Loading [MathJax]/extensions/MathMenu.js

0

4
2

文字

分享

0
4
2

熱力學第二定律萬歲:能量從哪裡來?又往哪裡去?——《詩性的宇宙》

PanSci_96
・2017/11/19 ・3481字 ・閱讀時間約 7 分鐘 ・SR值 569 ・九年級

-----廣告,請繼續往下閱讀-----

這裡有必要檢視一下,這種壯闊的物理理論構思,在生物實務作用中如何施展。地球此處的生命,以一種稱為腺苷三磷酸(adenosine triphosphate)的分子(縮寫為 ATP),做為基本的動力電池。這裡我們所說的「電池」從廣義來看,意指某種能儲存自由能量供後續使用的事物。

ATP的結構。source:wikimedia

設想 ATP 是種受壓擠的彈簧,那麼它可以在壓力釋開時彈開,使用它的能量來做有用的運用。結果也確實有用:儲存在 ATP 裡的自由能量,用來收縮肌肉、運輸分子和細胞到全身各處、合成 DNA 和 RNA 與蛋白質,經由神經細胞發送信號,還有其他不可或缺的生化機能。生物體能四處移動並且自我存續,ATP 扮演了關鍵角色。薛丁格也點出,這兩項能力就是生命的定義特徵。

能量從 ATP 釋出,通常發生在有水(H2O)的情況下。ATP 的三磷酸各含一顆磷原子(P),周圍是氧原子(O),見下頁圖左側——當中一個磷酸從 ATP 分離出來,我們就剩下腺苷二磷酸(adenosine diphosphate, ADP)。接著該磷酸鹽便與附近水分子的一顆氧原子連接,而剩下的 OH 便會與 ADP 結合。

圖/由作者提供。

最後這些產物的總能量,低於原始的 ATP 分子;因此該歷程同時釋出自由能量(用來進行某種有用的生化功能)以及無序的能量(熱)。所幸,ATP 是種可充電的電池,透過身體接著使用外來能源,好比陽光或糖,把磷酸鹽和 ADP 轉換回水和 ATP,ATP 又可以再次投入做功。

-----廣告,請繼續往下閱讀-----
圖/由作者提供。

發生在你體內的所有能量活動,都會消耗龐大數額的 ATP;普通人每天運轉消耗的 ATP 數量,等於他的身體質量。當你屈曲二頭肌來舉起啞鈴或一杯酒,來自 ATP 而用來收縮你肌肉的能量就會猛然釋開,促使你肌肉纖維所含的蛋白質相互滑動。構成 ATP 的個別原子並不會耗盡;各分子只會分裂然後又重組,每天發生數百次。

ATP 從何而來?

從低熵 ADP 製造出 ATP 的自由能量是從哪裡來的?它的最終源頭是太陽。當某個植物或某微生物的葉綠素分子吸收可見光的光子,它的能量會鬆動一顆電子,這時就會發生光合作用歷程。高能量電子經由名叫電子傳遞鏈(electron transport chain)的連串分子穿過一道膜,導致膜的一側所含的電子數大於質子數,形成一種電荷梯度(electrical gradient),且一側帶淨負電,另一側則帶淨正電。

這就是生命灌注能量的基本做法;膜的一側所含質子彼此互推分開,有些經由一種稱為 ATP 合成酶(ATP synthase)的酵素逸出。試圖逸出的質子最終進入了合成酶,為它供應能量,而讓 ADP 合成為 ATP,這種歷程稱為化學滲透作用(chemiosmosis)。其中有些能量免不了要化為無序能量,並以低能量光子形式還有周遭原子的熱量顫動(熱)的方式釋出。

製造 ATP 的胞器-粒線體,1 : 內膜;2 : 外膜;3 : 羽冠;4 : 基質,圖/by wikipedia commons

你我都不親自進行光合作用。我們的自由能量並不直接取自太陽,而是得自葡萄糖和其他糖類以及脂肪酸。我們有種微小胞器稱為粒線體,這就是細胞的動力機房,它使用固鎖在這些分子中的自由能量,把 ADP 轉換成 ATP。不過,我們取食的這些糖類和脂肪酸所含的自由能量,追根究底仍是經由光合作用得自於太陽。

-----廣告,請繼續往下閱讀-----

這種基本配置對於地球此處的生命似乎一體適用。目前已擬出一個專有名詞,專門描述 ATP 合成酶透過流經其中的質子來驅動的作用,稱為「質子驅動力」(proton-motive force)。這機制在 1960 年代由彼得.米切爾(Peter Mitchell)和珍妮芙.莫伊爾(Jennifer Moyle)兩位英國生化學家發現。米切爾是個有趣的人物;他因為工作壓力釀成嚴重健康問題,只能辭去學術崗位的職務,最後在一處叫做格林之家(Glynn House)的地方,建立了一個私營實驗室。他獲頒 1978 年諾貝爾化學獎,嘉許他提出質子驅動力經由化學滲透作用促成 ATP 合成的理論。

