Loading [MathJax]/extensions/tex2jax.js

0

2
0

文字

分享

0
2
0

利用宇宙射線找到金字塔內的神秘空間,《刺客教條:起源》真是神預測啊

Peggy Sha/沙珮琦
・2017/11/08 ・3800字 ・閱讀時間約 7 分鐘 ・SR值 550 ・八年級

古埃及的金字塔舉世聞名,數千年來,關於這些神秘建築的研究和傳說從沒停過,而最近在一項掃描金字塔的計畫(ScanPyramids)中,科學家更發現了一個神秘的魔術大空間(?),在解密的同時又為金字塔添上了不少想像空間。

古夫金字塔:被洗劫一空的世界奇蹟

透過筆者不專業不正統調查顯示,但凡提到「金字塔」三個字,大概有 87% 的人類會在大腦中浮現這張圖片:

別騙我了,你一定想到了這張圖片對吧!圖/By soupysquirrel @Pixabay

為什麼吉薩三大金字塔的形象會如此深植人心呢?除了它們本身宏偉的外觀之外,其中最大的古夫金字塔(又稱吉薩大金字塔,Great Pyramid of Giza)更是古代世界七大奇蹟中,年代最為古老且目前唯一尚存的建物。這座金字塔約建於西元前 25802560 年間,高度達 140 公尺,曾經盤踞「世界最高建築」榜上第一名長達數千年時間。

然而,也正是因為它們如此顯眼,從古至今,盜墓者始終絡繹不絕,因此,古夫金字塔中原先已知的兩個墓室──國王墓室、皇后墓室內早已被洗劫一空,讓不少研究者只能扼腕。

-----廣告,請繼續往下閱讀-----

想探索金字塔,就來掃描一下吧!

不過,如果要科學家們就此罷手,那可就太小看他們了。正所謂人外有人、天外有天,墓室外可能也有墓室(?)秉持著不放棄的研究精神,「掃描金字塔計畫」於焉誕生。

裝個掃描機看看金字塔吧!圖/By ScanPyramids

此計畫顧名思義,旨在「掃描」埃及金字塔的內部,期望在不傷害古文物的狀態下,採用 μ 子透視圖(muography)的成像技術,對金字塔進行更深度的研究。這種技術在過去 50 年間日臻成熟,曾被用來研究冰川、火山以及福島的核子反應爐。

透視了這麼多東西,這種透視到底是怎麼個透法?

說到這透視,就不得不談談「宇宙射線」,也就是來自宇宙的高能粒子衝擊。地球無時無刻都會受到這些高能粒子的衝擊,而當這些粒子與大氣層頂部的空氣原子互相碰撞後,便會產生 μ 子(亦稱:緲子muon)。這些 μ 子會以接近光速的速度,如一場雨般衝向地面,平均每分鐘約有 1 μ 子落在每平方公尺內。(老師請幫我下 F4 的《流星雨》謝謝~)

-----廣告,請繼續往下閱讀-----
在地球上,大部分天然產生的緲子來源於宇宙射線。圖/By Crwx – Own work, CC BY-SA 3.0, wikimedia commons

μ 子具有很強的穿透力,可以深入岩層,不過,部分粒子會在經過石頭時被吸收、偏移。科學家利用這個原理,將 μ 子探測儀放置在金字塔中,以探測自空中射入金字塔的 μ 子,而如果在行進過程中有任何較大的空洞,探測儀就會偵測到為數較多的 μ 子。藉由這種方式,科學家得以更精確區別中空結構以及實體結構。

神秘大空間,多謎題未解

這麼厲害的掃描方法,果然讓研究團隊在金字塔中掃出了一個神祕的大空間。為了確認這項結果,分別有三個來自日本、法國等地的研究團隊,利用不同類型的 μ 子探測儀進行反覆確認,最後三個團隊都得出了同樣的結果。

這個空間位於古夫金字塔內「大走廊」(the Grand Gallery)的上方,推估至少有 30 公尺長、數公尺高,大小接近於一架兩百人座的客機。在過去的研究和相關文獻中,全都沒有出現過有關這個神秘空間的敘述,換言之,過去 4500 多年來,從沒有人知道這個獨立空間的存在。

這次經由掃描發現的新空間位於大走廊的上方,大小接近於一架兩百人座的客機。圖/nature

然而,這個發現雖然證實了科學家們對於金字塔的想像,卻也帶來了更多謎題。

-----廣告,請繼續往下閱讀-----

由於目前研究者無法確定空間的作用為何,所以盡可能的不稱其為墓室(chamber),而是叫它「大空間」(Big void)。根據目前的資料,科學家尚不確定這個空間是水平或是傾斜,也不清楚它是一個單一結構或是由多個連續的結構所組成。

  • 說明影片參見:

空間功能猜猜看,你會選擇哪一邊?

