馬約拉納費米子的偵測：解開了糾纏物理學80年的謎團——《物理雙月刊》

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

即使再怎麼模仿，AI 終究無法以與生物相同的方式思考吧？畢竟電腦的電子元件和我們大腦中的神經細胞結構截然不同。再怎麼模仿，AI 終究無法以與生物相同的方式思考吧？

錯，可以。

2024 年諾貝爾物理學獎跌破所有專家的眼鏡，頒給了兩位研究機器學習的科學家——約翰·霍普菲爾德（John Hopfield）和傑佛瑞·辛頓（Geoffrey Hinton）。他們以「人工」的方法打造了類神經網路，最終模擬出生物的「智慧」，奠定了當代深度學習的基礎。

為什麼解決人工智慧發展瓶頸的，竟然會是物理學？物理要怎麼讓 AI 更像人類？

從巴甫洛夫的狗到赫布理論：理解學習的基礎

為了解答這個疑問，我們需要一些背景知識。

20 世紀初，俄羅斯心理學家巴甫洛夫發現，狗在食物還沒入口前，就會開始分泌唾液。他進行了一系列實驗，改變食物出現前的環境，比如讓狗習慣在聽到鈴聲後馬上得到食物。久而久之，狗只要聽到鈴聲，就會開始分泌唾液。

大約 50 年後，神經科學家赫布（Donald Hebb）提出了一個假說：大腦中相近的神經元，因為經常同時放電，會產生更強的連結。這種解釋稱為「赫布理論」，不僅奠定了神經心理學的發展，更成為現代深度學習的基礎。

然而，赫布理論雖然描述了鄰近神經元的關係，卻無法解釋大腦如何建構出如此複雜的聯想網路。

霍普菲爾德網路：物理學家對神經網路的貢獻

然而，赫布理論雖能描述神經元之間的關係，卻缺乏數學模型。物理學家約翰·霍普菲爾德從數學家約翰·康威（John Conway）的「生命遊戲」（Game of Life）中獲得靈感，試圖建立一個可以在電腦上運行的記憶系統。

「生命遊戲」由數學家康威（John Conway）發明，玩家開始時有一個棋盤，每個格子代表一個細胞，細胞可以是「活」或「死」的狀態。根據特定規則，細胞會根據鄰居的狀態決定下一次的生存狀態。康威的目的是展示複雜的系統不一定需要複雜的規則。

霍普菲爾德發現，這個遊戲與赫布理論有強大的關聯性。大腦中的大量神經元，在出生時處於初始狀態，經過刺激後，神經元間的連結會產生或斷裂，形成強大的記憶系統。他希望利用這些理論，創造一個能在電腦上運行的記憶系統。

然而，他面臨一個難題：赫布理論沒有明確的數學模型來決定神經元連結的規則。而在電腦上運行，必須要有明確的數學規則。

物理學的啟發：易辛模型

霍普菲爾德從物理學的研究中找到了類似的模型：易辛模型（Ising Model）。這個模型用於解釋鐵磁性物質的磁性特性。

在鐵磁性物質中，電子具有「自旋」，自旋產生磁矩。電子的自旋方向只有「向上」或「向下」，這就像生命遊戲中細胞的「生」或「死」。鄰近的電子會影響彼此的自旋方向，類似於細胞之間的互動。

易辛模型能用數學描述電子間的相互影響，並通過計算系統能量，得出自旋狀態的分佈。霍普菲爾德借用了這個概念，將神經元的互動視為電子自旋的互動。

他結合了康威生命遊戲的時間演化概念、易辛模型的能量計算，以及赫布理論的動態連結，創造了「霍普菲爾德網路」。這讓電腦能夠模擬生物大腦的學習過程。

突破瓶頸：辛頓與波茲曼機

然而，霍普菲爾德網路並非完美。它容易陷入「局部最小值」的問題，無法找到系統的全局最優解。為了解決這個問題，加拿大計算機科學家傑佛瑞·辛頓（Geoffrey Hinton）提出了「波茲曼機」（Boltzmann Machine）。

