從電力傳輸到磁浮列車，超導體的未來研發趨勢在哪裡？

國小高年級科普文，素養閱讀就從今天就開始!!

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文／郭雅欣
• 責任編輯／簡克志
• 美術設計／蔡宛潔

臺灣量子科技的未來

量子科技腳步不遠了，臺灣甚至為此成立了「量子國家隊」。我們身處這轉變的時刻，應該先做好準備，了解量子科技究竟包含哪些部分，又會帶來哪些影響。中央研究院應用科學研究中心張文豪特聘研究員長期研究光量子技術，並擔任量子系統推動小組執行長。

在這次中研院「研之有物」的訪談中，張文豪除了帶領我們認識光量子技術裡的關鍵外，也會談談量子國家隊在忙些什麼？能否在這股量子科技發展的浪潮中，帶領臺灣站穩腳步？

量子科技即將走入你我的生活。有一天，我們將打開以量子位元建構的量子電腦，透過量子演算法進行各種計算，並把資訊用量子傳輸的方式傳遞出去。這樣的日子可能不遠了～

為了因應量子科技時代的來臨，行政院去（2022）年 3 月宣布成立「量子國家隊」，由 17 個產學研團隊組成，包含了通用量子電腦硬體技術、光量子技術、量子軟體技術與應用開發這三大領域。同時亦成立「量子系統推動小組」進行跨部會整合，協助國家隊達成目標。

通用量子電腦硬體技術，是指開發以量子位元作為運算位元的量子電腦，在概念上接近一般電腦，有一個 CPU，有控制、讀取的晶片，可以透過程式設計得到你想做的計算。中研院的陳啟東研究員與陳應誠研究員都是此領域的計畫主持人之一。

量子軟體技術與應用開發，顧名思義是軟體及演算法的開發，也包含未來量子電腦裡必須有的量子糾錯設計，以及量子計算的應用開發，如金融、製藥與材料開發等。中研院的鐘楷閔研究員是這領域的計畫主持人之一。

光量子技術，分為「光量子計算」與「量子通訊」。光量子計算是以光作為量子位元而設計的計算系統，而量子通訊則是以光的量子態來傳遞訊息。

中研院應科中心特聘研究員張文豪長期研究光量子技術，並擔任量子系統推動小組執行長。在這次「研之有物」的訪談中，張文豪深入淺出地介紹了光量子技術，也與我們分享了許多量子國家隊的願景。

• 在量子國家隊的三大領域中，您的專長在光量子計算與量子通訊。請問光量子計算與通用量子電腦有何不同？

光量子計算系統是針對特定問題而設計，當一個光量子系統設計好之後，由於光的晶片、路徑等都已經確定下來，無法中途改變，所以，它就只能對同一種問題做計算。光量子計算的困難在於光會跑，而且是用光速在跑，不會回頭。

也就是說，光子不會中途停止，一定會把整個計算做完。所以它跟一般的量子位元不一樣，一般的量子位元做完計算可以恢復原來的狀態。光子跑完就沒了，無法暫存，如果要重啟計算，要再給予新的光子。光量子計算對於一些傳統電腦難以解決問題，例如最佳化以及取樣的問題，有很大的幫助。

• 量子通訊用的也是光量子技術，它和現在以光纖傳輸資訊，有什麼不同？

過往的光通訊是用「有沒有光」來當 0 跟 1 兩種狀態，量子通訊則是用光的量子態來當 0 跟 1，把訊息全部都用量子態編碼，這就是量子通訊的基本概念。而量子通訊的好處是因為竊取的動作會干擾量子態，因此資訊不容易被竊取，或者說外人無法在不被發現的情況下竊取資訊。這種通訊方式可以透過量子的性質本身，來保護資訊安全。

• 意思是說，量子通訊的發展不是為了讓資訊傳輸得更快，而是為了更安全？

對，其實這也牽涉到量子電腦的發展。因為量子電腦的一個重點，就是可以破解現今最常使用的密碼系統 RSA（知名的非對稱加密演算法）。雖然量子電腦可能不會那麼快發展出來，可能還要再等幾十年，但仔細想想，有沒有什麼資料其實必須保密幾十年呢？

有心人士可以現在就先截取訊息，等幾十年後有了量子電腦再來進行破解。基於這個原因，量子通訊的加密技術必須走得比量子電腦更快才行。

• 量子通訊現在發展到什麼程度了？有什麼困難點？

在目前的各種量子技術中，量子通訊應該是發展最快的，它有一些難度，但沒有量子電腦那麼難。很好的量子通訊系統，要有好的單光子光源、高效率的偵測器，以及不會破壞量子態的傳輸通道。

