1

2
1

文字

分享

1
2
1

牛頓的非主流學術研究:左手是聖經、右手是煉金術,那科學呢?--《科學大歷史》

PanSci_96
・2017/08/04 ・6140字 ・閱讀時間約 12 分鐘 ・SR值 545 ・八年級

-----廣告,請繼續往下閱讀-----

  • 【科科愛讀書】人類花了數百萬年學習和思考,才從那個連「科學」怎麼寫都還沒一撇的古早時代,到今天能夠運用科技超越肉身的限制,探索小粒子的無窮和大宇宙的廣袤。但是人類的璀璨成就絕非是一蹴可幾,而是建立在無數先人的跌跌撞撞之上,這過程其中也不乏許多學校沒教、卻相當有趣的故事。就讓《科學大歷史》帶你坐上時光機重回科學史萌芽的年代,來一趟精彩的發現之旅吧!
煉金術師的實驗室。圖/Lau Svensson@Flickr

一六七O年代中期,牛頓對數學感到厭煩,也因為光學研究遭到批評而憤怒不已。這時才三十出頭的牛頓開始冒出白髮,而且經常蓬頭亂髮,他幾乎已經完全抽離了科學圈,接下來十年也一樣。

不過,厭惡衝突不是導致他幾乎完全陷入孤立的唯一原因。在之前的那幾年間,即使他在研究數學和光學,他也開始把每週上百小時的研究時數轉移到兩個新的興趣上。他不急著跟任何人討論那兩項興趣,那是他後來經常遭到批評的「瘋狂」研究專案。事實上,那兩項興趣顯然是在主流學術之外:對聖經進行數學和文本分析,以及煉金術

牛頓。圖/wikimedia commons

用數學和虔誠的心來探究聖經

對後代的學者來說,牛頓決定潛心研究神學和煉金術往往令他們費解,那種行徑就好像他決定不再投稿《自然》,開始為山達基教撰寫文宣一樣。不過,那樣評斷牛頓,就忽略了科學主體的真正範疇,因為牛頓之所以辛勤地投入物理學、神學和煉金術的研究,其實可以用一個共同的目標一言以蔽之:為了探究世界的真相。

稍微思考一下牛頓的辛勤探索其實很有趣--不是因為那些探索證明是對的,也不是因為那些探索證明牛頓有時候很瘋狂,而是因為它們突顯出科學探索最後究竟是成果豐碩、還是徒勞無功,往往只是一線之隔。

-----廣告,請繼續往下閱讀-----
牛頓實驗室著火圖。圖/wikimedia commons

聖經承諾上天會對虔誠的人揭示真相,雖然單純閱讀文本時,某些元素不是那麼顯而易見,不過牛頓依然相信聖經的承諾。他也相信,以前的虔誠信徒,包括瑞士醫生帕拉賽瑟斯(Paracelsus)之類的卓越煉金術士,已經推測出重要的見解,並以暗碼的形式把那些見解寫在他們的作品中,以避免不虔誠的人知道。牛頓推演出萬有引力定律以後,他甚至開始相信摩西、畢達哥拉斯、柏拉圖都比他早知道那個定律。

由於牛頓天賦過人,他想以數學來分析聖經其實是可以理解的。他的研究促使他算出創世、諾亞方舟,以及其他聖經事件的確切日期。此外,他也根據聖經預測了世界末日,並持續修正他的算法。最後幾次預測中,他有一次預測世界末日是介於 2060 年到 2344 年之間。(不知道那會不會證實是真的,但怪的是,那確實和全球氣候變遷的一些情境非常吻合。)

牛頓預測世界末日是介於2060年到2344年之間。圖/wikipedia

此外,牛頓也開始懷疑一些聖經段落的真實性,並深信有一樁龐大的騙局為了支持耶穌是上帝的概念,而破壞了早期教會的傳承,他覺得那個概念是一種偶像崇拜。總之,他不相信三位一體,這實在有點諷刺,畢竟他是三一學院的教授。他抱持這樣的觀念也很危險,因為萬一有心人士得知他的觀點,他肯定會因此失去教職,或許還會失去更多的東西。不過,儘管牛頓投入很多心血去重新詮釋基督教,他對於公開自己的研究極其小心謹慎。(但牛頓認為,他最重要的研究其實是宗教研究,而不是科學方面的革新。)

金星綠獅與巴比倫的龍:牛頓的煉金術研究

那幾年,牛頓的另一項興趣是煉金術。煉金術也占用了他很多的時間和精力,而且他持續研究了三十年,遠比他投入物理學的時間還多。研究煉金術也很花錢,因為他還為此設立了煉金術實驗室和圖書館。如果我們直接把牛頓對煉金術的投入視為不科學,那也是誤會大了。因為他探索煉金術時,就像探索其他的學術一樣,非常仔細小心,而且非常理性。不過,由於他的推理是以我們完全不熟悉的脈絡為基礎,我們很難瞭解他得出來的煉金術結論。