辛頓將「模擬退火」的概念引入神經網路，允許系統以一定的機率跳出局部最小值，尋找全局最優解。他還引入了「隱藏層」的概念，將神經元分為「可見層」和「隱藏層」，提高了網路的學習能力。

受限波茲曼機（Restricted Boltzmann Machine）進一步簡化了模型，成為深度學習的基礎結構之一。這些創新使得 AI 能夠更有效地模擬人類的思維和學習過程。

AI 的未來：跨學科的融合

霍普菲爾德和辛頓的工作，將物理學的概念成功應用於人工智慧。他們的研究不僅解決了 AI 發展的瓶頸，還奠定了深度學習的基礎，對現代 AI 技術產生了深遠的影響。因此，2024 年諾貝爾物理學獎頒給他們，並非意外，而是對他們在跨學科領域的重大貢獻的肯定。

AI 的發展，離不開物理學、生物學、數學等多學科的融合。霍普菲爾德和辛頓的工作，正是這種融合的典範。未來，隨著科學技術的進步，我們有理由相信，AI 將越來越接近人類的思維方式，甚至可能超越我們的想像。

我們都感覺到相同的時間嗎？

在二十世紀之前，科學認為時間是普適的：每個人和宇宙中的一切，都感覺到相同時間。那時的假設是，你如果在宇宙裡四處擺滿了一模一樣的時鐘，那麼每個時鐘在任何時刻都會顯示相同時間。畢竟，這就是我們在日常生活中遇到的情況。想像一下，如果每個人的鐘都以不同的速度奔跑，會是多麼混亂！

但後來，愛因斯坦的相對論把空間與時間結合成「時空」^*1 概念，改變了一切。愛因斯坦強調，移動中的時鐘運行速度較慢。如果你以接近光速行駛至附近的星星，那麼你體驗的時間，將遠遠少於在地球上的時間。這並不是說你覺得時間過得很慢，像是「駭客任務」中的慢動作鏡頭那樣，而是說地球上的人和時鐘測量到的時間，會比宇宙飛船上的時鐘量到的更長。我們都以同樣的方式（以每秒一秒的節奏）體驗時間，但是如果我們彼此以相對高速移動，我們的時鐘就不會同步。

在瑞士的某個地方，製錶師剛剛心臟病發作。

一模一樣的時鐘卻以不同速度運行，似乎違背了所有的邏輯論證，但宇宙就是這樣運行的。我們知道這是真的，因為我們己經在日常生活中見證了。你的手機（或汽車、飛機）上的 GPS 接收器，會假定繞地球跑的 GPS 衛星時間走得較慢（衛星以每小時數千里的速度，在受地球巨大質量彎曲的空間中移動）。沒有這些資訊，你的 GPS 設備將無法從衛星傳輸的信號中，精確的同步和進行三角定位。關鍵是當宇宙遵循某個邏輯法則時，這些法則有時不見得如你所想。以這個案例來說，宇宙有個最高速限：光速。根據愛因斯坦的相對論，沒有任何東西、資訊甚至是外送披薩的旅行速率，可以比光跑得快。這個速率（每個時段所移動的距離）的絕對上限，會產生一些奇怪後果，並挑戰我們的時間概念。

首先，先確定我們了解這個速率限制是如何運作的。最重要的規則是：從任何角度來衡量任何人的速率時，這個速率限制都必須適用。我們說沒有什麼東西可以比光速還快時，無論你用什麼觀點來看，就是「沒有」。

所以我們來做個簡單的思考實驗。假設你坐在沙發上並打開手電筒。對你來說，手電筒的光線以光速遠離你。不過，我們是否可以把你的沙發綁在火箭上，點燃火箭然後讓沙發以驚人的速度移動呢？如果此時你打開手電筒，會發生什麼事？如果把手電筒指向火箭前方，光線是否以光速再加上火箭的速率移動呢？