好的單光子光源以及偵測器都不容易製作，但是因為量子通訊很重要，所以大家開始用替代的光源，比如把雷射光降到非常弱，弱到一次只會跑出一顆光子，偵測器的效率可能也只要六七成。這樣的話，儘管不是那麼完美，但還是可以得到量子通訊的好處。

傳輸通道則是另一個困難點。訊息在傳輸過程中會慢慢衰減，所以目前的光纖每隔一段距離都有放大器，但放大器卻會對量子訊號造成干擾。清華大學褚志崧副教授團隊，為量子國家隊光量子研究團隊之一，他們就在進行這方面的研究，透過推動小組協助與中華電信建立合作，接下來就要在新竹、楊梅之間找到一條沒有經過放大器的光纖進行長距離量子通訊測試。

還有一種發展趨勢，就是往天上走，以衛星或低軌衛星來做量子通訊，這也是另一個較不受干擾的做法。

單量子的重要挑戰

量子通訊光源即便有點不盡完美，但仍可接受，不過光量子計算就不行了。光量子計算必須有良好的單光子光源及高效率的偵測器，才能正確地讓光子在系統中進行運算，並準確偵測輸出的結果。因此，「如何製造出好的單光子光源？」是張文豪以及其他光量子研究團隊的重要挑戰。

單光子光源指的是「一個時間點只會放出一個光子」的光源。從原理來說，這樣的光源是一個單一的二能階系統，也就是「基態—激發態」，當一個位於基態的電子獲得能量，躍遷到激發態，然後從激發態掉回基態時，就放出一顆特定波長的光子。

在這樣的二能階系統中，只要有一顆電子躍遷到激發態，在它還沒掉回基態前，我們無法激發另一顆電子到激發態去，張文豪形容：「所以這就像捷運的閘門，前一個沒過去之前，後一個進不來。」也因為這樣的機制，每次就只能放出一顆光子。

那麼，要在哪裡找到這樣的二能階系統呢？科學家最一開始的想法是用「單一原子」，例如鈉原子。但要把單一個原子分離出來太困難了，所以到了公元 2000 年後，科學家轉而從半導體製程上，尋找製造出單光子光源的「人造系統」，而目前有兩種最主要的做法，一個是製造「量子點」，一個是製造「缺陷」。

量子點是利用半導體製程做出的一個小體積物體，通常是將兩種不同材料疊起，因為彼此間的應力而凸起成一個「島狀物」，外面再用另一種材料包覆。這個島狀物裡面會產生類似於原子的能階，所以也被稱為「人造原子」。

除此之外，在晶體中製造出某些特定的缺陷，也能達到單一光子源的效果。這類缺陷中最常見的就是鑽石裡的「NV center」，意思是在鑽石晶體結構中，其中一個碳由氮（N）取代，這個氮的隔壁又有一個碳被拿掉，出現一個空缺（Vacuum）。這樣的缺陷裡也會產生上述的二能階系統，可以如單一原子、量子點一樣，放出單光子。

• 是否可以比較量子點與材料缺陷這兩種做法，各有什麼優缺點？

目前為止做得最好的單光子光源其實是量子點，可以產生幾乎完美的單光子，但是它必須在低溫環境下才能運作。而材料缺陷則大部分可以在室溫下運作。

我們還必須考慮單光子光源所放出的光子，是否處於我們需要的波段。舉例來說，在目前的光纖裡，光波長約在 1310～1550 奈米，因為這是損耗很低的波段。而前述的鑽石 NV center 產生的光，則固定是 600 多奈米的紅光，波長還不夠貼近光纖傳輸波段。

現在有許多團隊，都在嘗試從鑽石裡製造出其他缺陷，以符合光纖傳輸的波段，也有人開始嘗試其他材料，例如被稱為第三代半導體的碳化矽。

• 單光子光源未來還會往哪個方向發展？理想的單光子光源是什麼樣子？

我們也希望單光子光源，可以用脈衝來激發，讓光子出現的時間差都是固定的。脈衝雷射激發是像機關槍一樣，一打開光子就以相同的間隔，源源不絕地出來。更理想的情況是，我們如果能把單光子光源做成電激發的元件，就可以在我想要有光子的時候，就打出一道脈衝，產生一個光子。

