日本產官學合作開發高速讀寫能力之MRAM

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

磁力的時代

著名理論物理學家加來道雄（Michio Kaku）曾在《2100 科技大未來》一書中提到：

不遠的未來將是「磁力的時代」。上世紀可以被視為「電力的時代」，從電子的發現以及量子力學的發展開始，人們意識到電子相當容易操縱，這也造就了收音機、電視、電腦、智慧型手機等各類電子產品的誕生。

但在不遠的將來，諸如「室溫超導體」的開發與普及很可能在硬體建設上帶來革命性的變化。超導體 （supercondunctor）意味著某些導體在極低溫（比如接近絕對零度，-273.15℃）下，電阻將消失，而沒有阻力也意味著沒有電力的損耗。傳統銅線中，電子的流動與管壁原子的摩擦力將造成能量的消耗；而超導銅線巧妙地規避了這個問題，因為在極低溫環境下，原子將凝滯不動，電子也就能相當「通暢」地行經管線，線路壽命和產電效率也就能大幅躍升。但要實現極低溫的環境並非易事，因而近年來科學家正在嘗試開發室溫環境下的超導體，這意味著超導線圈能在日常生活中普及。

且由於超導本身的抗磁性（diamagnetism），比磁浮列車更酷炫的「懸浮」類型交通工具將成為常態，且由於不再有電能、摩擦力的損耗，你可以想像未來一旦超導磁浮列車與軌道網絡成功開發，只要輕輕一推，便能將一輛列車從台北車站高效地駛向墾丁、甚至車程用不上一小時。

電生磁、磁生電？

學習過中學物理的都知道，電與磁之間的作用是密不可分的；目前為止，大部分電子產品也都與「電流磁效應」（即安培定律，Ampère’s law）或「電磁感應」（即法拉第電磁感應定律，Faraday’s law of electromagnetic induction）有著密切關聯。

比如搭乘捷運或者公車時，「悠遊卡」內部的線圈就運用了電磁感應的原理，產生的電流將資訊傳輸至讀卡機；「電風扇」的馬達則透過電流磁效應將電力轉為磁力、再轉為機械能帶動扇葉；「麥克風」運用的則是透過聲波振動磁場、藉由電磁感應產生電流、再透過電流磁效應傳遞到揚聲器。由此可知，工業革命與量子力學的發展將我們帶到了「電力的時代」，而磁力似乎一直是電力的副產物。

而電腦硬碟也是如此，磁碟由磁性材料組成，需要用到線圈產生磁場、改變磁性材料的磁場方向；而透過讀寫頭可以感測、改變磁性材料的磁極，從而達成資料的讀寫。和上一段例子稍微不一樣的點在於：硬碟、磁碟的原理和材料「本身的」磁性有關，而非純粹基於電與磁之間的作用。雖然硬碟透過磁場的改變而達到讀寫資料的目的，但這是相當耗能、耗時的；相比之下，電能對我們而言容易操控得多。如果我們能開發出一種僅僅用「電場」就能改變記憶本身的磁性，那麼，這將在資訊儲存的領域造成革命性的進展。這就進一步帶入這次的主題——「磁電效應」(magnetoelectric effect, ME)。

磁電效應的產生機制

不同於宏觀的電磁效應，「磁電效應」通常與物質本身的微觀結構有關。磁電效應的機制取決於晶體本身的對稱性 （symmetry），舉例來說，線性磁電效應的產生必須滿足時間反演對稱性 （time-reversal symmetry）被打破的條件。首先，時間反演對稱性聽起來有些奇妙，但它的概念相當直白：物體在順著時間流以及倒轉的畫面是相同且無法區辨的；數學上來說，代入 t → -t，如果得出的結果依然是一樣的就說明了系統是具有時間反演對稱性的。

電流的磁效應就是一個反例：設想一個電路迴圈，逆時針的電流產生出向上的磁場（右手定則）。現在讓我們「倒帶」這段影像：你會發現磁場先消失、電流再變成順時針環繞；然而，順時針的電流「理應」產生向下的磁場，但在倒帶的影像中並非如此——這便是時間反演對稱性的打破。

凝態物理中最常見的例子之一就是鐵磁體 （ferromagnet）：想像一塊純鐵，在施加磁場後，其內分子的磁矩方向會順著磁場方向排列一致，也就是被「磁化」；然而，如果將畫面倒轉，會發現磁矩方向回歸不規律、接著磁場消失，但在物理上，你無法透過「去磁化」而關閉磁場；反之，即使關閉了磁場、磁化也依舊不因此而消失。換言之，鐵磁體打破了時間反演對稱性。

而磁電效應的產生通常要求磁性同時打破時間反演對稱性與鏡像對稱性 (mirror symmetry)，也就是在鏡中世界的物理必須符合邏輯。在某些情況下（比如螺旋擺線形的指向），磁性會打破鏡像對稱性，造成了電極化（施加電場後，電介質內部的正負電荷會朝特定方向排列）。

