果把噴流當作是一把宇宙噴火槍的火焰，那麼在地球上觀看 3C 279 的方向幾乎是往火槍的噴嘴裡頭看進去，高能量的噴流就只對著地球上的觀測者打出來。由於都卜勒效應 (Doppler effect) 的關係，此噴流看起來會特別亮，因此天文學家給這類型的類星體一個特殊的名字：耀變體（blazar，或稱耀星體）。

令人匪夷所思的觀測結果

換句話說，從地球的角度觀測，3C 279 除了具有一個非常強烈的中心訊號源外，天文家認為應該可以看到整個吸積盤才對，並認為從此角度觀測，吸積盤應該是接近圓形。但是在 EHT 的影像中，左上的光體卻是個狹長的橢圓形，該如何解釋異形怪狀的吸積盤，對理論學家是一大挑戰。

有一種解釋說法認為，左上與右下的光影其實是一樣的，都是噴流的高能量聚集的電漿能量包。二者不同之處在於，左上的能量包非常接近黑洞的噴嘴，並以更對準觀測者視線的角度而來，當然此角度並不完美，因此高能噴流的還是會在觀測的視線中投射出一個狹長的橢圓光影。雖然可以合理解釋觀察到的左上光影，但又該如何解釋左上與右下的能包移動的方向似乎不一樣？難道噴流會改變它的方向？

關於這一點，天文學家從其它類星體的觀測經驗，知道由於吸積盤附近的強大磁場作用，噴流的確有可能改變方向。在類星體中心的磁場作用下，噴流的路徑可能比上下 360 度翻滾的雲霄飛車還複雜，因而造成 EHT 觀測到的奇怪影像，所以目前 EHT 的團隊相信這是一個比較合理的解釋。

觀測「超光速」移動的噴流？

這次 EHT 共花了4 天的時間觀測 3C 279，而每天都會產生一組非常類似的影像，經過仔細檢查，EHT 的團隊發現影像中的兩個光體的距離每天都有些不同。事實上，兩個光體正在分開中。此觀察符合前一段的論證：左上的光影代表噴流的源頭，右下是正在離開的噴流。

有了 EHT 望遠鏡的超級解析度，天文學家可估計噴流的移動速度。EHT 的團隊發現右下的能量正以超過 10 倍光速的速度離開噴流的源頭位置。讀者可能會納悶，超光速運動是有可能的嗎？

其實天文學家在半世紀前就已經知道，類似耀星體所發出來的噴流「看起來」會有超光速現象 (superluminal motion)。如此奇怪的現象是因為高能量的噴流速度接近光速，但是由於觀測角度的關係，從遠方看起來噴流的速度超過光速。此現象其實可以用相對論解釋，所以看起來超光速並不代表真正超越光速。

宇宙的更多故事等著被挖掘

53 億年前，那時太陽系正在慢慢成形，地球根本還沒存在。然而，隨著科學的進展，一個發生在距離地球 53 億光年外的物理現象，竟然被天文學家看到了！

此次 EHT 發布的影像雖然沒有如同去年 M87* 黑洞的影像引起一陣轟動，然而 3C 279 的影像透露出來的新資訊，似乎讓天文學家產生更多的問題與好奇。這就是科學發展，隨著 EHT 突破性的觀測儀器發展，人們將會看到許多前所未見的現象，並引導好奇的科學家們，更進一步了解所處在的宇宙。

2017 年參與 EHT 的八座望遠鏡中，臺灣參與建造或運作的一共有三座，包含夏威夷的次毫米波陣列 (SMA)、詹姆士克拉克麥克斯威爾望遠鏡 (JCMT) 和智利的阿塔卡瑪大型毫米波及次毫米波陣列 (ALMA)，再加上貢獻運作經費與觀測人力，讓臺灣團隊占有顯著的地位，這也是總共 13 席的 EHT 董事成員，臺灣中研院就占兩席的原因。

臺灣團隊一手主導的格陵蘭望遠鏡，直到 2018 年才加入 EHT，並參與 3C 279 的觀測。目前的觀測資料正在處理中，EHT 團隊期待格陵蘭望遠鏡的加入，能夠揭露更多噴流結構的細節，能讓天文學破解出黑洞周遭的祕密。如此的結果將會大大的提升臺灣天文學家在黑洞研究的地位，也讓臺灣獨特的貢獻受到世人的重視。

延伸閱讀

• Jae-Young Kim et al., Event Horizon Telescope imaging of the archetypal blazar 3C 279 at an extreme 20 microarcsecond resolution, Astronomy & Astrophysics, 2020.