-----廣告,請繼續往下閱讀-----

現在我們對煉金術士的刻板印象是:穿著長袍、留著鬍子、唸著咒語,試圖把肉荳蔻煉成黃金。事實上,目前已知最早的煉金術士是一個埃及人,名叫曼底斯的波洛斯(Bolos of Mendes),活在公元前兩百年左右。每次做完「實驗」時,他都會唸以下的咒語:「一物配一物,一物剋一物,一物治一物。 」聽起來好像在講兩人結婚後可能發生的多種不同狀況。但是波洛斯所說的物質是化學物質,他確實對化學反應有一些瞭解。牛頓認為:在古代,波洛斯之類的學者已經發現了深奧的真相,只是後來失傳了,但是分析希臘神話可以重新發掘真相,他深信希臘神話是以暗碼形式撰寫的煉金祕訣。

畫中為不知名之煉金術師,牛頓用利用此畫來寫他的書。圖/ David Lees/Corbis@NOVA

牛頓在探索煉金術時,也是採用一絲不茍的科學研究方法,做了無數細膩的實驗,寫下大量的筆記。所以這位後來寫出《原理》的作者(《原理》常被譽為科學史上最偉大作品),也花了好幾年在筆記中寫下許多類似下面的實驗觀察:

「在金星的中央鹽裡溶解揮發性的綠獅, 加以蒸餾提煉。提煉出來的靈氣是金星綠獅的血。綠獅亦即巴比倫的龍,它可以用其毒素毒死一切,但是被女神戴安娜的鴿子(亦即水星環)所祭出的安撫降服了。」

(譯註:綠獅是煉金術的術語,代表硫酸。金、銀、水銀、銅、鐵、錫、鉛分別對應太陽、月亮、水星、金星、火星、木星、土星。)

牛頓煉金手稿。圖/ R. D. Flavin @Neatorama

牛頓心底的秘密

我剛踏入科學這一行時,崇拜每一位備受大眾肯定的大師,例如牛頓和愛因斯坦之類的先哲,以及費曼之類的當代天才。對年輕的科學家來說,踏入這種大師輩出的領域可能是壓力很大的事。我剛獲得加州理工學院的教職時,也感受到那樣的壓力,感覺就像升中學的前一晚,我擔心上體育課,尤其是必須跟其他的男學生一起洗澡,和大家裸裎相見 。因為在理論物理學界,你也是在袒露自己,只不過不是裸身,而是坦露智識,而且其他人不只會旁觀,還會下評斷。

-----廣告,請繼續往下閱讀-----

很少人談過那種不安感,或分享自己的感受,但這種現象其實很常見。每位物理學家都必須找到自己的方式去因應那種壓力。不過,想要成功因應壓力的話,就要盡可能避免擔心自己是錯的。據傳,愛迪生常提出一項建議:「想要獲得絕佳的點子,要先想出許多點子。」確實,創新者走過的死胡同比康莊大道還多,所以你老是擔心轉錯彎的話,就永遠到不了有趣的地方。因此,我真心希望當初入行時就知道牛頓想過的所有錯誤點子,以及他徒勞無功的那段歲月。

對我這種人來說,知道那些極其出色的人偶爾也會搞錯,總是讓我放心不少。知道連牛頓那種天才都可能錯得離譜,就令人格外安心。他也許想出「熱是微小粒子移動的結果」,也認為所有物質都是由微小粒子組成的,但是他覺得自己感染肺結核時,還是喝了松節油、玫瑰水、蜜蠟、橄欖油調配的偏方。(據傳那個偏方也可以治胸痛和瘋狗咬傷。)沒錯,他發明了微積分,但他也覺得耶路撒冷所羅門神殿的平面圖裡,蘊藏著世界末日的數學線索。

為什麼牛頓會偏離本行那麼遠呢?仔細探究當時的情況,會看到一個原因最顯而易見:與世隔絕。就像知識隔離導致壞科學在中世紀的阿拉伯世界裡大幅擴散一樣,同樣的情況似乎也導致牛頓逐漸走偏。不過,與世隔絕是他自願的,因為他始終沒讓任何人知道他在研究宗教和煉金術。他不想冒著遭到取笑的風險,或甚至因為開放學術討論而遭到抨擊。牛津大學的哲學家 W.H.紐頓 – 史密斯(W. H. Newton-Smith)寫道,沒有所謂的「好牛頓」和「壞牛頓」,理性和非理性的牛頓;牛頓之所以走偏了,是因為他沒把概念提出來,讓大家公開討論與質疑。「公開論壇」是「科學體系中最重要的常態之一」。

牛頓煉金手稿。圖/SRI BHAGAWAN MAHAVEER JAIN COLLEGE

牛頓不僅厭惡批評,在瘟疫肆虐期間,也不願分享他在運動物理學方面的革新研究。他擔任盧卡斯教授十五年後,那些概念依然是尚未發表的未成品。所以,一六八四年,牛頓四十一歲時,這個極其認真的前神童只留下一堆有關煉金術和宗教的混亂筆記和論文、多篇未完成的數學論文,以及依舊令人困惑不解、也不完整的運動理論。牛頓在好幾個領域裡都做了詳盡的探究,留下一些數學和物理學的概念,但那些概念就像過飽和食鹽水:濃度極高,但沒有結晶。