這些看似尋常的對稱性往往是物理現象背後的推手，在數十年來場論的發展中，物理學家逐一發現：當我們從一些物理現象（比如電與磁）抽絲剝繭，會發現背後是繁複的數學方程式，而彼此之間蘊藏著不少「對稱性」聯繫著；從微觀以及數學的角度來說，正是因為某些對稱性的破缺，導致了一些物理現象的產生——磁電效應便是如此。

在統計力學與量子場論中，描述系統能量性質的哈密頓量（Hamiltonian）取決於格點（lattices），對於磁力而言，若我們改變了格點的形態，磁能也可能會降低，在這過程中，電極化便可能因此產生；而像這樣微觀層面上造成電與磁的「耦合」（coupling，通俗的說法就是交互作用），便是「磁電效應」的根源。

因此，我們可以這樣概括：

磁電效應的產生肇始於微觀尺度下的對稱性破缺，因此，磁電效應並非無所不在，通常僅出現於擁有特定對稱性的晶體。

舉例而言，三氧化二鉻（Cr₂O₃）就是最早一批被證實有磁電效應存在的晶體。

單分子磁體 — — 量子產業的結合

在近年來的研究中，單分子磁體（single-molecule magents，SMM）的發現掀起了不少科學家競相研究。顧名思義，單分子磁體指的是帶有特定「磁性」的「分子」；更精確的說，是指擁有「超順磁性」（superparamagnetism）的分子結構，意味著在特定溫度下，一些具有磁性的顆粒將不易受外界磁場影響，以至於磁化性質近似於順磁體。當然，並不是所有分子化合物都可以作為單分子磁體，一般來說，它們通常都是含有「金屬」原子的「有機化合物」，例如最早被發現的 [Mn₁₂O₁₂(OAc)₁₆(H₂O)₄]（簡稱Mn₁₂）。

由於單分子磁體扮演著類似於「奈米磁鐵」的角色，微小且具有磁性的特質，使它們可以被應用於磁鐵儲存體元件、或者量子位元 (qubits) ——相信不少人對於近年來相當熱門的「量子電腦」並不陌生，而作為這種電腦運算的基礎，單分子磁體本身的自旋性質以及磁存儲優勢，很可能改善現有的記憶容量，從而成為量子位元的候選者。

那麼，單分子磁體和磁電效應搭得上關聯嗎？筆者在 2023 年曾參與一項由美國洛斯阿拉莫斯國家實驗室 （Los Alamos National Laboratory）資助的研究計畫，其中便包含了對於單分子磁體「磁電效應」的研究，研究指出某些單分子磁體（比如 [Fe₃O(O₂CPh)₆(py)₃]ClO₄.py，簡稱 Fe₃ 聚合物）在特定溫度條件下可以產生磁電效應，我們可以透過建造穿隧二極振蕩器（tunnel-diode oscillator，TDO）等方式來探測磁化率 (magnetic susceptibility)，從而偵測磁電效應。值得注意的是，這項實驗也指出一項優勢：我們將能透過改變電場來實現磁電效應，而非像傳統硬碟技術那樣透過磁場改變電場特性。

磁電效應的未來與展望

磁電效應在近年來逐漸掀起學術界的研究熱潮，同時也陸續獲得業界的矚目。其中一個最有可能實現的願景，便是磁存儲技術的改善，因為我們將不用藉由磁碟上面的磁性材料與磁場來控制資料的存儲與讀寫；相比之下，電場比磁場容易操控些，磁電效應提供了一個新方案，只需透過一些特殊磁性物質（比如具有特定對稱性的晶體）、便能藉由電場改變晶體特性（諸如磁矩等等）。而對於晶體的候選者，單分子磁體具有相當的潛力，因為這類型的晶體很有可能延伸到量子位元的建構，從而在記憶存儲與量子電腦的同步開發下，帶動未來量子產業的發展。

21 世紀，更多前沿的技術不斷開展，無論是室溫超導等凝態物理的研究、或者是磁電效應與量子產業的結合，都向人們宣示著磁力時代的來臨。

• 加來道雄（2019）。2100 科技大未來：從現在到 2100 年，科技將如何改變我們的生活。時報出版
• M. Lewkowitz, J. Adams, N. S. Sullivan, Ping Wang, M. Shatruk, V. Zapf, and Ali Sirusi Arvij. (2023). Direct observation of electric field-induced magnetism in a molecular magnet. DOI: 10.1038/s41598–023–29840–1
• G. Christou, D. Gatteschi, D. N. Hendrickson, and R. Sessoli. Single-Molecule Magnets. (2000). DOI: https://doi.org/10.1557/mrs2000.226

• 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。