本文轉載自《科學月刊》 宇宙中的噴火槍—黑洞噴流影像現蹤跡

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。

NEC、日立、ULVAC、東京大學等的研究者們，雲集在東北大學大野英男教授的研究室內，正加速進行次世代的半導體記憶體─磁性記憶體(MRAM)的開發。未來將以取代目前市場主流之動態隨機存取記憶體(DRAM)為目標。

MRAM的基本構造接近DRAM。然透過電容內儲滿的電荷以記憶資料的DRAM，為一切斷電源資料就會消失之揮發性記憶體，故為確保資料需持續供電。而MRAM為一即使切斷電源資料亦不會消失之不揮發性記憶體，因使用磁力來記憶資料，可保持高性能並具有高速讀寫能力。一旦寫入資料，即使電源切斷，資料亦不會消失，待機時的電力可望趨近於零。

所開發之MRAM使用了以磁力來使電阻變化之強磁性的隧道接合（MTJ）元件(element)。此一裝置，乃藉由以兩個強磁性體夾著絕緣膜的構造，在施加電壓後讓電流流經絕緣膜，再以電流值的大小之不同來記憶資料。

半導體係透過基板上之更為微細電路的形成，在提升晶片性能的同時亦抑制消耗電力。目前先端製品的電路線幅已突進至20奈米。但若要進入10幾奈米，恐需開發次世代的製品。大野研究室的MRAM，在資料的改寫上不使用磁界，而是開發出了只藉由電流的流通來改變MTJ元件之磁化方向的元件，並讓線幅即使細微化到40奈米，仍可進行資料的改寫。原先最大的弱點為記憶容量，現已提高到1gigabit以上。

本計畫為內閣府之最先端研究開發支援計畫(09-13年)。NEC等和大野研究室已在11年起於筑波市的TIA之無塵室內著手進行量產技術的開發。

轉載自國科會國際合作簡訊網

對人類而言，磁場是很虛幻的東西，我們感受不到，平常可能也用不到。但是世界上有很多動物擁有不同於人類的感官，可以利用磁場來討生活，這些生物的感磁能力一直是很多科學家研究的對象。藉由研究各種不同感應磁場的方法，我們除了可以更認識動物之外，還能改良人類的感測器技術。

其中昆蟲也是受磁場影響不小的物種，今天要介紹的實驗，科學家偏偏挑了其中一種大家最避之唯恐不及的昆蟲：蟑螂。

今年搞笑諾貝爾生物學獎由一支多國組成的團隊獲得，他們發現：死蟑螂跟活蟑螂被磁化後的消磁速度會不一樣喔～

先講結論：死蟑螂消磁得很慢，能夠在磁化之後繼續吸在冰箱上～

領獎演說：「我們發現了：死掉的蟑螂比活蟑螂能夠維持磁化狀態更久，各位請看！！！」

為什麼挑蟑螂？帥氣的金龜子不好嗎？

在所有擁有磁感能力的動物中，昆蟲就是一個大宗，例如螞蟻、蜜蜂、果蠅……等，就具有類似感應磁場能力來偵測周遭或定位自己，甚至連昆蟲的屍體都能可能會有特殊的磁性現象。而屬於昆蟲的蟑螂，物理學界在之前的一些的實驗中，甚至發現牠們可以每 10 分鐘校準一次地磁的變化。所以這群科學家們（得獎團隊成員包括：南洋理工大學 Ling-Jun Kong ，新加坡大學 Herbert Crepaz、Rainer Dumke 和 Tomasz Paterek，澳洲蒙納許大學 Agnieszka Górecka， 英國格但斯克大學 Aleksandra Urbanek）開始好奇：蟑螂體內的磁性物質到底有什麼特殊的運作方法呢？這裡需要開發出一種測量蟑螂體內磁性並量化的全新方法。

首先～最重要的是準備這次實驗的主角。

實驗的事前準備，科學家們先把活生生的公母蟑螂各一隻保存在透明的昆蟲箱裡，裡面有足夠牠們生活的水和食物（貓飼料）以及日夜燈光調控，再置放在攝氏 4 °C 的環境中讓牠們逐漸失去活性，直到蟑螂進入休眠狀態，我們的「活」蟑螂實驗體就完成了。

另一方面，這次實驗所使用的死蟑螂是使用非常人道的氮氣窒息法殺死的，死亡後甚至還有幫牠超音波沖澡，確認沒有外來的物質影響，所有的磁性反應都是蟑螂內部產生的。然後保存在 4°C 的環境中確保不會腐敗，一定死超過兩天之後才加入實驗的行列。

掛蟑螂賣實驗器材，重點其實是……

而為了準確的測出活蟑螂和死蟑螂之間的磁場差別，團隊需要開發出一種對生物無入侵性的測量方法。

這實驗使用銫原子為基礎的感測器，來測量被磁化蟑螂身上的磁場。這種感應器靠的是磁滯性來判斷磁場的強度，當你想要測量的磁性物質在生物體內、不能用侵入式方法的時候，就可以使用這個技巧。

這些死蟑螂和動彈不得的活蟑螂以塑膠袋封包，被放置在兩個 N52 級釹永久磁鐵板中間進行磁化。我們從750G 開始，依遲滯現象循環進行，這兩個磁鐵產生的磁場在蟑螂的位置上最高可達 3 kG，最大最小值值相差15%，整個過程持續 10 分鐘。