-----廣告,請繼續往下閱讀-----

牛頓當時的職涯狀態就是如此,史學家韋斯福(Westfall)指出:「牛頓要是在一六八四年過世,並留下那些論文,我們會從那些論文知道這世上曾出現一個天才。不過,我們不會把他尊稱為開創現代智慧的先哲,頂多只會以簡短的段落提到他,並感嘆他無法完成未竟之志。 」

牛頓的命運沒有落入那樣的下場,並不是因為他決心完成研究內容並加以公開,而是因為一六八四年一個近乎偶然的事件改變了科學史的發展,牛頓和一位同僚的互動提供了他所需的概念和刺激。要不是因為那次偶然,科學史--乃至全世界--都將會截然不同,而且不是變得更好。

一個賭注,促成牛頓最偉大的科學論文

那一顆促成史上最大科學躍進的種子,是在牛頓遇到一位同僚之後萌芽的。那位同事在當年的夏末碰巧經過劍橋。

那年一月,天文學家愛德蒙.哈雷(Edmond Halley)參加了倫敦的英國皇家學會所舉行的會議,並在會中和兩位同仁討論了當時的熱門議題。英國皇家學會是致力於科學的學術團體,有很大的影響力。

-----廣告,請繼續往下閱讀-----

數十年前,克卜勒引用丹麥貴族第谷.布拉赫(Tycho Brahe, 一五四六~一六O一年)所收集、準確性前所未見的行星資料,發現有三個定律似乎可用來描述行星的軌道。他宣稱,行星的軌道是橢圓形的,太陽是其中的一個中心點。他也找出那些軌道依循的某些規則,例如,行星繞軌道一圈的時間平方,和它距離太陽平均距離的三次方成比例。就某方面來說,他提出來的定律很簡潔優美,精簡地描述了行星在太空中的運轉。但另一方面,那只是空泛的看法,特定的說詞,並未說明為什麼軌道會依循那種定律。

愛德蒙.哈雷(Edmond Halley)。圖/wikimedia commons

哈雷和兩位同僚臆測,克卜勒的定律反映了某些更深層的意涵。尤其,他們推測,假設太陽對每顆行星的拉力大小,跟著行星和太陽的距離平方成反比(亦即所謂的「反平方定律」),克卜勒的定律依然成立。

遠端物體(例如太陽)對四面八方的施力大小跟距離平方成反比,這個道理其實可以用幾何學來主張。想像一個極大的球體,那個球體大到讓太陽看起來像其中心的一小點。球體表面的每一點到球心的距離都一樣,太陽的影響力(亦即「力場」)應該是同樣分布在球體的表面。

現在,再想像一個球體是剛剛那個球體的兩倍大。幾何定律告訴我們,球體的半徑加倍時,表面積會變成原來的四倍,所以這時太陽引力是分布在四倍的表面積上。如此可以推斷,在那個四倍大的表面積上的任一點,太陽的引力是之前那個球體的四分之一。反平方定律就是這樣運作的:離得愈遠,施力跟著距離平方成反比。

-----廣告,請繼續往下閱讀-----
克卜勒完成了《新天文學》的手稿:他運用幾何速率法則,假定軌道是蛋形軌道,開始計算火星的整體軌道。圖/wikipedia

哈雷和同仁懷疑克卜勒定律的背後存在著反平方定律,但是他們怎麼證明呢?其中一人說他可以證明,那個人就是虎克。另一人是克里斯多佛.雷恩(Christopher Wren),如今最為人知的身分是建築師,但他也是知名的天文學家。他跟虎克打賭,要是虎克能證明出來,他就給他獎金。但虎克婉拒了,他向來以個性反骨著稱,不過他婉拒的理由令人懷疑:他說,他暫時不想揭露證明,他想讓大家先去嘗試,嘗試失敗後才會知道那個證明有多難。或許虎克真的已經解開問題了,或許他也設計出可以飛往金星的飛船了,但總之他從未揭露證明。

那場會議結束七個月後,哈雷正巧來到劍橋,他決定去探望孤僻的牛頓教授。牛頓就像虎克一樣,宣稱他也做了研究,可以證明哈雷的上述臆測。但牛頓也跟虎克一樣,其實沒有證明出來。他故意翻箱倒篋找了一下文件,就是找不到他的證明,但他承諾會好好找一下,之後再寄給哈雷。過了幾個月,哈雷沒收到任何東西,你可以想見哈雷當時作何感想。他問了兩位頗具聲望的成年人,能不能解開一個問題,其中一人說:「我知道答案,但我不要講出來!」另一人的回應彷彿是說:「狗吃掉了我的作業!」所以雷恩的獎金始終發不出去。