針對這個空間,目前有許多不同的猜測。雖然許多人都期待著這個神秘空間中藏著金銀財寶(電影看太多!)不過,根據埃及學者 Aidan Dodson 的觀點,這其實不太可能,因為金字塔內已經另有一處置有石棺的墓室,所以新的空間中可能沒有什麼文物。

想要在新發現的空間裡找到寶藏?想太多啦!圖/《刺客教條:起源》遊戲截圖

他認為,這個空間可能是一個「減壓室」(Relieving Chamber),目的是為了減少「大走廊」上方石頭的重量。在國王的墓室上方,以及古夫他老爹的金字塔中,都可以看到類似的設計。

但是,也有人持不同看法。一位來自英國的獨立地質學家、工程師 Colin Reader 覺得這個新的空間距離「大走廊」太遠,因此不太可能是它的減壓室。另一方面,他猜想這個空間可能跟大走廊的作用相似,大走廊通往國王墓室,那新的空間也可能通往一個更高的墓室。

-----廣告,請繼續往下閱讀-----

而長島大學的埃及學者 Bob Brier 則提出了第三種可能性。根據他和 Jean-Pierre Houdin 2007 年所提出的假設,大走廊其實是金字塔中一個巨大配重系統的一部份,他認為,藉由這個起重系統,工人可將重物滑下大走廊,並將國王墓室所使用的花崗岩向上搬運。Brier 推測這次發現的新空間可能是第二個位置更高的配重系統。

Brier 和 Jean-Pierre Houdin 認為大走廊其實是可作為起重系統,將重物滑下大走廊便能把笨重的花崗岩向上搬運。圖/影片截圖

然而,另一方面,這次的掃描計畫卻也推翻了兩人過去的部分理論;他們曾認為,金字塔的工人在建造時使用了一個內部的斜坡將石頭搬運到高處,但是,依據目前的掃描結果,似乎並沒有發現這樣的斜坡存在。(關於此理論的詳細說明,參見本影片

謎題解不完,探索正要展開

來自法國國家資訊暨自動化研究院(INRIA)的 Jean-Baptiste Mouret 表示,研究團隊對於如何進一步探索這個空間已經有了想法,然而這些計畫都需先經過埃及當局的核可。

「概念是鑿一個非常小的洞來探索這樣的建築,我們希望可以有個能夠鑽進 3 公分洞裡的機器人。」根據他的說法,研究團隊正在考慮飛行機器人的可能性。有了飛行機器人的技術,不知道是否可以解開更多的金字塔謎團呢?看到這裡,你對於這次發現的神祕空間,又有什麼猜想呢?

-----廣告,請繼續往下閱讀-----

說了這麼多,這個空間究竟跟《刺客教條》有什麼關係呀~

原來,在這個驚人的新發現被公布後,便有眼尖的網友發現:這個密室居然已經藏在《刺客教條:起源》裡了!這厲害的神預測究竟是怎麼回事?

其實,遊戲的神預測可不是空穴來風;為了細膩呈現這個以埃及為背景的遊戲,遊戲開發團隊做了不少相關的研究功課,在眾多建造金字塔的理論中,設計團隊是 Houdin 和 Brier 派的忠實擁護者,所以早早就在遊戲的金字塔中設置了密室!(玩遊戲也要走在時代尖端 XD)團隊中負責歷史研究的 Maxime Durand 更直言:「我們打賭在不久的將來,考古學家也會找到這間秘密房間,所以我們就先把它放到了遊戲中」。

這樣的自信是不是讓這款遊戲感覺更吸引人了呢?如果你也對埃及文化有興趣,就來跟我一起探索金字塔吧!(大力推坑)(本篇文章絕對沒有刺客教條的贊助)

-----廣告,請繼續往下閱讀-----
快來陪我一起爬金字塔、探索神秘大空間!(招手)圖/《刺客教條:起源》遊戲截圖

參考資料:

原始論文:

-----廣告,請繼續往下閱讀-----
文章難易度
Peggy Sha/沙珮琦
69 篇文章 ・ 390 位粉絲
曾經是泛科的 S 編,來自可愛的教育系,是一位正努力成為科青的女子,永遠都想要知道更多新的事情,好奇心怎樣都不嫌多。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

28
4

文字

分享

1
28
4
【2022 年諾貝爾生理或醫學奬】復現尼安德塔人消逝的 DNA,也映襯我們何以為人
寒波_96
・2022/10/06 ・8169字 ・閱讀時間約 17 分鐘

人對自身歷史的好奇歷久彌新。最近十年古代 DNA 研究大行其道,光是發表於 Cell、Nature、Science 的論文就多到要辛苦讀完,加上其他期刊更是眼花撩亂。「古代遺傳學」的衝擊毋庸置疑,開創者帕波(Svante Pääbo)足以名列歷史偉人;然而,得知 2022 年諾貝爾生理或醫學獎由他一人獨得 ,還是令人吃驚——諾貝爾獎竟然會頒給人類演化學家?