以目前的半導體製程，有成功做到過打一道脈衝、換一個光子的過程，但必須在低溫操作，效率也不理想。

• 您的研究團隊最近嘗試以二維材料製造單光子光源，這部分目前有什麼進展？

我們最近使用的二維材料是六方晶格的氮化硼（hBN），用來做室溫的單光子光源。氮化硼蠻有趣的，就像二維的鑽石，寬能隙又是絕緣體，不太和其他東西起作用，裡面的缺陷也會形成單光子。

我們幾年前跟台積電合作，用化學氣相沉積（CVD）做出晶圓尺寸的大面積氮化硼，並發表在《自然》（Nature）期刊上。我們未來可以透過這技術進行「缺陷工程」，也就是控制在哪裡製造出缺陷，產生單光子輻射的陣列。例如用聚焦離子束打掉其中某些位置的原子．再透過熱處理修復。先破壞再建設，才能產生缺陷。這個技術以目前來說，還是很有挑戰性。

• 二維材料最近似乎有愈來愈火紅的趨勢？

在過往的傳統半導體研究中，往往將二維材料當成垃圾，不過現在，垃圾變成黃金了。以前這種材料是被用來當固態潤滑劑，因為層與層之間很容易剝落、滑動，根本沒甚麼用處。

但自從石墨烯出現之後，大家才意識到二維材料的好處，而且何必一定要用石墨烯？有一大堆半導體材料都是這樣一層一層的，把它們拿來做電子元件不是更好？所以現在很多人都在做二維半導體材料。

抓到了！真的是單一光子！

儘管有了製造單光子光源的方法，但該如何確認放射出來的是單一光子呢？

張文豪解釋，單光子的定義是同一時間點只放出一個光子，「所以是同一時間只有一顆，並不是真的只放出一顆。」換句話說，光子其實是像機關槍一樣，源源不絕地一直從光源放射出來的，而且每個光子之間的時間間隔也並不平均。

測量是否為單光子的方法稱為「HBT 實驗裝置」，包含一個分光鏡、兩個偵測器（D1 與 D2），以及一個可以決定要啟動計時或停止計時的計時器。

當每一個光子遇到分光鏡時，會隨機前往 D1 或 D2，如果 D1 偵測到光子，計時器就會開始計時；如果 D2 偵測到光子，則會停止計時。因為光子是隨機前往 D1 或 D2，所以每一次停止計時，可能測到是兩個、三個、或四個……不等的光子出發間隔時間。

如果有兩個光子是同時出發，且它們正好分別通過 D1、D2，那麼就會測到一組間隔時間為 0 的數據。所以相反的，如果測量出的結果中，完全沒有間隔時間為０的數據，就可以確認光源是單光子光源。

張文豪指出，HBT 實驗裝置要準確，也考驗兩個偵測器的敏銳度。「目前效率最好的是用超導體來做偵測器，不過這樣的話，偵測器也得在低溫環境。」

• 除了單光子光源與偵測器外，光量子計算還需要哪些相關的技術配合？

光量子計算還是必須在光量子晶片上運作，用的是積體光學，就像積體電路一樣，只是用波導取代電線、光子取代電子。這其中的製程必須讓光能在晶片裡前進、轉彎，做一些操作。中央大學陳彥宏特聘教授的團隊，是量子國家隊光量子研究團隊之一，主要工作就是開發光量子晶片。

• 臺灣發展量子科技的前瞻性或潛力如何？我們有什麼優勢？

臺灣早期生產很多電腦，當時我們做的事情主要是零組件的開發、組裝，所以我常笑稱是一種「偽高科技組裝業」。可是臺灣現在已經不一樣了，臺灣從這個組裝業，慢慢掌握關鍵的製程，當產業供應鏈整個建構起來之後，現在變成了全世界很重要的製造中心。

如果未來量子電腦量產，臺灣絕不可能缺席，也不能缺席。為此，我們必須知道，從零到有把一臺量子電腦建構起來需要多少技術。這是一個龐大的系統工程，需要各種人才與技術。我們要知道每個技術細節，才會知道國內各研究單位、法人，以致於工研院、經濟部和產業界，各自可以扮演什麼角色。