牛頓後來確實找到證明了,但他又仔細看了一遍,發現那個證明有誤。他並未放棄,而是著手重新研究,最後成功了。那年十一月,他寄給哈雷九頁的論文,以顯示克卜勒的三個定律其實都是「引力的反平方定律」的數學推論。他把那篇短文稱為〈論天體的軌道運動〉(De Motu Corporum in Gyrum)。

〈論天體的軌道運動〉(De Motu Corporum in Gyrum)手稿。圖/UCI

哈雷非常興奮,他看出牛頓的論證充滿了革命性,希望英國皇家學會能把它發表出來,但牛頓反對,他說:「既然我開始研究這個議題了,我想徹底探究以後再發表論文。 」由於後來牛頓投注了極大的心力,發表的成果稱得上是史上最重大的學術論著,他那句話聽起來可謂史上最輕描淡寫的回應。牛頓後來「徹底探究」的結果,是證明行星軌道的根本原理,就是可以套用在一切物體上(包括天體和地球上的物體)的運動定律和力學定律。

-----廣告,請繼續往下閱讀-----

後續的十八個月,牛頓撇開一切雜務,專注地延伸那篇論文,把它擴增成後來的《原理》。他就像物理學機器一樣,一旦投入一項主題,就廢寢忘食,這是他從以前就養成的習慣。據說,他的貓變得很胖,因為他直接把飼料堆在牠的盤子裡。他以前的大學室友說過,他早上看到牛頓時,通常會發現他依然在昨晚的位置上努力解著同一個問題。不過,這一次,牛頓又變得更極端了,他幾乎完全不跟任何人接觸,足不出戶。偶爾幾次出門,是去大學的食堂,站著吃一兩口東西,就立刻趕回家繼續奮戰。

圖/Dan Perry@Flickr

最後牛頓關閉了煉金術實驗室,也擱下了神學探索。他還是繼續按照規定講課,但講課內容艱澀難懂,後來大家才知道原因:牛頓每堂課都是拿《原理》的草稿來授課。


 

 

本文摘自《科學大歷史:人類從走出叢林到探索宇宙, 從學會問「為什麼」到破解自然定律的心智大躍進》漫遊者文化出版。

文章難易度
所有討論 1
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
0

文字

分享

0
0
0
民眾黨是未來台灣政治的樞紐?
林澤民_96
・2024/01/30 ・3382字 ・閱讀時間約 7 分鐘

一、前言

選後的立法院三黨不過半,但民眾黨有八席不分區立委,足以與民進黨或國民黨結成多數聯盟,勢將在國會居於樞紐地位。無獨有偶的是:民眾黨主席柯文哲在總統大選得到 26.5% 的選票,屈居第三,但因其獲得部分藍、綠選民的支持,在選民偏好順序組態的基礎上,它卻也同樣地居於樞紐地位。這個地位,將足以讓柯文哲及民眾黨在選後的台灣政壇持續激盪。

二、柯文哲是「孔多塞贏家」?

這次總統大選,誰能脫穎而出並不是一個特別令人殷盼的問題,更值得關心的問題是藍白綠「三跤㧣」在選民偏好順序組態中的消長。台灣總統大選採多數決選制,多數決選制英文叫 first-past-the-post(FPTP),簡單來講就是票多的贏,票少的輸。在 10 月中藍白合破局之後,賴蕭配會贏已經沒有懸念,但這只是選制定規之下的結果,換了另一個選制,同樣的選情可能就會險象環生。

從另一個角度想:選制是人為的,而選情反映的是社會現實。政治學者都知道天下沒有十全十美的選制;既定的選制推出了一位總統,並不代表選情的張力就會成為過眼雲煙。當三股社會勢力在制度的帷幕後繼續激盪,台灣政治將無法因新總統的誕生而趨於穩定。

圖/作者自製

如果在「三跤㧣」選舉之下,選情的激盪從候選人的得票多少看不出來,那要從哪裡看?政治學提供的一個方法是把候選人配對 PK,看是否有一位候選人能在所有的 PK 中取勝。這樣的候選人並不一定存在,如果不存在,那代表有 A 與 B 配對 A 勝,B 與 C 配對 B 勝,C 與 A 配對 C 勝的 A>B>C>A 的情形。這種情形,一般叫做「循環多數」(cyclical majorities),是 18 世紀法國學者孔多塞(Nicolas de Condorcet)首先提出。循環多數的存在意涵選舉結果隱藏了政治動盪。

-----廣告,請繼續往下閱讀-----

另一方面,如果有一位候選人能在配對 PK 時擊敗所有的其他候選人,這樣的候選人稱作「孔多塞贏家」(Condorcet winner),而在配對 PK 時均被擊敗的候選人則稱作「孔多塞輸家」(Condorcet loser)。三角嘟的選舉若無循環多數,則一定會有孔多塞贏家和孔多塞輸家,然而孔多塞贏家不一定即是多數決選制中贏得選舉的候選人,而多數決選制中贏得選舉的候選人卻可能是孔多塞輸家。

如果多數決選制中贏得選舉的候選人不是孔多塞贏家,那與循環多數一樣,意涵選後政治將不會穩定。

那麼,台灣這次總統大選,有沒有孔多塞贏家?如果有,是多數決選制之下當選的賴清德嗎?我根據戴立安先生調查規劃的《美麗島電子報》追蹤民調第 109 波(1 月 11 日至 12 日),也是選前最後民調的估計,得到的結果令人驚訝:得票墊後的柯文哲很可能是孔多塞贏家,而得票最多的賴清德很可能是孔多塞輸家。果然如此,那白色力量將會持續地激盪台灣政治!