圖/由作者提供。

布朗氏力的驅動

細胞是生命的基本單元;那是一批具功能性的子單元和胞器,漂懸在一種黏性液體裡面,整個由一層細胞膜包覆。沉浸於技術性工業社會的我們,往往會把細胞想像成微小的「機器」。不過真實的生物系統和我們習慣應付的人造機器之間的差異性,與雙方的類似性同樣都很重要。

source:wikimedia

這些差異有很大部分根源於一項事實,那就是機器一般都是針對某個特定目的而製造。基於這事實,機器往往只擅長處理它們的派定目的,此外就別無長處。設計往往是針對特定目標,不具有彈性,一旦事情出了差錯——你汽車的一個輪胎爆胎,或者你的手機電池用光——機器就完全不靈了。有機生物體則是歷經歲月發展成形的,心中沒有特定目的,一般較具彈性,能因應多重目的,還能自行修復。

細胞不只能耐受混沌,它們還駕馭混沌。它們沒有選擇餘地,這只要看看微生物學的發生環境就知道了。

我們的人類尺度世界比較寧靜祥和又可預測。在好天氣的日子拋球,你可以很有自信地估算球會飛多遠。相較而言,細胞是在幾十億分之一公尺的奈米尺度運作,那個世界的狀況是由隨機運動和噪音所支配——生物物理學家彼得.霍夫曼(Peter Hoffmann)稱這種現象為「分子風暴」(molecular storm)。單憑一次大混亂中的普通熱量顫動,我們體內的分子每秒互撞數兆次,就可讓尋常的暴風雨自慚形穢。放大到人類尺度想像一下,這就像是住在能與細胞分子風暴相提並論的氣候環境中,嘗試在不斷被其他球體轟擊的情況下拋球,而那些球體攜帶的能量,數億倍於你的手臂所能傳送的能量。

-----廣告,請繼續往下閱讀-----
模擬的大顆粒塵埃粒子碰撞到更小的粒子,而其以不同的速度在不同方向移動的布朗運動。

這樣的環境,看來並不適合舉辦任何微觀的運動賽事,或是從事細胞生態系的任何細密作業。細胞怎麼有辦法在這種情況下進行這樣的有組織活動?

這種大混亂之中有許許多多能量,不過全都是無序能量;並不能直接用來從事諸如拉動肌肉或發送養分到全身各處等工作。周遭分子處於一種近似平衡態,彼此隨機碰撞彈開。不過,細胞能利用匯集在 ATP 裡的低熵自由能量——不只直接投入工作,還能凝聚周遭介質裡的無序能量。

粒子的立體空間進行布朗運動的示意圖,圖/by wikipedia commons

考量一個棘輪—齒偏向一側的齒輪。讓該棘輪承受往復的隨機顫動——布朗氏力(Brownian force),名稱得自植物學家羅伯特.布朗(Robert Brown)。他在 19 世紀早期,指出細小灰塵顆粒漂懸水中時,往往依循不可預測的方式四處移動,這種現象如今我們歸因於其他個別原子和分子對它們的持續轟擊。布朗棘輪本身一般不會偏向任一方向運動;它以不可預測的方式往復漂移。

不過,想像我們棘輪的齒並不固定,而且我們可以從外部予以控制。當棘輪朝向我們希望的方向運動,我們就把角度壓低,讓它容易移轉過去;當它朝另一方向移動,我們就放大角度,讓它較難移轉。這樣我們就得以將隨機的不定向布朗運動,變換成有定向的有用運輸作業。當然了,這需要某種外力介入,而且那種外力本身必須是低熵且遠離平衡的。

-----廣告,請繼續往下閱讀-----

這種布朗棘輪是生物細胞內部眾多分子馬達的一種簡單模型。沒有任何外部觀察者會為了因應特定目的而改變分子形狀,而是有自由能量由 ATP 攜帶四處移動。ATP 分子能與細胞機具的移動束縛在一起,在恰當時機釋出能量,從而容許朝一個方向的變動,同時抑制朝向另一方向變動。在奈米尺度完成工作,完全關乎如何駕馭你周遭的混沌。