• 成立國家隊來發展量子科技，是為了整合資源的考量？

因為我們的人力與資源都有限，所以必須透過整合的方式，各團隊做自己擅長的部分，再用系統整合把大系統建構起來。最重要的目的，是在每一個環節把技術與人才建立起來。

我們推動小組還找了中研院天文所的王明杰研究員來當總工程師，他負責連結各團隊的不同技術，橫向整合。為什麼找上天文背景的王明杰博士？這很有趣。

第一個原因在於王明杰是超導材料與偵測器的專家，因為天文觀測裡要偵測很微弱的訊號，他們必須要發展非常靈敏的偵測器。

第二個原因是，天文研究都是國際性的大團隊，例如蓋一座大型天文台，各國不同的單位個別負責開發部分技術且為了同一個目標努力，需要有總工程師來連結各團隊所開發的技術，透過系統工程變成最後的系統。做天文觀測的人比較有這樣跨團隊組大系統的經驗，所以我們就請他來協助。

• 量子科技現在還沒有發展出產業，培養出的人才怎麼辦？

量子科技並不是全新的技術，而是範圍很廣的跨領域技術，所以你學會了這些技術，仍然可以在現有的科技產業發揮所長。等到有一天公司需要投入量子科技的時候，儘管公司老闆可能沒有量子的知識和概念，但公司裡有這些背景知識的人才就可以立即參與。

所以人才是最重要的，我們必須現在就開始把量子的 DNA 植入產業界。如果等需求出現才開始培育人才，就來不及了。

• 中研院預計在南部院區建立量子研發基地，可否談談這部分的規劃？

我們預計在 2023 年下半年進駐南部院區的研究大樓 II，建置一些製程與量測的核心設施。此外，還會蓋一棟「量子實驗大樓」，主要做一些精密的量測，也包含一部分精密製程。

未來，這個量子研發基地將會是一個提供國內產學研單位進行量子科技研究的基地，所建置的核心設施也將開放給其他研究團隊進駐使用進行研發，有點類似國家同步輻射中心，透過建置一個大型的量子科技實驗場域，讓需要的國內外團隊共同使用。

這也是希望能橫向、縱向整合資源，不要重複投資。畢竟我們資源有限，應該集合大家的力量，攜手共同邁向臺灣量子新世代。

延伸閱讀

1. 量子系統推動小組網站。
2. 工程科技推展中心（2023）。〈【多功能量子通訊網路】 褚志崧副教授｜國立清華大學物理學系〉，YouTube。
3. Lodahl P., Ludwig A., & Warburton R.（2022）。〈決定性的單光子源〉（張鳳吟翻譯）， 《物理雙月刊》。
4. 王志洋、陳啟東（2021）。〈量子世代產學佈局〉，《科學人》。
5. 科技魅癮（2022）。〈量子新時代｜全國70位科學家的超強大腦，如何一起推動量子計畫〉，YouTube。
6. 陳彥宏（2021）。〈量子光電晶片將延續臺灣半導體晶片的榮耀〉，《臺灣研究亮點》。
7. 郭雅欣（2019）。〈量子電腦到底有多霸氣？即將引爆終極密碼戰？！〉，《研之有物》。
8. 林婷嫻（2017）。〈量子電子元件 hen 夯，但如何掌握像情人心難測的量子位元？〉，《研之有物》。
9. 張文豪、徐子民（2006）。〈半導體量子光學〉， 《物理雙月刊》。
10. 張文豪、徐子民（2004）。〈單量子點光譜技術的介紹與應用〉，《科儀新知》。
11. Gillis, A. S. (2022, January 28). quantum cryptography. TechTarget.
12. Shaik, A. B. D. a. J. W. I., & Palla, P. (2021). Optical quantum technologies with hexagonal boron nitride single photon sources. Scientific Reports, 11(1).
13. Ishii, S., Saiki, S., Onoda, S., Masuyama, Y., Abe, H., & Ohshima, T. (2021). Ensemble Negatively-Charged Nitrogen-Vacancy Centers in Type-Ib Diamond Created by High Fluence Electron Beam Irradiation. Quantum Beam Science, 6(1), 2.
14. Chen, T. A., Chuu, C. P., Tseng, C. C., … Chang, W. H., & Li, L. J. (2020). Wafer-scale single-crystal hexagonal boron nitride monolayers on Cu (111). Nature, 579(7798), 219–223.

國小高年級科普文，素養閱讀就從今天就開始!!