我之前根據美麗島封關前第 101 波估計,侯友宜可能是孔多塞贏家,而賴清德是孔多塞輸家。現在得到不同的結果,顯示了封關期間的三股政治力量的消長。本來藍營期望的棄保不但沒有發生,而且柯文哲選前之夜在凱道浩大的造勢活動,還震驚了藍綠陣營。民調樣本估計出的孔多塞贏家本來就不準確,但短期內的改變,很可能反映了選情的激盪,甚至可能反映了循環多數的存在。

-----廣告,請繼續往下閱讀-----

三、如何從民調樣本估計孔多塞贏家

根據這波民調,總樣本 N=1001 位受訪者中,如果當時投票,會支持賴清德的受訪者共 355 人,佔 35.4%;支持侯友宜的受訪者共 247 人,佔 24.7%。支持柯文哲的受訪者共 200 人,佔 19.9%。

美麗島民調續問「最不希望誰當總統,也絕對不會投給他的候選人」,在會投票給三組候選人的 802 位支持者中,一共有 572 位對這個問題給予了明確的回答。《美麗島電子報》在其網站提供了交叉表如圖:

根據這個交叉表,我們可以估計每一位明確回答了續問的受訪者對三組候選人的偏好順序,然後再依這 572 人的偏好順序組態來判定在兩兩 PK 的情形下,候選人之間的輸贏如何。我得到的結果是:

  • 柯文哲 PK 賴清德:311 > 261(54.4% v. 45.6%)
  • 柯文哲 PK 侯友宜:287 > 285(50.2% v. 49.8%)
  • 侯友宜 PK 賴清德:293 > 279(51.2% v. 48.8%)

所以柯文哲是孔多塞贏家,賴清德是孔多塞輸家。當然我們如果考慮抽樣誤差(4.1%),除了柯文哲勝出賴清德具有統計顯著性之外,其他兩組配對可說難分難解。但在這 N=572 的小樣本中,三位候選人的得票率分別是:賴清德 40%,侯友宜 33%,柯文哲 27%,與選舉實際結果幾乎一模一樣。至少在這個反映了選舉結果的樣本中,柯文哲是孔多塞贏家。依多數決選制,孔多塞輸家賴清德當選。

-----廣告,請繼續往下閱讀-----

不過以上的分析有一個問題:各陣營的支持者中,有不少人無法明確回答「最不希望看到誰當總統,也絕對不會投給他做總統」的候選人。最嚴重的是賴清德的支持者,其「無反應率」(nonresponse rate)高達 34.5%。相對而言,侯友宜、柯文哲的支持者則分別只有 24.1%、23.8% 無法明確回答。為什麼賴的支持者有較多人無法指認最討厭的候選人?一個假設是因為藍、白性質相近,對許多綠營選民而言,其候選人的討厭程度可能難分軒輊。反過來說,藍、白陣營的選民大多數會最討厭綠營候選人,因此指認較無困難。無論如何,把無法明確回答偏好順序的受訪者歸為「遺失值」(missing value)而棄置不用總不是很恰當的做法,在這裡尤其可能會造成賴清德支持者數目的低估。

補救的辦法之一是在「無法明確回答等於無法區別」的假設下,把「遺失值」平分給投票對象之外的其他兩位候選人,也就是假設他們各有 1/2 的機會是無反應受訪者最討厭的候選人。這樣處理的結果,得到

  • 柯文哲 PK 賴清德:389 > 413(48.5% v. 51.5%)
  • 柯文哲 PK 侯友宜:396 > 406(49.4% v. 50.6%)
  • 侯友宜 PK 賴清德:376 > 426(46.9% v. 53.1%)

此時賴清德是孔多塞贏家,而柯文哲是孔多塞輸家。在這 N=802 的樣本中,三位候選人的得票率分別是:賴清德 44%,侯友宜 31%,柯文哲 25%。雖然依多數決選制,孔多塞贏家賴清德當選,但賴的得票率超過實際選舉結果(40%)。用無實證的假設來填補遺失值,反而造成賴清德支持者數目的高估。

如果擔心「無法明確回答等於無法區別」的假設太勉強,補救的辦法之二是把「遺失值」依有反應受訪者選擇最討厭對象的同樣比例,分給投票對象之外的其他兩位候選人。這樣處理的結果,得到