我們將在第十章〈我們能以超光速移動嗎？〉花更多時間在這些想法上。但重要的是，為了讓所有觀察者（在火箭上的你和我們其他在地球上的人）看到，手電筒的光線都是以光速移動的，於是某些東西必須改變，這個東西就是「時間」。

為了幫助你理解這個概念，讓我們回到把時間當做時空第四維度的想法。這個想法有助於想像物體如何穿越時間和空間，而把宇宙速限應用在你的總速率上。如果你坐在地球上的沙發裡，你沒有穿越空間（相對於地球）的速率，所以你穿越時間的速率可以很高。

但如果你坐在火箭上，對地球而言，火箭的移動速度接近光速，那麼你穿越空間的速率是非常高的。因此，為了讓你穿越時空的總速率在相對於地球時，保持在宇宙速限之內，你的時間速率必須減少，在此所有的速率量測都使用地球上的時鐘。

還讀得下去嗎？

對於不同人可以回報不同時間長度，你可能很難接受，但這是宇宙的運作方式。更奇怪的是，人們可能會在某些情況下，看到事件以不同順序發生，而且都是正確的。舉例來說，兩位誠實的觀察者，如果以非常不同的速度移動，他們會對誰贏得直線競速賽有不同的看法。

如果你的寵物美洲駝和雪貂進行賽跑，那麼，依據你的移動速度和相對於比賽場地的距離，你可以看到心愛的美洲駝或雪貂贏得比賽。每隻寵物都會有屬於自己事件的版本，如果你的祖母能夠以接近光速的速率移動，她看到的比賽結果可能完全不同。而且，所有人都是正確的！（不過要注意的是，每個人的時間起始點都不相同。）

我們喜歡認為宇宙有絕對真實的歷史，所以不同人可以體驗不同的時間，是令人難以接受的想法。我們可以想像，原則上有人可以寫下宇宙至今發生的每一件事（這會是非常冗長的故事而且大半都超級無聊）。如果這故事存在，那麼每個人都可以根據自己的經驗來進行檢查，除非是無心之過或視力模糊，每個人讀的故事應該要一致。但愛因斯坦的相對論使得一切都是相對的，所以不同觀察者對於宇宙裡事件的先後順序，會有不同的描述。

最終我們必須放棄宇宙有絕對單一時鐘存在的想法。雖然因此我們有時會遇到違反直覺且看似荒謬的領域，但驚人的是，這種看待時間的方式已測試為真。與許多物理革命一樣，我們被迫拋棄自我的直覺，並遵循受時間主觀意識影響較小的數學之道。

時間會停止嗎？

打從一開始，人們就想排除時間會停止的概念。時間除了向前，我們從未見過它做過其他事，既然如此，時間怎麼可能還有別的選項呢？由於我們本來就不清楚為什麼時間要前進，所以很難自信的說，時間向前是永恆真理。

一些物理學家相信，時間的「箭頭」是根據熵必須增加的法則所決定。也就是說，時間的方向與熵增加的方向相同。但如果這是真的，當宇宙達到最大熵時會發生什麼事？在這樣的宇宙裡，一切都將處於平衡而且不能創造秩序。那麼，時間會在這一點停下來嗎？還是時間不再有意義？一些哲學家猜測，在這個時刻，時間的箭頭和熵增加的法則可能會逆轉過來，導致宇宙縮小到一個微小奇點。不過，這個說法比較像是深夜裡藥吃多了後激發的猜測，而不是實際的科學預測。

還有理論提出大霹靂創造了兩個宇宙，一個時間向前流逝，一個時間向後奔流。更瘋狂的理論則提出時間不只一個方向。為什麼不呢？我們可以在三個（或更多）空間方向中移動，為什麼不能有兩個或更多的時間方向？真相為何？如往常一樣，我們不知道。

註解

1. 愛因斯坦的天才並沒有展現在為事物命名上面。

——本文摘自《關於宇宙我們什麼都不知道》，2023 年 9 月，天下文化出版，未經同意請勿轉載。