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｜簡克志
• 美術設計｜林洵安

機器學習輔助材料設計

為了 2050 淨零排放的目標，太陽能發電為不可或缺的再生能源之一，其中「鈣鈦礦太陽能電池」是近年最熱門的研究領域，不僅成本低廉、光電轉換效率也可達到 25%。然而，鈣鈦礦材料在環境中容易降解，影響使用壽命。材料科學家為了做出效能好又穩定的鈣鈦礦「料理」，無不卯足了勁，替這道菜加上各種「食材」，但是越複雜的菜，調出好味道就越困難。人腦畢竟有限，如果交給機器呢？中央研究院「研之有物」專訪院內應用科學研究中心包淳偉研究員，他與團隊訓練了一套機器學習模型，可以又快又準的找出複雜鈣鈦礦材料的最佳化條件！

光電好夥伴：複雜鈣鈦礦材料

對太陽能電池來說，鈣鈦礦材料具有優異的光電性質和低生產成本，近年也廣泛應用在 LED、雷射、光感測器和光觸媒。

鈣鈦礦是什麼呢？最初是指鈣與鈦的氧化物 CaTiO₃，而現在常講的「鈣鈦礦材料」為一種統稱，泛指擁有相似結構的金屬鹵化物材料，通式為 ABX₃。要調配出優秀的鈣鈦礦材料並不容易，科學家必須像大廚一樣，運用各種「食材」煮出 ABX₃。

鈣鈦礦材料 ABX₃ 的「食材」有哪些？

• A 的位置：可放入 +1 價的有機或無機陽離子，例如甲胺（CH₃NH₃⁺，簡稱 MA）、甲脒（HC(NH₂)₂⁺，簡稱 FA）或銫離子（Cs⁺）。
• B 的位置：可放入 +2 價的無機金屬陽離子，通常是鉛離子（Pb²⁺）。
• X 的位置：可放入 -1 價的鹵素陰離子，如碘（I^–）、溴（Br^–）、或氯（ Cl^–）離子。

由於鈣鈦礦材料在環境中容易降解、影響使用壽命。研究發現，添加多種有機和無機離子的鈣鈦礦太陽能電池可大幅提升性能和穩定性，因此科學家為了調配出最好的鈣鈦礦材料，加料不手軟，成份也愈來愈複雜。

在眾多複雜鈣鈦礦材料中，包淳偉研究員探討的是 MA_yFA_1−yPb(Br_xI_1−x)₃ ，下標符號 y 和 1-y 表示相對含量，如果 MA 佔 60%、FA 就是 40%，因為 MA 和 FA 會競爭同一個位置；同理 Br 和 I 亦然。

問題來了，MA_yFA_1−yPb(Br_xI_1−x)₃ 這個材料這麼複雜，比例要怎麼配比較好呢？「你累積的經驗越多，你就猜得越準」，包淳偉說道。

2016 年曾經有國外團隊為了找出離子濃度配方與 MA_yFA_1−yPb(Br_xI_1−x)₃ 元件性能的關係，不惜花重本「土法煉鋼」，分別將兩組相對含量 7 等分（0, 1/6, 2/6, 3/6, 4/6, 5/6, 1），做出 49 種不同的鈣鈦礦太陽能電池，再去測量光電轉換效率，得出最佳比例為 MA_2/6FA_4/6Pb(Br_1/6I_5/6)₃ 。

然而，爲何這樣的濃度配方可以得到最佳元件呢？很遺憾的，實驗團隊由於實驗表徵手段的限制，並不能解答這個重要的基礎問題。因此，實驗團隊仍然需要學生們焚膏繼晷地爆肝，用試誤法（trial and error）把最佳配方「踹」（try）出來。

不過，一直反覆試誤並非好方法，畢竟每做一次實驗就是一次成本。因此，科學家也設法從理論模擬著手，包淳偉強調「模擬的好處是可以在電腦空間中創造一個最純淨的系統。」，而原子尺度模擬，更可以達到原子級的解析度，提供許多實驗無法量測的資訊。

要如何模擬一個材料系統？

材料科學注重製程（Process）、性質（Property）和結構（Structure）之間的關係。當我們對結構不夠瞭解時，往往只能透過不同的製程參數，慢慢做出我們想要的性質，可能在失敗多次之後，才能抓到一些訣竅。

理論模擬幫助科學家在做出樣品之前，先建立能量模型，找出能量最低、最穩定的微結構。當我們了解結構之後，可以避免有問題的製程參數設定，進而得到較好的材料性質。

首先，如果要知道材料性質，有個最精準也最耗時的方法：「第一原理計算」，只用量子力學原理，從頭開始把原子間的作用力和能量計算出來。

因為計算繁瑣，應用上只能模擬 1 奈米以內（10^-9 公尺）的三維材料，抓到數個皮秒（10^-12 秒）內的原子狀態，若再往外擴展所耗費的時間和成本難以想像。

相對地，計算材料性質也有省時省力的方法：「分子動力學模擬」，運用古典的牛頓力學，搭配統計力學去計算系統的微觀結構和能量。

分子動力學模擬大約可以模擬 100 奈米內的三維材料，抓到數個微秒（10^-6 秒）內的原子狀態，可模擬的系統尺寸和時間都比第一原理計算要來得多！可惜準確度對於現在化學組成高度複雜的新穎材料而言是一個極大的挑戰。