-----廣告,請繼續往下閱讀-----
  • 柯文哲 PK 賴清德:409 > 393(51.0% v. 49.0%)
  • 柯文哲 PK 侯友宜:407 > 395(50.8% v. 49.2%)
  • 侯友宜 PK 賴清德:417 > 385(52.0% v. 48.0%)

此時柯文哲又是孔多塞贏家,而賴清德又是孔多塞輸家了。這個樣本也是 N=802,三位候選人的得票率分別是:賴清德 44%,侯友宜 31%,柯文哲 25%,與上面的結果一樣。

以上三種無反應處理方法都不盡完美。第一種把無反應直接當遺失值丟棄,看似最不可取。然而縮小的樣本裡,三位候選人的支持度與實際選舉結果幾乎完全一致。後兩種以不同的假設補足了遺失值,但卻過度膨脹了賴清德的支持度。如果以樣本中候選人支持度與實際結果的比較來判斷遺失值處理方法的效度,我們不能排斥第一種方法及其結果。

無論如何,在缺乏完全資訊的情況下,我們發現的確有可能多數決輸家柯文哲是孔多塞贏家,而多數決贏家賴清德是孔多塞輸家。因為配對 PK 結果缺乏統計顯著性,我們甚至不能排除循環多數的存在。此後四年,多數決選制產生的總統能否在三角嘟力量的激盪下有效維持政治穩定,值得我們持續觀察。

四、結語

柯文哲之所以可以是孔多塞贏家,是因為藍綠選民傾向於最不希望對方的候選人當總統。而白營的中間偏藍位置,讓柯文哲與賴清德 PK 時,能夠得到大多數藍營選民的奧援而勝出。同樣的,當他與侯友宜 PK 時,他也能夠得到一部份綠營選民的奧援。只要他的支持者足夠,他也能夠勝出。反過來看,當賴清德與侯友宜 PK 時,除非他的基本盤夠大,否則從白營得到的奧援不一定足夠讓他勝出。民調 N=572 的樣本中,賴清德得 40%,侯友宜得 33%,柯文哲得 27%。由於柯的支持者討厭賴清德(52.5%)遠遠超過討厭侯友宜(23.7%),賴雖然基本盤較大,能夠從白營得到的奧援卻不多。而侯雖基本盤較小,卻有足夠的奧援。柯文哲之所以成為孔多塞贏家,賴清德之所以成為孔多塞輸家,都是這些因素的數學結果。

-----廣告,請繼續往下閱讀-----

資料來源

討論功能關閉中。

林澤民_96
37 篇文章 ・ 243 位粉絲
台大電機系畢業,美國明尼蘇達大學政治學博士, 現任教於美國德州大學奧斯汀校區政府系。 林教授每年均參與中央研究院政治學研究所及政大選研中心 「政治學計量方法研習營」(Institute for Political Methodology)的教學工作, 並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。 林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。

1

0
1

文字

分享

1
0
1
秋季星空中一抹光亮:北落師門殘屑盤的觀測史——《科學月刊》
科學月刊_96
・2024/01/19 ・4118字 ・閱讀時間約 8 分鐘

  • 謝承安/ EASY 天文地科團隊成員,因喜愛動畫《戀愛中的小行星》開始研究小行星,現就讀臺大物理系。
  • 林彥興/清大天文所碩士, EASY 天文地科團隊總編輯,努力在陰溝中仰望繁星。
  • Take Home Message
    • 殘屑盤是恆星周遭的盤狀結構,由於北落師門殘屑盤離地球僅 25 光年,數十年來天文學家時常會藉由觀測它以了解殘屑盤的特性。
    • 去(2023)年韋伯望遠鏡的觀測結果與過去不同,顯示北落師門殘屑盤其實分成多個部分,更讓他們相信北落師門中有多個行星環繞。
    • 韋伯望遠鏡提供的影像還揭露許多來源未知的構造及現象,例如內側殘屑盤與內側裂縫等,都有待繼續探索。

北落師門(Fomalhaut)又稱南魚座 α 星,是秋季星空中著名的亮星之一。去年 5 月,以美國亞利桑那大學(University of Arizona)天文學家加斯帕(András Gáspár)為首的研究團隊在《自然天文學》(Nature Astronomy)期刊上發表,他們藉由詹姆士.韋伯太空望遠鏡(James Webb Space Telescope, JWST,簡稱韋伯望遠鏡),在北落師門周圍殘屑盤(debris disk)中首次發現了「系外小行星帶」的存在。韋伯望遠鏡拍下美麗的照片,也瞬間席捲各大科學與科普媒體的版面(圖一)。

圖一:韋伯望遠鏡在波長約 25 微米(μm)的中紅外線拍攝的北落師門影像,首次呈現北落師門殘屑盤中的三層結構。(NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

天文學家選擇北落師門作為目標並非偶然。半個世紀以來,北落師門一直是天文學家研究殘屑盤時的首選目標之一。韋伯望遠鏡的新影像為我們帶來什麼新發現?過去與現在的觀測方式又有什麼差異?本文將帶著大家一起回顧北落師門殘屑盤的觀測史。