諾貝爾獎有物理獎、有化學獎,但是沒有生物學獎,而是「生理或醫學獎」。帕波獲獎的理由是:「發現滅絕人類的基因組以及研究人類演化」。乍看和生理或醫學沒有關係,深入思考……好像還真的沒有什麼關係。

偷用強者我朋友的感想:「應該就是選厲害的。第一個和生理或醫學無關的生理或醫學獎得主,聽起來滿屌的」。

帕波直接的貢獻非常明確,在他的努力下,重現消失數萬年的尼安德塔人(Neanderthal)基因組。他為什麼想要這樣做,過程中經歷什麼困難,發現又有什麼意義呢?

-----廣告,請繼續往下閱讀-----

喜愛古埃及的演化遺傳學家

帕波公元 1955 年在瑞典出生,獲獎時 67 歲。他從小對古埃及有興趣,大學時選擇醫學仍不忘古埃及,但是一生都在追求新奇的帕波,嫌埃及研究的步調太慢,後來走上科學研究之路。1980 年代初博士班時期,他使用當時最高端的分子生物學手段探討免疫學,成果發表於 Cell 等頂尖期刊,可謂免疫學界的頂級新秀。

然而,他始終無法忘情逝去的世界。1984 年美國的科學家獲得斑驢的 DNA 片段,轟動一時。斑驢已經滅絕一百年,能夠由其遺骸取得古代 DNA,令博士生帕波大為震撼。他很快決定結合自己的專業與興趣,嘗試由古埃及木乃伊取得 DNA,並且獨立將結果發表於 Nature 期刊。

古代 DNA。圖/取自 參考資料 1

博士畢業後,帕波義無反顧地轉換領域,遠渡美國追隨加州柏克萊大學的威爾森(Allan Wilson)。威爾森在 1970 年代便開始探討分子演化,後來又根據不同人類族群間粒線體 DNA 的差異,估計非洲以外的人群,分家只有幾萬年,支持智人出非洲說。

帕波正式投入相關研究後意識到,從古代樣本取樣 DNA 的汙染問題相當嚴重。這邊「汙染」的意思是,並非抓到樣本內真正的古代 DNA 目標,而是周圍環境、實驗操作者等來源的 DNA;包括他自己之前的木乃伊 DNA,很可能也不是真正的古代 DNA。另一大問題是,生物去世後 DNA 便會開始崩潰,經歷成千上萬年後,樣本中即使仍有少量遺傳物質殘存,含量也相當有限。

-----廣告,請繼續往下閱讀-----

帕波投入不少心血改善問題。例如那時新發明的 PCR 能精確並大量複製 DNA,他馬上用於自己的題目(更早前是利用細菌,細菌繁殖時順便生產 DNA)。多年嘗試後,他決定放棄埃及木乃伊(埃及木乃伊的基因組在 2017 年成功),改以遺傳與智人差異較大的尼安德塔人為研究對象。

取得數萬年前尼安德塔人的 DNA

根據現有的證據,尼安德塔人是距今約 4 萬到 40 多萬年前的古人類。確認為尼安德塔人的第一件化石,於 1856 年在德國的尼安德谷發現,並以此得名(之前 2 次更早出土化石卻都沒有意識到)。這是我們所知第一種,不是智人的古代人類(hominin)。

對於古人類化石,一百多年來都是由考古與型態分析。帕波帶著遺傳學工具投入,不但增進考古和古人類學的知識,也拓展了遺傳學的領域。他後來前往德國的慕尼黑大學,幾年後又被挖角到馬克斯普朗克研究所,領導萊比錫新成立的人類演化部門,多年來培養出整個世代的科學家,也改變我們對人類演化的認知。

不同個體的粒線體 DNA 之間差異,智人與黑猩猩最多,智人與智人最少,智人與尼安德塔人介於期間。圖/取自 參考資料 2

帕波在 1996 年首度取得尼安德塔人的 DNA 片段,來自粒線體。他為了確認結果,邀請一位美國小女生重複實驗,驗證無誤,她就是後來也成為一方之霸的史東(Anne Stone)。比較這段長度 105 個核苷酸的片段,尼安德塔人與智人間的差異,明顯超過智人與智人。

-----廣告,請繼續往下閱讀-----

然而,粒線體只有 16500 個核苷酸,絕大部分遺傳訊息其實藏在細胞核的染色體中。想認識尼安德塔人的遺傳全貌,非得重現細胞核的基因組。

可是一個細胞內有數百套粒線體,只有 2 套基因組,因此粒線體 DNA 的含量為細胞核數百倍;而且染色體合計超過 30 億個核苷酸,數量無比龐大。可以說,細胞核基因組可供取材的 DNA 量少,需要復原的訊息又多,比粒線體更難好幾個次元。