磁化 20 分鐘後，蟑螂會被轉移到這次的實驗儀器：銫原子光學磁強計內，如下圖所示：

整個實驗裝置基本上就是 GT偏光片(Glan-Thomson polariser)、石蠟包覆以阻隔背景磁場的銫氣體膠囊（銫這個元素在室溫是液體喔）加上蟑螂，再搭上後面的平衡光電感測器。當偏振光經過儀器內的蟑螂身邊時，遇到磁場會發生極化旋轉 (polarization-rotation) 的現象，這時後方的稜鏡 (Wollaston prism) 和平衡光電感測器就能夠知道銫氣體的磁場改變。在 10 個小時的實驗內，每 20 秒移動一次蟑螂的位置，來產生不同的實驗結果來記錄。

最後科學家們發現活蟑螂被磁化後的半衰期為 50 ± 28 分鐘；而死蟑螂消磁的時間則長了將近 50 倍，半衰期為 47 ± 29小時。

死活蟑螂體內的磁性作用大不同

注意！這裡的時間單位是分鐘 vs 小時喔！死活蟑螂磁性持續的時間這裡可是差了 50 倍左右。科學家們覺得可以用磁性物質在不同黏度流體中的布朗運動來解釋。

下圖是蟑螂體內磁場之於時間變化的實驗結果，黑點代表活蟑螂、藍方塊代表死蟑螂，團隊總共進行了 15 次的實驗，8 次在活蟑螂、7 次在死蟑螂身上，實驗長達 10 小時，另外還有 10 幾次比較短的實驗（2~5小時）來做確認，紅線則是每個實驗結果的回歸線，實線是活蟑螂、虛線是死蟑螂。

以下三組圖表分別代表實驗所得磁化蟑螂消磁的數據，可以發現在剛磁化完之後，活體的殘留磁場可能更高、相近或是更低都有可能，但是之後活蟑螂的磁場數值都快速下滑。三組實驗數據的呈現，活蟑螂半衰期分別為 25、71、30 分鐘；而死蟑螂則是 82.6、36.3、24 小時，平均之後得到就是實驗結果半衰期為 50 ± 28 分鐘 VS 47 ± 29小時。

那麼到底為什麼死蟑螂可以撐比較久呢？

對於活蟑螂與死蟑螂消磁速度的巨大差距，團隊提出了兩個解釋方向：蟑螂體內原本就有的亞微米 (sub-micron) 磁性顆粒 (magnetic deposits) 作祟；或者是死/活蟑螂體液有不同的黏滯性，造成其體內磁性物質布朗運動 (Brownian rotations) 有差別。

前者首先被科學家踢掉，因為這類的物質在其他研究發現需要數小時的時間才有辦法逐漸跟地磁校準，但是整個實驗磁化蟑螂只維持了 10 分鐘，應該不足以使其對實驗有影響，所以科學家們先試著從布朗運動來解釋。

為了更了解死活蟑螂內的磁場來源，科學家們另外針對蟑螂體內磁性物質的遲滯現象做了一段簡短的實驗，來驗證布朗運動是否與實驗結果有關係。這個實驗只在 1 隻蟑螂身上執行，觸發了之後針對蟑螂體內硫化鐵類物質產生的磁場進行討論，如下圖。

因為不管是死的還是活的蟑螂，體積都不曾改變，根據球形物質的布朗運動公式，我們可以知道死蟑螂活蟑螂的磁場衰退時間 (τ) 與體液黏滯性 (η) 的比例應該都會是相同的 （也就是 τ死/τ活 = η死/η活），也就是說死蟑螂為什麼消磁的很慢，理論上可能是因為他體內的黏滯性變的更高了。

布朗運動公式：$$ \tau =\frac{3V\eta }{k_B T} $$

事實上，在經過驗屍之後，也的確發現死蟑螂體內的黏滯性更高。主要是因為死蟑螂體內的細胞逐漸脫水，造成蟑螂細胞骨架的體積百分濃度逐漸增加，所以黏滯性也間接升高，造成死蟑螂不容易消磁。

以上~~就是這次搞笑諾貝爾獎生物學獎的大概內容，一群科學家們挑了一個大家最不想認識的動物做了一次徹頭徹尾、生死相交的電磁學實驗，為了找出一種不用侵入本體就能找出磁場變化的方法。另外我們也對於生與死動物細胞內的現象差異有了更進一步的了解。或許未來的某一天，這種技術能夠幫助我們更仔細的找到各種不同生物細胞間的差異、甚至是人腦喔~

喔！！我們也多了一種全新造型的的冰箱磁鐵，讓你晚上去冰箱找食物時嚇出一身冷汗～

資料來源

• Kong, L. J., Crepaz, H., Górecka, A., Urbanek, A., Dumke, R., & Paterek, T. (2018). In-vivo biomagnetic characterisation of the American cockroach. Scientific reports, 8(1), 5140.