行星相互碰撞後的殘屑盤

殘屑盤是環繞在恆星周遭,由顆粒大小不一的塵埃所組成的盤狀結構。如果讀者們聽過行星形成的故事,也知道行星是從恆星四周、由氣體與塵埃組成的「原行星盤」(protoplanetary disk)中誕生,那你或許會認為殘屑盤可能就是行星形成後剩下的塵埃。但實際上並非如此,在恆星形成初期的數百萬年間,原行星盤中的氣體和塵埃會被恆星吸積或是吸收恆星輻射的能量後蒸發,同時也會聚集成小型天體或行星,這些原因都會使原行星盤消散。而殘屑盤則是由盤面上的小行星等天體們互相碰撞後,產生的第二代塵埃組成(圖二)。

圖二:殘屑盤想像圖(NASA/JPL-Caltech)

這些塵埃發光的機制主要有兩種。第一,塵埃本身可以散射來自母恆星的星光,從而讓天文學家能在可見光與近紅外波段看到它們。第二,塵埃在吸收來自恆星的星光之後,以熱輻射的形式將這些能量重新釋放。由於恆星的光強度與距離成平方反比,愈靠近恆星,塵埃的溫度就愈高,因此發出的輻射以近紅外線為主;反之,愈是遠離恆星,塵埃的溫度就愈低,發出的光就以中遠紅外線為主。

-----廣告,請繼續往下閱讀-----

觀測目標:北落師門

北落師門殘屑盤的觀測始於 1983 年。當時,美國國家航空暨太空總署(National Aeronautics and Space Administration, NASA)的紅外線天文衛星(Infrared Astronomical Satellite, IRAS)發現北落師門在紅外線波段的亮度異常高,代表周圍很可能有殘屑盤圍繞。由於北落師門離地球僅約 25 光年,這項發現引起眾多天文學家的關注,並在未來數十年前仆後繼地拿出各波段最好的望遠鏡,希望藉此深入了解殘屑盤的特性。其中,哈伯太空望遠鏡(Hubble Space Telescope, HST,簡稱哈伯望遠鏡)、阿塔卡瑪大型毫米及次毫米波陣列(Atacama Large Millimeter/submillimeter Array, ALMA)與韋伯望遠鏡擁有非常好的空間解析度,因此能夠清楚地觀測殘屑盤的結構。

● 哈伯的觀測

2008 年, NASA 公布哈伯望遠鏡在 2004 與 2006 年對北落師門的觀測結果(圖三),讓天文學家首次清晰地看到北落師門殘屑盤的影像。這張照片是哈伯望遠鏡以日冕儀(coronagraph)在 600 奈米(nm)的可見光波段下拍攝,中間的白點代表北落師門的位置,而周圍的環狀亮帶正是因散射的北落師門星光而發亮的殘屑盤,放射狀的條紋則是日冕儀沒能完全消除的恆星散射光。除此之外,天文學家還發現有一個亮點正圍繞著北落師門運行,並認為此亮點可能是一顆圍繞北落師門的行星,於是將它命名為「北落師門 b 」。很可惜在往後的觀測中,天文學家發現北落師門 b 漸漸膨脹消散,到 2014 年時就已經完全看不見了。因此它很可能只是一團塵埃,而非真正的行星。

圖三:哈伯望遠鏡於 2008 年公布的北落師門。中間白點代表北落師門的位置,周圍環狀亮帶是因散射北落師門的星光而發亮的殘屑盤,放射狀條紋則是沒完全消除的恆星散射光。右下角亮點當時被認為是圍繞北落師門的行星,但很可能只是塵埃。(Ruffnax (Crew of STS-125);NASA, ESA, P. Kalas, J. Graham, E. Chiang, and E. Kite (University of California, Berkeley), M. Clampin (NASA Goddard Space Flight Center, Greenbelt, Md.), M. Fitzgerald (Lawrence Livermore National Laboratory, Livermore, Calif.), and K. Stapelfeldt and J. Krist (NASA Jet Propulsion Laboratory, Pasadena, Calif.)

● ALMA 的觀測

ALMA 對北落師門的完整觀測於 2017 年亮相,他們展示出更加清晰漂亮的環狀結構,且位置與哈伯望遠鏡的觀測吻合。正如前面提到,殘屑盤中的塵埃溫度愈低,放出的輻射波長就愈長。因此 ALMA 在 1.3 毫米(mm)波段觀測到的影像,主要來自離殘屑盤中恆星最遠、最冷的部分。

圖四: ALMA 於 2017 年拍攝的北落師門殘屑盤,展示出清晰漂亮的環狀結構。(Sergio Otárola|ALMA (ESO/NAOJ/NRAO);M. MacGregor)

● 韋伯望遠鏡的觀測

最後則要來看去年韋伯望遠鏡所使用中紅外線儀(mid-infrared instrument, MIRI)拍攝的影像(圖五)。與之前的觀測不同,這次的影像顯示北落師門的殘屑盤其實分成幾個部分:

-----廣告,請繼續往下閱讀-----
圖五:韋伯望遠鏡在 25 微米波段觀測到的北落師門殘屑盤。(NASA GSFC/CIL/Adriana Manrique Gutierrez;NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

首先,哈伯望遠鏡與 ALMA 之前就已觀測到的塵埃環,它的半徑約 136~150 天文單位(AU)、寬約 20~25 AU,而溫度則落在約 50~60 K,與太陽系的古柏帶(Kuiper belt)十分相似,因此被稱為「類古柏帶環」(KBA ring)。雖然在觀測上的溫度相似,但其實此塵埃環與北落師門的距離是古柏帶到太陽的四倍;不過北落師門光度約為太陽的 16 倍,根據前述提及的平方反比關係,才導致兩者的溫度相近。此外,在更外層名為「暈」(halo)的黯淡結構則對應古柏帶外圍天體密度較低的區域。

再來,韋伯望遠鏡還發現了更多未解的謎團:內側殘屑盤(inner disk)與中間環(intermediate ring)。其實早在本次韋伯望遠鏡的觀測之前,天文學家就已經從北落師門的光譜推測,北落師門的殘屑盤中除了存在前面提過的類古柏帶環之外,應該還有另一批更靠近恆星、溫度更高的塵埃,溫度與大小對應太陽系中的環狀小行星帶。但當韋伯望遠鏡實際觀測後,卻發現與太陽系的環狀小行星帶相比,北落師門有著相當瀰散的內側殘屑盤。為什麼會有這樣的不同呢?目前天文學家也不清楚,仍待進一步研究。

最後,在類古柏帶環與內側殘屑盤之間,還存在著一個半長軸約 104 AU 的「中間環」,在太陽系中則沒有對應的結構,這項新發現也需要進一步的研究來了解它的來源。

此外,雖然北落師門 b 最終被證實並不是一顆行星,但這並不代表北落師門旁沒有行星環繞。最初,殘屑盤的形成原因是由小行星等天體不斷碰撞所產生,經過不斷地碰撞合併,其實就有可能已經產生直徑數百到數千公里的行星。從北落師門的殘屑盤還可以推論,在內側殘屑盤與中間環之間可能有一顆海王星質量以上的行星,它就像鏟雪車般清除軌道上的塵埃,從而產生「內側裂縫」(inner gap)的結構。

-----廣告,請繼續往下閱讀-----

另一方面,天文學家也藉由數值模擬發現,如果僅考慮來自北落師門的重力影響,類古柏帶環應該要比觀測到的更寬才對。因此他們推測,很可能在類古柏帶環內外兩側有兩顆行星,像控制羊群的牧羊犬一樣以自身的重力限制塵埃移動,才產生了這麼細的塵埃環。

● 更多的殘屑盤觀測

北落師門雖然是一顆年齡僅4.4億年的年輕恆星,卻已經是一個擁有殘屑盤、形成行星的成熟恆星系統。而來自韋伯望遠鏡的最新觀測結果,無疑讓天文學家更深入地認識殘屑盤中複雜的結構,也更令他們相信北落師門系統中有多個行星環繞。

不過,北落師門系統仍舊有許多未解之謎。例如為什麼太陽系有著環狀的小行星帶,北落師門卻是瀰散的內側殘屑盤?在無數的恆星中,究竟是太陽系還是北落師門的殘屑盤構造比較常見?殘屑盤中是否有行星存在?如果有,在北落師門的演化歷史中又扮演著怎樣的角色呢?這些問題都有待更多的觀測與理論模擬來解答。

在北落師門之後,觀測團隊預計將韋伯望遠鏡指向天琴座的織女星(α Lyr, Vega),以及位於波江座的天苑四(ε Eri),兩者都是離地球非常近且擁有殘屑盤的恆星。其中織女星的溫度與質量比北落師門更大,而天苑四的質量與溫度雖然比太陽小,卻有強烈的磁場活動。藉由觀測不同系統中殘屑盤的性質差異,並與太陽系進行對比,不僅能更加認識殘屑盤的起源、與行星的交互作用,更能理解我們自己的恆星系中,數百萬顆的太陽系小天體從何而來。

-----廣告,請繼續往下閱讀-----

JWST 原始資料的處理過程影片介紹,非常值得一看!

  • 〈本文選自《科學月刊》2024 年 01 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。

延伸閱讀

  1. Galicher, R. et al. (2013). Fomalhaut b: Independent analysis of the Hubble space telescope public archive data. The Astrophysical Journal, 769(1), 42.
  2. MacGregor, M. A. et al. (2017). A complete ALMA map of the Fomalhaut debris disk. The Astrophysical Journal, 842(1), 8.
  3. Gáspár, A. et al. (2023). Spatially resolved imaging of the inner Fomalhaut disk using JWST/MIRI. Nature Astronomy, 1–9.
所有討論 1
科學月刊_96
249 篇文章 ・ 3653 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。