方法學與時俱進:從 PCR 到次世代定序

一開始,帕波與合作者使用 PCR,但是帕波知道這是死路一條。取樣 DNA 會破壞材料,尼安德塔人的化石有限;PCR 一次又只能復原幾百核苷酸,要完成 30 億的目標遙遙無期。

帕波持續努力克服難關。2000 年人類基因組首度問世,採取「霰彈槍」定序法,大幅提升效率;也就是將 DNA 序列都打碎,一次定序一大堆片段,再由電腦程式拼湊。帕波因此和 454 生命科學公司合作,改用新的次世代定序法,偵測化石中的古代 DNA。2006 年發表的論文可謂里程碑,報告次世代定序得知的 100 萬個尼安德塔人核苷酸,足以進行一些基因體學的分析。

-----廣告,請繼續往下閱讀-----

帕波當時在美國的合作者魯賓(Edward Rubin)持續使用 PCR,雙方分歧愈來愈大,終於分道揚鑣。所以很可惜地,2010 年尼安德塔人基因組論文發表時,魯賓沒有參與到最後。這是人類史上第一次,取得滅絕生物大致完整的基因組,也是帕波獲頒諾貝爾獎的直接理由。

帕波戰隊。圖/取自 The Neandertal Genome Project

鐵證:尼安德塔人與智人有過遺傳交流

這份拼湊多位尼安德塔人的基因組,儘管品質不佳,卻足以解答一個問題:尼安德塔人與智人有過混血嗎?答案是有,卻和本來想的不一樣。尼安德塔人沒有長居非洲,主要住在歐洲、西南亞、中亞,也就是歐亞大陸的西部。假如與智人有過混血,歐洲人應該最明顯。結果並非如此。

帕波的組隊能力無與倫比,他廣邀各領域的菁英參與計畫,不只取得 DNA 資料,也陸續研發許多分析資料的手法,其中以哈佛大學的瑞克(David Reich)最出名。

分析得知,非洲以外,歐洲、東亞、大洋洲的人,基因組都有 1% 到 4% 能追溯到尼安德塔人(後來修正為 2% 左右)。所以雙方傳承至今的混血,發生在智人離開非洲以後,又向各地分家以前;並非尼安德塔人主要活動的歐洲。

-----廣告,請繼續往下閱讀-----

首度由 DNA 定義古代新人類:丹尼索瓦人

復原古代基因組的工作相當困難,不過引進次世代定序後,從不可能的任務降級為難題,尼安德塔人重出江湖變成時間問題。出乎意料,同樣在 2010 年,帕波戰隊又發表另外 2 篇論文,描述一種前所未知的古人類:丹尼索瓦人(Denisovan)。不是藉由化石,而是首度由 DNA 得知新的古代人種。

根據細胞核基因組,尼安德塔人、丹尼索瓦人的親戚關係最近,智人比較遠,三群人類間有過多次遺傳交流。圖/取自 參考資料 1

丹尼索瓦人得名於出土化石的遺址(地名來自古時候當地隱士的名字),位於西伯利亞南部的阿爾泰地區,算是中亞。帕波對這兒並不陌生,之前俄羅斯科學家在這裡發現過尼安德塔人化石,而且由於乾燥與寒冷,預計化石中的古代 DNA 保存狀況應該不錯。

帕波戰隊對丹尼索瓦洞穴中的一件小指碎骨定序,首先拼裝出粒線體,驚訝地察覺到這不是智人,卻也不是尼安德塔人,接下來的細胞核基因組重複證實此事。它們變成前後 2 篇論文,帕波出名的不喜歡物種爭論,不使用學名,所以直稱其為「丹尼索瓦人」。

還有幾顆丹尼索瓦洞穴出土的牙齒也尋獲粒線體,而且這些臼齒特別大,型態前所未見。奇妙的是,丹尼索瓦人粒線體、基因組的遺傳史不一樣;和智人、尼安德塔人相比,尼安德塔人的粒線體比較接近智人,細胞核基因組卻比較接近丹尼索瓦人。

-----廣告,請繼續往下閱讀-----

這反映古代人類群體間的遺傳交流相當複雜,不只是智人、尼安德塔人,也不只有過一次。後來又在丹尼索瓦洞穴發現一位爸爸是丹尼索瓦人、媽媽是尼安德塔人的混血少女,更是支持不同人群遺傳交流的直接證據。

遠觀丹尼索瓦洞穴。圖/取自論文〈Age estimates for hominin fossils and the onset of the Upper Palaeolithic at Denisova Cave〉的 Supplementary information