熱力學第二定律萬歲

薛丁格關於生命有機體消耗自由能量來維持其結構完整性的寫照,精彩顯現於真實世界的生物學。太陽為我們送來自由能量,那是相當高能量的可見光光子。那些光子由植物和單細胞生物體捕獲,用來進行光合作用,並製造 ATP 供自己使用,此外還有糖與其他可食化合物,這些都能儲存自由能量,並供動物運用。這種自由能量能用來保持生物體的內部秩序,同時讓它運動、思考並做出反應,也就是讓生物有別於無生命事物的所有事項。我們一開始從太陽能入手,現在它一路逐漸劣化,轉變成熱形式的無序能量。那項能量化為較低能量的紅外線光子,最終輻射回歸宇宙,熱力學第二定律萬歲。

這段故事的基本成分,我們討論核心理論時已見過了:光子、電子和原子核。有鑑於我們的日常生活和現代物理學似乎相隔遙遠,因此瞭解我們如何進食、呼吸和生活,我們才有辦法和它底層的粒子與力面對面接觸。

  • 本篇選自本書第 30 章

 

本文摘自泛科學2017年11月選書《詩性的宇宙:一位物理學家尋找生命起源、宇宙與意義的旅程》,八旗文化出版。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

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

-----廣告,請繼續往下閱讀-----

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。

0

0
0

文字

分享

0
0
0
翻越性別高牆 打破生乳營養迷思 埃凡斯促成牛奶滅菌(2)
顯微觀點_96
・2024/08/13 ・2351字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

顯微鏡後的女性科學家系列

他像是一艘船在河中航行;四處遇到阻礙,唯獨一面通暢;在那,所有的障礙都消失了,他徐徐地穿越著深深的航道,進入無盡的海洋。

——愛默生

埃凡斯在動物工業局的研究興趣集中到一種致流產的傳染性微生物。

丹麥獸醫伯納.班(Bernhard Bang) 在 19 世紀末發現了一種導致乳牛流產的病菌,而這種病菌多年來已知存在於受感染的乳牛乳房中。

而農業工業局病理部的施洛德(Schroeder) 和卡登(Cotton)在 1911 年從看似健康的牛隻的牛奶樣本中分離出這種病菌;幾乎同時,另一組研究人員史密斯(Theobeld Smith)和費比恩(Febyen)也在 1912 年從牛奶中分離出同樣的病菌。因此埃凡斯開始思索這類致牛隻流產的病菌是否也會導致人類生病。

-----廣告,請繼續往下閱讀-----

與此同時,蘇格蘭病理學家布魯斯(David Bruce)分離出了會使人類發燒和肌肉疼痛的波浪熱(或稱馬爾他熱,Malta fever)的病菌,且發現可透過羊奶傳染給人類。

當時的科學家都認為透過羊奶傳染給人和導致牛流產的是不同的病菌。透過羊奶傳染馬爾他熱的是羊微球菌;引起牛流產的則是流產芽孢桿菌。

但埃凡斯透過觀察,認為這兩種來源的細菌形態相似:這些細胞呈桿狀,但有不同的長度;有些細胞很短,在顯微鏡下看起來呈球形。

經過細菌鑑定以及將病菌接種在動物身上的對比試驗,埃凡斯推斷這兩者其實是同一種桿菌,並將這些發現於 1917 年 12 月在美國細菌學家協會(the Society of American Bacteriologists)年會上報告,並發表於 1918 年 7 月的《傳染病雜誌》(The Journal of Infectious Diseases)。而後來為紀念首先研究這病症的布魯斯,這個病原菌被定名為「布氏桿菌」(Brucella abortus)。

-----廣告,請繼續往下閱讀-----

同時埃凡斯基於研究發現也提出質疑:「我們是否確信,人類不會因為飲用生牛奶而偶爾發生腺熱(glandular fever)、流產或可能的呼吸道疾病?」

Alice Evans 1945。圖片來源:wiki

避免人畜傳染 推動牛奶滅菌

1864 年,法國生物、化學家.巴斯德(Louis Pasteur)描述了如何透過加熱保存液體的系統,也就是巴氏殺菌。但當時這樣的滅菌法應用於葡萄酒或啤酒,而不是牛奶,因為人們認為牛奶只要不被污染就是安全的。

當時牛奶的問題在於變質的速度。過去,有些乳牛場為了解決變質,會建在城市,以縮短生產和消費之間的時間;而有些則使用摻假物,例如碳酸氫鹽、糖、糖蜜甚至粉筆,來掩蓋乳品腐敗的狀況。

對於埃凡斯提出喝生牛乳可能致病的質疑,不但未被採納,還遭到其他科學家、醫師和酪農業等各界的批判。

-----廣告,請繼續往下閱讀-----

一來是科學家普遍相信發現結核菌的德國生物學家柯霍(Heinrich Hermann Robert Koch)所提出的觀點:同一種病菌會同時造成動物與人類的共同疾病。