有沒有一種方法，可以做到又快又準呢？有有有！它就是近年大熱門的「機器學習」！

時間就是金錢，請愛用機器學習！

當包淳偉看到 2016 年國外團隊的 MA_yFA_1−yPb(Br_xI_1−x)₃ 鈣鈦礦研究之後，他認為「結構」這塊還有很多地方可以討論，如果透過理論模擬，先找出最低能量的微結構，或許就能更有效率地探索離子濃度空間，找出決定最佳配方的關鍵要素！

由於第一原理計算和分子動力學模擬都不夠好用，包淳偉就將念頭轉到近年熱門的「機器學習」，他和團隊就先從簡單的 PbI₂ 開始，慢慢做到複雜的鈣鈦礦材料。一開始包淳偉的團隊使用布朗大學開發的原子尺度機器學習套件（Atomistic Machine-learning Package, AMP）來進行訓練與測試，然而，由於 AMP 套件性能無法達到預期，包淳偉團隊就走上了自行開發機器學習分子動力學模擬程式的不歸路。

訓練神經網路模型時，包淳偉採用第一原理計算的結果當作機器學習素材，並設計函數進行反饋校正，直到預測的原子能量誤差遠小於熱擾動。

這套神經網路模型如何運作？先輸入原子座標（位置向量 r），再換算成「原子指紋」（特徵向量 G，表示該原子與其他原子之間獨一無二的相對關係），之後透過神經網路，快速輸出整個材料系統的原子能量和作用力。

從輸入到輸出，要模擬原子走一個步階（註 1）有多快？假設以 2000 顆原子的計算量來看，自行開發的機器學習方法只要約 0.1 秒，第一原理計算則要花費 3 小時，足足快了十萬倍（註 2）！

AI 告訴我們什麼？

包淳偉團隊成功訓練出來的神經網路模型，可以在 2,000 顆原子左右的材料系統上進行數百萬種可能的原子排列採樣，並計算出複雜鈣鈦礦材料的最低能量結構，模擬出不同原子在材料中最穩定的位置、它們的振動，以及它們受到擠壓時會怎麼跑。

多虧了神經網路的快速計算，即使是 MA_yFA_1−yPb(Br_xI_1−x)₃ 這麼複雜的系統也能處理，跑了將近 1 百萬次結構模擬，得出不同成份比例下 81 種最低能量的微結構（如下圖），這是第一原理計算絕對跑不出來的成果。

找出系統最低能量的原子組態還不夠，包淳偉團隊想要進一步檢驗鈣鈦礦材料 MA_yFA_1−yPb(Br_xI_1−x)₃ 是否能穩定地保持混合狀態，因此計算不同濃度成份下的離子混合能 E_mix（如下圖）。

• 混合能是負的，表示系統會傾向混合在一起，這也是材料學家想要的微結構，系統會維持單一固溶相，原子和原子之間「和平共處」。
• 混合能是正的，表示系統會傾向分離成不同成分的「相」（Phase），材料不能保持穩定的混合狀態，會析出相異固溶相，產生許多缺陷。

從 MA_yFA_1−yPb(Br_xI_1−x)₃ 混合能分布初步來看，Br 濃度（C_Br）或 MA 濃度（C_MA）越高的時候，混合能就越高，系統越容易析出相異的固溶相。

除了混合能之外，研究團隊更進一步檢驗了不同濃度成份下的其他結構參數，例如短程有序參數 α_A-B（正值表示 A-B 析出；負值表示 A-B 混合）、晶格扭曲 η_s（shear strain）與晶格畸變 η_v（volumetric strain），觀察析出化合物時，是否真的會改變晶格的幾何結構。

為了將模擬結果和實際情況對照，包淳偉再將模擬出來的結構以第一原理計算出不同濃度成份下的材料能隙（E_g），以及用內差法比對 2016 年國外團隊的實驗數據，得出不同濃度成份下的元件短路電流（J_sc）和光電轉換效率（power conversion efficiency, PCE）。