回溯分歧又交織的人類演化史

重現第一個尼安德塔人基因組後,帕波戰隊持續改進定序與分析的技術,也獲得更多樣本,深入不同族群的分家年代、彼此間的混血比例等問題,新知識不斷推陳出新。

丹尼索瓦人方面,如今仍無法確認他們的活動範圍,不過很可能是歐亞大陸偏東部的廣大地區。一如尼安德塔人,丹尼索瓦人也與智人有過遺傳交流。

最初估計某些大洋洲人配備 4% 到 6% 的丹尼索瓦人血緣,後來修正為 2% 左右(不同方法估計的結果不一樣,總之和尼安德塔血緣差不多)。不同智人具備丹尼索瓦 DNA 的比例差異頗大,某些大洋洲人之外,東亞族群也具備些許,歐亞大陸西部的人卻幾乎沒有。

-----廣告,請繼續往下閱讀-----
到帕波獲得諾貝爾獎為止,古代 DNA 最早的紀錄是超過一百萬年的西伯利亞古代象。圖/最早古代 DNA,超過一百萬年的西伯利亞象

至今年代最古早的人類 DNA,來自西班牙的胡瑟裂谷(Sima de los Huesos),距今 43 萬年左右(最早的是超過一百萬年的古代象,由受到帕波啟發的其餘團隊發表)。根據 DNA 特徵,胡瑟裂谷人的細胞核基因組更接近尼安德塔人,可以視作初期的尼安德塔人族群。然而,他們的粒線體卻更像丹尼索瓦人。

帕波開發的研究方法,不只針對消逝的智人近親,也能用於古代智人與其他生物,累積一批數萬年前智人的基因組。釐清近期的混血事件外,還能探討不同人群當初分家的時期。估計尼安德塔人、丹尼索瓦人約在 40 多萬年前分家,他們和智人的共同祖先,又能追溯到距今 50 到 80 萬年的範圍。

智人何以為智人?遠古血脈的傳承,磨合,新適應

消逝幾萬年的尼安德塔人、丹尼索瓦人,皆為智人的極近親。由於數萬年前的遺傳交流,仍有一部分近親血脈流傳於智人的體內。這些血脈經過數萬年,早已融入成為我們的一部分。

人,人,人,人呀。圖/取自 參考資料 2

智人的某些基因與基因調控,受到遠古混血影響。最出名的案例,莫過於青藏高原族群(圖博人或藏人)的 EPAS1 基因繼承自丹尼索瓦人,比智人版本的基因更有利於適應缺氧。另外也觀察到許多案例,與免疫、代謝等功能有關。

近年 COVID-19(武漢肺炎、新冠肺炎)席捲世界,觀察到感染者的症狀輕重受到遺傳差異影響;其中至少兩處 DNA 片段,一處會增加、另一處降低住院的機率,都可以追溯到尼安德塔人的遠古混血。

非洲外每個人都有 1% 到 2% 血緣來自尼安德塔人,不同人遺傳到的片段不一樣。將不同智人個體的片段拼起來,大概能湊出 40% 尼安德塔人基因組(不同算法有不同結果),也就是說,當初進入智人族群的尼安德塔 DNA 變異,不少已經失傳。

失傳可能是機率問題,某一段 DNA 剛好沒有智人繼承。但是也可能是由於尼安德塔 DNA 變異,對智人有害或是遺傳不相容,而被天擇淘汰。遺傳重組之故,智人基因組上每個位置,繼承到尼安德塔變異的機率應該差不多;可是相比於體染色體,X 染色體的比例卻明顯偏低;這意謂智人的 X 染色體,不適合換上尼安德塔版本。

例如 2022 年發表的論文,比較 TKTL1 基因上的差異對智人、尼安德塔人神經發育的影響。圖/取自〈Human TKTL1 implies greater neurogenesis in frontal neocortex of modern humans than Neanderthals

智人之所以異於非人者幾希?藉由比較智人的極近親尼安德塔人,能深入思考這個大哉問。是哪些遺傳改變讓智人誕生,後來又衍生出什麼不可取代的遺傳特色?另一方面也能反思,某些我們以為專屬智人的特色,其實並非智人的專利。

分析遺傳序列,畢竟只是鍵盤辦案,一向雄心壯志的帕波,當然想要更進一步解答疑惑。比方說,尼安德塔人、智人間某處 DNA 差異對神經發育有什麼影響?體外培養細胞、模擬器官發育的新穎技術,如今也被帕波引進人類演化學的領域。

瑞典與愛沙尼亞之子,德國製造,替人類做出卓越貢獻的人

回顧完帕波到得獎時的精彩成就,他的工作與生理或醫學有哪些關係,各位讀者可以自行判斷。我還是覺得沒什麼直接關係,如遠古混血影響病毒感染的重症機率這種事,那些 DNA 變異最初是否源自尼安德塔人,其實無關緊要。不過多少還是有些影響,像是為了研究古代基因組而研發出的基因體學分析方法,應該也能用於生醫領域。