柯霍曾在 1901 年提出儘管結核病是牛隻常見的疾病,產出的牛奶含有大量的「結核菌」,但這種牛型結核病不會傳染給人。

他說,如果牛結核桿菌能夠感染人類,就會出現很多病例,尤其是脆弱的兒童;但大多數醫護人員認為案例數並不多並非如此。他甚至認為,採取措施保護人類免受牛結核病的侵害是不明智的。

二來是科學家們不相信埃凡斯這樣沒有博士學位的女性,能提出如此「重大的發現」。對酪農和乳製品業而言,埃凡斯則被認為在圖利巴氏殺菌設備。

-----廣告,請繼續往下閱讀-----

所幸,埃凡斯的發現在 1920 年後陸續得到梅耶(Karl Friedrich Meyer)等人的研究支持,被認為是可信的科學發現。 美國衛生局(USPHS)也從 1924 年開始制定了一項名為《標準牛奶條例》(Standard Milk Ordinance)的示範法規,由州和地方掌控乳製業機構自願採用。之後又陸續頒布行政和技術細節,修改成 A 級巴氏滅菌牛奶條例(Grade A Pasteurized Milk Ordinance),提供全國統一的牛奶衛生標準。

重要貢獻鼓勵後進女科學家

為了表彰埃凡斯的成就,美國細菌學家協會(現為美國微生物學會,the American Society for Microbiology,ASM)於 1928 年推舉她成為首位女性主席。

然而儘管有豐富的實驗室經驗以及預防措施,但埃凡斯仍在 1922 年感染布氏桿菌,並在往後幾年反覆發作。她曾在回憶錄中提到,「完全喪失能力和康復的時期交替出現,最後一次致殘的病情惡化發生在 1943 年夏天,距感染之日已近 21 年」。

更慘的是,當時對疾病沒有夠多的認識,因此她和其他布氏桿菌患者一樣,被診斷為「神經衰弱」,認為這些症狀是被幻想出來的,被誤解為騙子,是在「詐病」。但埃凡斯說,慢性症狀方面的經歷使她有機會親眼觀察這種疾病及其影響。

-----廣告,請繼續往下閱讀-----

不過她也漸漸將研究目光轉向溶血性鏈球菌,一直致力於此直到 1945 年退休。1975 年 9 月 5 日埃凡斯於維吉尼亞州亞歷山大市逝世,享年 94 歲。她的墓誌銘刻著::「溫柔的獵人,追趕並馴服她的獵物,穿越到了新的家園」。

雖然埃凡斯並未取得博士學位,又曾因女性身分導致科學發現不被認可。但美國微生物學會於1983年為表彰埃凡斯在微生物學領域的參與以及傑出貢獻,設立了「埃凡斯獎」(The Alice C. Evans Award),以表揚後進致力於微生物科學領域的女性。

查看原始文章

推薦閱讀

顯微鏡後的女性科學家:甘居配角仍不減貢獻 微生物學家安娜‧威廉斯

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
28 篇文章 ・ 5 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

1

7
7

文字

分享

1
7
7
薛丁格的貓是死是活?再不懂點量子就落伍了!——《我們的生活比你想的還物理》
商周出版_96
・2022/12/06 ・2327字 ・閱讀時間約 4 分鐘

奧地利的物理學家薛丁格最初閱讀愛因斯坦和德布羅意的論文後,也注意到物質波的概念,並進而闡釋發展成波動力學,促成量子力學誕生。薛丁格的波動力學是後來量子力學的具體論述之一, 薛丁格波動方程式更是量子力學最重要的方程式之一,也是現代人研究發展量子電腦的重要思維。

繼續討論薛丁格的想法前,容我「插播」兩種說法,一種是「哥本哈根詮釋」,一種是「愛因斯坦悖論」。

萬物受機率支配?愛因斯坦可不這麼認為

前面提到電子的雙狹縫干涉實驗,說明在微觀世界的電子具有波動性。在電子的雙狹縫干涉實驗中,為何被觀測到的電子只有在屏幕的一點留下痕跡呢?照理說,在屏幕的任意地方都能發現電子的蹤跡。然而,當我們「觀測」到屏幕的一「質點」的電子的瞬間,電子的波函數立即「塌縮」。

物理學家解釋這是因為電子的波函數與發現機率有關,亦即觀測電子時,電子波會縮小分布範圍, 呈現電子的粒子形式。活躍於哥本哈根的波耳等人認同這種融合「波函數塌縮」和「機率詮釋」的想法,因此成為「哥本哈根詮釋」。至於「電子波為何會塌縮?」是一個未解之謎。

-----廣告,請繼續往下閱讀-----

自然界真的受到機率的支配嗎?真的大哉問啊!