有了這些關鍵數據，我們終於可以完成鈣鈦礦材料 MA_yFA_1−yPb(Br_xI_1−x)₃ 優化製程參數的最後一哩路！

鈣鈦礦材料設計最佳化！

還記得我們一開始跑模擬的目標嗎？幫助研究團隊在花大錢做實驗之前，先找出最穩定的結構，從結構參數回推好的製程參數，進而得到較好的材料性質。

那麼要如何把這麼多參數的相關性一網打盡呢？有個好工具叫「皮爾森相關性矩陣」（Pearson correlation matrix）。

上圖的矩陣整合了結構參數、製程參數與性質參數的相關性。這張表格要怎麼解讀呢？

首先看結構參數，混合能（E_mix）越高，晶格扭曲（η_s）程度越大，MA 和 FA 不互溶，Br 和 I 也不互溶，鈣鈦礦材料 MA_yFA_1−yPb(Br_xI_1−x)₃ 不能保持穩定的混合狀態。

再來看製程參數和結構參數，Br 的濃度（C_Br）和 MA 的濃度（C_MA）越高，晶格扭曲明顯增加，使得混合能越高。尤其是 Br，Br 加得越多，MA 和 FA 不互溶，Br 和 I 也不互溶，容易析出其他固體相，在材料中引入缺陷。

最後看性質參數與結構參數，會發現混合能越高，光電轉換效率（PCE）和元件短路電流（J_sc）越差。

因此，如果要提升光電轉換效率，必須降低 Br 和 MA 的摻雜濃度來減少晶格扭曲，以降低混合能，使得 MA 和 FA ，Br 和 I 都能充分混合，讓析出物和缺陷減少。使電流傳輸時不會受到材料缺陷或晶界的阻礙，光電轉換效率才會好。

要做出好的鈣鈦礦材料 MA_yFA_1−yPb(Br_xI_1−x)₃ 必要條件之一：「降低 Br 和 MA 的摻雜濃度，盡量讓材料維持單一固溶相」。

這就是理論模擬的科學力量，預先評估一款材料設定的製程參數好不好。如果要透過實驗方法窮舉出上述的最佳化原則，不僅金錢花費巨大，時間成本也相當高。

包淳偉與研究團隊透過近年熱門的機器學習技術，建立了模擬材料系統的神經網路模型，因為神經網路快速運算的特性，大幅降低花費時間和成本，並且模擬結果相當準確。

包淳偉團隊從簡單的化合物模擬開始，終於在 2021 年成功發表複雜鈣鈦礦材料 MA_yFA_1−yPb(Br_xI_1−x)₃ 的最佳化條件，成果發表在權威期刊《Journal of Physical Chemistry Letters》。

目前除了繼續改善神經網路模型之外，也開始和其他國外研究團隊合作解決混合複雜元素的材料系統問題，例如高熵合金。最近包淳偉團隊與香港研究團隊在《自然》期刊發表了一種超彈性高熵合金，而包淳偉團隊也正在使用機器學習輔助原子尺度模擬來研究它有趣的塑性變形性質。

要做出好的材料，結構、製程與性質缺一不可，機器學習輔助的模擬方法可以幫助科學家快速找到最低能量的結構，這是傳統模擬方法無法做到的。

註解

• 註 1：原子走一個步階的意思是：原子從某個位能井跳到下一個位能井。
• 註 2：此為研究團隊早期模擬 MAPbI₃ 的成果，之後的神經網路模型效率更好。

延伸閱讀

1. 機器學習與材料廚神的神祕Recipe
2. 應用人工神經網路勢能場研究複雜鈣鈦礦材料微觀結構
3. 見微知著─分子模擬的應用
4. A highly distorted ultraelastic chemically complex Elinvar alloy
5. Exploration of the compositional space for mixed lead halogen perovskites for high efficiency solar cells
6. Is machine learning redefining the perovskite solar cells?
7. Microstructure Maps of Complex Perovskite Materials from Extensive Monte Carlo Sampling Using Machine Learning Enabled Energy Model
8. Molecular Dynamics Simulation for All

國小高年級科普文，素養閱讀就從今天就開始!!