《尋找失落的基因組》台灣翻譯本。

帕波 2014 年時發表回憶錄《尋找失落的基因組》,自爆許多內幕。台灣的翻譯出過兩版,可惜目前絕版了。我在 2015 年、2019 年各寫過一篇介紹。書中有許多值得玩味之處,不同讀者會看到不同重點,有興趣可以找來閱讀,看看有什麼啟發。

主題是諾貝爾獎就不能不提,帕波得獎也讓諾貝爾新添一組父子檔,他的爸爸伯格斯特龍(Sune Karl Bergström)是 1982 年生理或醫學獎得主。為什麼父子不同姓?因為他是隨母姓的私生子,父子間非常不熟。

他的媽媽卡琳.帕波(Karin Pääbo)是愛沙尼亞移民瑞典的化學家,2007 年去世前曾在訪問提及,她兒子在 13、14 歲時從埃及旅遊回來,對科學產生興趣。帕波獲頒諾貝爾獎後受訪提到,可惜媽媽已經去世,無法與她分享榮耀。移民異國討生活的單親媽媽,能夠養育出得到諾貝爾獎的兒子,也可謂偉大成就。

人類演化的議題弘大淵博,但是究其根本,依然要回歸到一代一代的傳承。每個人都無比渺小,卻也是全人類中的一份子,親身參與其中。諾貝爾生理或醫學獎 2022 年的頒獎選擇,乍看突兀,仔細思索卻頗有深意。帕波的研究也許很不生理或醫學,卻再度強化諾貝爾奬設立的精神:「獎勵替人類做出卓越貢獻的人」。

  • 帕波得獎後接受電話訪問:

延伸閱讀

  1. Press release: The Nobel Prize in Physiology or Medicine 2022. NobelPrize.org. Nobel Prize Outreach AB 2022. Wed. 5 Oct 2022.
  2. Advanced information. NobelPrize.org. Nobel Prize Outreach AB 2022. Wed. 5 Oct 2022.
  3. Geneticist who unmasked lives of ancient humans wins medicine Nobel
  4. Ancient DNA pioneer Svante Pääbo wins Nobel Prize in Physiology or Medicine
  5. Nature 論文蒐集「Nobel Prize in Physiology or Medicine 2022
  6. Estonian descendant Svante Pääbo awarded Nobel prize

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
所有討論 1
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。

0

3
2

文字

分享

0
3
2
八爪博士 4ni!?《蜘蛛人》裡的人造太陽或將問世?(上)
科學大抖宅_96
・2022/04/14 ・4737字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

說明:此篇文章原本乃為泛科學 Youtube 影片所寫,經簡化之後,拍攝成〈缺電、輻射、核廢料有解嗎?「核融合發電」有可能嗎?〉和〈最受期待的核融合發電在哪裡?能源數據誰在膨風?〉兩部作品。又,本文並不針對核融合的技術性問題多做解釋,而是想用最少的字數,讓讀者瞭解核融合發展的全貌與大致進程。同時,此文主題也跟「世界是否應該採用核能發電」、「臺灣是否該使用核能發電」、「台灣是否該重啟核四」無關;這是三個完全不同的問題,核融合發電跟現有的核能發電技術也有所不同,無法一概而論。


在漫威電影裡,許多情節設定都跟真實世界的科學有所關連。就前陣子上映的《蜘蛛人:無家日》來說,在公開預告片中可見到知名反派八爪博士的回歸;他不但是研究核能的科學家,在《蜘蛛人2》還打造出了核反應爐。

《蜘蛛人2》公開預告片中的核反應爐。截圖自 YouTube

八爪博士的核反應爐,跟太陽可說有 87 分像;姑且不論畫面呈現得正不正確,這部機器特別的地方就在於,它是核融合反應爐,而非目前核能發電所用的核分裂反應爐。然而,這兩者差在哪裡?都已經有核能發電技術了,為什麼還要研發核融合發電?不僅如此,核融合研究甚至一度引發學術界的爭議醜聞,甚至被拿來拍成 IMDb 超低分的電影。

傳統核能發電的發展趨勢

不久前(2021 年底),臺灣舉辦了是否重啟核四的公投。在選舉期間,我們或許聽過不少關於核能發電的利弊分析與討論。在溫室效應越來越受到關注、以及強調 2050 年要淨零碳排放的現代,核能發電極低的碳排放,是不容忽視的優點;但另一方面,核廢料問題,和核子事故風險,也是反核人士眼中無法接受的缺點。

不管如何,近數十年來,全球核能發電量雖然在日本福島核災後一度減少,但整體而言,仍大致呈現緩慢增長的趨勢。不過,核能在全球的發電佔比,則是於 1996 年達到 17.5% 的高峰後,開始緩慢下降。