愛因斯坦儘管預言光子存在,提出光量子論,但他強烈反駁「機率論」的觀點。對於哥本哈根學派的「機率詮釋」和「波的塌縮」,愛因斯坦以「上帝不玩擲骰子的遊戲」批判哥本哈根詮釋, 完全不能接受哥本哈根學派主張「決定一切事物的上帝竟然會依照擲出骰子出現的點數決定電子的位置」。

「上帝不玩擲骰子的遊戲」批判哥本哈根詮釋。圖/GIPHY

愛因斯坦也指摘「幽靈般的超距作用」。他認為未來已經確定,反駁「自然界曖昧不明」的不確定性,進一步指出「自然界並非曖昧不明,而是量子論還不完備,無法正確闡述自然界的緣故」。以上所提,是量子力學發展歷程的觀點論戰的故事,包含 1935 年,愛因斯坦和共同研究者波多斯基(Boris Podolsky)、羅森(Nathan Rosen)聯合發表觸及量子論矛盾的「EPR 悖論」(Einstein-Podolsky-Rosen paradox)。

迄今,我們已經知道微觀世界,電子等粒子會自己旋轉,具有「自旋」的物理量,或直接用專業術語「自旋角動量」,自旋的方向依據量子論會以多個狀態同時存在,並存或疊合。

愛因斯坦等人認為,對於相距非常遙遠的電子,不可能無時間限制,瞬時互相影響;根據狹義相對論的說法,沒有任何物體的飛行速度比光速還快。觀測相距遙遠的兩粒子之一,竟然會在瞬間同時決定兩者的狀態,這樣特殊奇妙的現象,愛因斯坦稱之為「幽靈鬼魅般的超距作用」。

-----廣告,請繼續往下閱讀-----

沒錯!又要提那隻貓了

薛丁格曾以「量子糾纏」解釋愛因斯坦論文中的悖論現象,指出互相遠離的粒子的性質,並非各自獨立,而是成組決定,無法個別決定,這個現象是 2022 年諾貝爾物理學獎得獎主題的「量子糾纏」。如果能這樣思考,那麼就不會認為粒子是瞬間傳送並影響到遠方粒子,有如「幽靈般的超距作用」。

貓同時是活和死的「疊加」。圖/維基百科

談到量子力學,「薛丁格的貓」此知名想像實驗必定會浮現在讀者的腦海中吧?此實驗探討一隻貓的狀態究竟是活或死的,而實驗結果是:貓同時是活和死的「疊加」。如果以古典物理學來思考,會顯得極其荒謬;但若以微觀世界視之,這項理論其實符合電子波粒二象性的機率概念。

根據 1927 年量子力學學派的詮釋,觀察一個量子物體時,會干擾其狀態,造成其立即從量子本質轉變成傳統物理現實。原子及次原子粒子的性質,在量測之前並非固定不變,而是許多互斥性質的「疊加」。此觀念的知名例子就是「薛丁格的貓」實驗。

在這個想像的實驗中,一隻貓被鎖在一個箱子中,並有一個毒氣瓶,在量子粒子處於某狀態下毒氣瓶會破裂,但若該粒子處於另一狀態,則毒氣瓶會完好無損。如果將箱子封閉,此粒子的量子狀態是兩種狀態「共存」的情況,也就是說,毒氣既是已從瓶中放出,又被封存在瓶中,也因此,箱中的貓同時既是活的也是死的。當箱子打開時,由於此量子疊加狀態瓦解了,因此在那瞬間,這隻貓或許被毒死,或許得以保命。

-----廣告,請繼續往下閱讀-----
當箱子打開的瞬間,這隻貓或許被毒死,或許得以保命。圖/《我們的生活比你想的還物理

物理小教室

  • 索爾維會議

量子力學是近代物理學的重要基石,與相對論被認為是近代物理學的兩大基本支柱,許多物理學理論和科學,如原子物理學、固態物理學、核物理學和粒子物理學,都以其為基礎。物理學界往往會在物理重要會議激盪出重要的論述,例如 1927 年第 5 次索爾維會議,此次會議主題為「電子和光子」,當時世上最重要的物理學家,都聚集在一起討論新的量子理論。

1927 年第 5 次索爾維會議,此次會議主題為「電子和光子」。

——本文摘自《我們的生活比你想的還物理》,2022 年 11 月,商周出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
所有討論 1
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。