如果今天你想要好好的切食物，該用什麼樣的刀呢？

大家馬上想到的，應該不外乎就是金屬或是陶瓷吧？自古以來要製作工具，這兩個材料一定是首選，直到當代貪圖方便而使用的塑膠刀叉之外，好像想找不太到其他更好的替代方案了。

但是最近，有一群研究人員打破了大眾的想法和材料科學的界線——用木頭製作的刀來取代金屬。

10 月 20 號，這一群來自馬里蘭大學的材料科學家們在期刊《Matter》上發表了一種全新的加工方法，可以把跟木材大幅強化，製作成餐刀等工具。這把刀的硬度不只跟一般的牛排刀不相上下，可以輕鬆地切開 8 分熟的牛排，還可以多次使用、洗滌、有效的回收再利用，整個產品製造過程的能源消耗也比金屬或陶瓷低非常的多，有望在未來取代這類餐具。

比金屬和陶瓷更環保的選擇：木材

當你環顧生活周遭需要以「堅硬」為訴求的材料，你會發現它們大部分都是人造或經過加工的，因為想製作堅硬的物品，最怕的就是整個物理結構上有裂痕、中空或缺口等等瑕疵，只要有以上任何一種，工具的耐久度就無法維持多久，然而天然材料通常都有這種缺陷，例如木頭內部會有中空導管，石頭內則會有導致它容易剝落或裂開的天然紋理。

所以物質多半都都需要經過高溫冶煉才能夠成為堅硬的材料，例如光是製造陶瓷，就需要將陶土加熱到幾千度的高溫，而在這個講求環保的時代，有時候又要考慮產品的碳足跡……不用說，從地球土壤中開採鐵礦和陶土所耗費的能源，絕對與使用天然材質相對多很多。

所以這群研究人員把腦筋動到了陪伴原始人類到現在、樸實無華的木頭身上，他們覺得人類還沒發揮木頭 100% 的能力。

請給我木材！人類尚未 100% 發揮它

好幾千年來，人類就不斷地想在木頭身上動手腳，但是在工具和建築上，木頭的加工通常只限於蒸氣曲木和壓縮法，用這種方法處理的木頭都會有個問題，在一段時間過後，木頭本身會有些許的回彈（定型）。

要知道為什麼就得先了解木頭！

木頭最主要的成分是纖維素，雖然平常可能無感，但纖維素其實有相當高的強度與密度比，表面上看起來是一個輕量又堅固的超理想材質，只看數字的話，甚至凌駕於大部分的高密度建築材料如水泥、金屬等等。但是我們目前加工木頭的方式，都無法把木材的材料潛力發揮到極致，部分是因為纖維素其實只佔了木材的 50%，除此之外還包含半纖維素、木質素等物質，這些聚合物主要是作為介質，而非提供強度，但如果將這些東西去除掉，整個木頭結構會變得容易崩壞。

所以研究團隊找到了方法，移除木頭內比較脆弱的物質，但是仍保留纖維素的結構，這個技術可以把原本木材的硬度整整強化 23 倍，並打造出比不銹鋼刀還鋒利 3 倍的餐刀。

兩步驟加工：讓「普通木材」變「超硬木材」

第一步是將木頭浸泡在添加了特定化學物質的水中，並加熱到攝氏 100 度，以去除部分木質素。失去木質素的木材會變得較為柔軟、具有彈性甚至還會黏稠；以往的木材加工通常不會將這個方法用在木材上，除了如上述提到的結構問題外，還會有使用溶劑的毒性問題，但研究人員研發出了毒性較低、還能重複使用的溶劑。

第二步是對木頭進行高溫加壓，去除水分並讓其材質更為緻密，確保不會有結構上的缺陷，連樹木中原本被導管佔用的空間都能夠去除。

藉由這兩個步驟，他們有辦法去除木頭原本的結構問題，而經過這樣處理後的木頭還可以裁切成想要的形狀，然後再塗抹礦物油延長壽命、也隔絕水分讓纖維素不要再吸水，以免洗滌餐具降低刀子的鋒利程度。

木材應用百百種！「五金材料」的新未來？

同樣的手法可以用來製作其他工具，例如和金屬釘子一樣堅硬的木頭釘子，一樣可以釘穿 3 塊木板，但是好處是木頭釘子不會有生鏽的問題，除了釘子之外，還有很多東西可以用這種木頭材質製作，例如更耐用的木頭地板。

儘管目前這個技術的使用還只是存在於實驗室環境中，但是不可否認的是，我們還沒有發揮木頭百分之百的實力，只要這個技術成熟，加上樹木可以種植並回收的特性，在未來每個人都可以分配到的超級強化木材資源或許可以凌駕於金屬，或只是打造出打不壞的木製球棒、堅不可摧的小木屋、輕量化的木頭汽車和飛機、或者是一把堪比鋼刀的超強木刀。

阿銀，你的木刀原來是這麼來的啊 ？

參考資料

2021，《Hardened wood as a renewable alternative to steel and plastic》