-----廣告,請繼續往下閱讀-----
全球核能發電佔比於 1996 年達到最高峰。圖/《2021 世界核能產業現況報告》(The World Nuclear Industry Status Report 2021, WNISR 2021)

另一方面,若比較從 1954 年到 2020 年,「開始運轉的核電廠」和「停止運作的核電廠」兩者的數目。可以發現,在 1990 年之前,開始運轉的核電廠,遠比停止運作的核電廠要多得多。但從 1990 年開始,兩者就呈現差不多的趨勢。

從 1954 年到 2020 年,開始運轉的核電廠數目(靛青色)和核電廠停止運作的數目(紫紅色)的比較。圖/World Nuclear Performance Report 2021 COP26 Edition

基於上述統計資料,大抵可以說,因為總總複雜的原因,不管是對是錯,在上世紀 90 年代以後,核電廠慢慢地不像以前那麼受到歡迎。而近年來對溫室效應的關注,以及仍是現在進行式的俄烏戰爭,會對核能發展帶來什麼影響,有待我們持續關注。

為什麼要研究核融合發電?

就在核能前景尚未完全明朗的同時,我們卻也能在許多新聞媒體上看到,除了新式核分裂發電技術的研發之外,還有「Google 和比爾蓋茲投資核融合反應爐」、「世界最大核融合反應爐進入組裝階段」、「中國核融合再創新世界紀錄」、「核融合新創 Helion 獲 22 億美元資金」、「貝佐斯投資核融合新創」等,關於核融合發電的消息;美國政府和其他許多國家也都投入資源在核融合研究。

同樣是核能發電,核融合發電和傳統的核分裂發電,有什麼不一樣?為什麼許多國家與知名人士都對核融合發電寄予厚望?八爪博士又為什麼打擊蜘蛛人的正事不幹,要去研究核融合?(搞錯重點了好ㄇ)

-----廣告,請繼續往下閱讀-----

核反應的類型

簡單來說,核反應可分成兩大類,一是原子核分裂成其他較輕原子核,稱為核分裂(nuclear fission);另一則是,兩個以上的原子核結合成新的原子核,稱為核融合(nuclear fusion)。因為核反應往往伴隨能量的吸收或釋放,核能電廠於是利用這一點,擷取核分裂過程中釋出的能量,作為發電之用。

核分裂(左)和核融合(右)的對比。圖/美國核能辦公室

至於太陽,主要由氫構成。龐大的重力將氫向內擠壓,於太陽核心產生極端的高溫和高壓,並促使氫進行核融合反應成為氦,連帶產生能量。目前的核融合研究,目的就是在地球上複製這個過程,以獲取釋出的能量。只不過,地球上並不存在如太陽核心般的高溫和高壓,所以必須人為地製造出適合的環境,核融合發電才有可能實現。也因此,有人會把核融合技術形容成人造太陽,而《蜘蛛人 2》電影裡,八爪博士製造出的核融合裝置,就長得一副太陽的樣子。

核融合發電的優點與困難

相較於傳統的核能電廠,核融合發電擁有許多優點。首先,在許多人擔心的安全性問題上,核融合發電不可能出現像是爐心熔毀或熱失控等狀況。因為核融合發電所需的「燃料」(雖然核反應不算是燃燒)需要人為持續提供,而且核融合反應的環境也需要精密控制,所以一旦系統出現狀況,就會使得整個發電程序停止運作——換言之,不可能「爆走」。

核融合發電在安全性上的優點,也是它最大的缺點——因為核融合反應實在太容易動不動就停止了,科學家們想方設法,目前也沒辦法做到讓反應爐持續不間斷地運作;換言之,它不具有商業發電的價值。也是因為這樣,我們在新聞裡常會看到,某國科學家成功突破紀錄,讓核融合反應持續了幾秒鐘或幾分鐘。而如何讓核融合反應爐能夠持續運作,就成為相關研究最重要的課題之一。

-----廣告,請繼續往下閱讀-----

除了安全性問題之外,核能發電產生的核廢料也常為人所詬病。不可否認,目前的核能發電方式,會產生具輻射性的核廢料,半衰期從數百年到百萬年不等,而台灣一直未能設立核廢料的最終處置場,全世界至今也沒有任何一座高階核廢料處置設施正式運轉。預計最快要到 2024 年,在芬蘭才會有全球第一座的高階核廢料永久處置場正式啟用。然而,臺灣的地質條件跟芬蘭完全不同,能否找到適合的最終處置場,仍是個問號。

圖/wikipedia

那麼在核融合發電,也會面臨核廢料的難題嗎?答案既是,也不是。核融合發電也會產生核廢料,但其屬於低階核廢料,基本上就是工作人員使用過後的防護衣和清潔用品,以及反應爐的腔壁等。這些核廢料的半衰期大體而言都不長;因情況而異,約數十年到數百年,其輻射水平即可回覆到接近一般環境的背景值。所以,做為結論,核融合發電還是會產生核廢料,但相較於現有的核能發電,其危險程度以及對環境的影響要小上很多。

最後,核融合發電還有另一個優勢:燃料。現在的核能發電,主要使用鈾 -235 做為燃料;雖然全球的鈾礦礦藏相對豐富,根據世界核能協會(World Nuclear Association)的估計,足夠人類再使用 90 年,但並非取之不竭。相對地,核融合發電常用的燃料是氫的同位素——氘和氚;而氫在地球上極為豐富,要製備氘和氚也並不困難。換句話說,人類完全不需要擔心核融合的燃料不夠這種事情。除此之外,在核融合過程中,還會運用到鋰,它可幫助生成反應所需的氚,而幸好鋰的存量在地球上也是非常豐富,若把陸地上和海洋中的鋰都考慮進來,同樣不需要擔心鋰會用光。[1]

核融合發電的分類

在核融合發電中,為了讓相異原子核能夠進行融合,一般會將其加熱到一億度上下的高溫。一種作法是,利用雷射直接或間接加熱裝了燃料的膠囊,以誘發膠囊內部燃料的核融合反應,稱為慣性局限融合(Inertial confinement fusion)。

-----廣告,請繼續往下閱讀-----
美國國家點火設施(National Ignition Facility)的核融合研究,就屬於慣性局限融合。圖/Wikipedia

另一種常見的作法則是,將燃料加熱,使其成為電漿狀態。很顯然地,一億度的電漿,是沒有任何容器可以盛裝的;所以科學家會利用強大的磁場,拘束住電漿,讓核融合反應能夠穩定持續地發生,稱為磁局限融合(magnetic confinement fusion)。八爪博士製造的機器,就比較接近這樣的作法。但跟電影不同的是,現實裡的研究人員是不可能直接站在高溫電漿旁邊的。八爪博士的設計,跟現實不但有差距,而且也顯然更危險。

英國的磁局限融合裝置Mega Ampere Spherical Tokamak。圖片中的發光物質即為高溫電漿。圖/wikipedia

上述核融合發電方式,全部都需要人為地產生高溫,讓核融合得以發生——但這並不表示核融合只能在高溫環境中產生。實際上,早在 1950 年代,科學家就發現,確實有核融合反應在低溫環境即可發生,現在稱為緲子催化融合(muon-catalyzed fusion)。緲子是一種性質跟電子非常類似,但質量比電子大得多、且非常容易衰變的基本粒子。若在氘和氚組成的氫分子中,用緲子取代電子,那麼該氫分子內部的氘和氚,甚至在室溫就可能產生核融合反應。

緲子催化反應示意圖。圖/Stanford

只不過,緲子的備製不僅需要花費大量能量,其迅速衰變的性質,也讓我們很難拿來作為核融合發電之用,再考慮到其他的技術性問題,使得目前的核融合研究,都是朝著高溫的方向進行。

然而,1989 年,有兩位科學家聲稱,成功在室溫環境下,以他們發現的新方法實現了核融合反應。這樣的消息迅速獲得媒體注意,並被大肆報導,人們對實現低溫核融合又開始寄予期望。很可惜地,其他科學家嘗試複製兩人的實驗成果,卻都無法成功;另一方面,科學社群也發現了兩人實驗上的瑕疵。於是,沸騰一時的「冷融合」話題就這麼煙消雲散。現在,雖然仍有少部分人從事相關研究,但都未能成氣候。

-----廣告,請繼續往下閱讀-----
1989年5月,冷融合議題登上時代雜誌封面。圖/TIME

儘管如此,或許因為冷融合很有話題性,這個議題並未在媒體上消失;2011 年美國好萊塢甚至以冷融合為主題,拍了一部 IMDb 超低分的電影,英文片名就是冷融合(cold fusion),臺灣翻譯成《關鍵核爆》,劇情甚至把幽浮(UFO)都扯進來了。

延伸閱讀:八爪博士4ni!?《蜘蛛人》裡的人造太陽或將問世?(下)


[1] 其實,鈾也存在海洋中。若考慮到海水中的鈾,那麼基本上人類也不用擔心鈾礦不足。只不過,鈾在海水中濃度極低,約 10 億分之 3,不論在運用的技術還是成本上,挑戰都很高。

-----廣告,請繼續往下閱讀-----
科學大抖宅_96
36 篇文章 ・ 1868 位粉絲
在此先聲明,這是本名。小時動漫宅,長大科學宅,故稱大抖宅。物理系博士後研究員,大學兼任助理教授。人文社會議題鍵盤鄉民。人生格言:「我要成為阿宅王!」科普工作相關邀約請至 https://otakuphysics.blogspot.com/