Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

重力波:探測十三億光年外的黑洞合併──《宇宙的顫抖》

臺大出版中心_96
・2018/02/07 ・3487字 ・閱讀時間約 7 分鐘 ・SR值 569 ・九年級

  • 文/李傑信│美籍華裔科學家,美國航空暨太空總署(NASA)太空任務科學家

引力波訊號 GW150914,「看不見」的黑洞相撞

2015 年 9 月 14 號,臺北時間 15 時 50 分 45 秒,美國兩個雷射干涉引力波觀測站,前後收到了引力波(重力波)的訊息。東南方的路易斯安那州比西北方的華盛頓州的訊號早到了 0.0069 秒,即 6.9 ms。引力波的振幅約為 10 的負 18 公尺(10−18 m),收到的訊號前後總共約 0.5 秒不到。

以北京清華大學發展出的電腦軟件分析,找出這個引力波是由兩個巨大的「自旋」(spinning)黑洞互繞、相撞、衰蕩(ringdown)、合併後產生, 其中一個黑洞為 29 個太陽質量,另一個為 36 個太陽質量,在相撞前 10 億年即尋獲彼此並互繞了 10 億年,最後以近光速 60% 的速度相撞後二合為一, 衰蕩形成一個 62 個太陽質量的單一黑洞,3 個不見了的太陽質量(29 + 36 − 62 = 3),經由愛氏(編按:本文簡稱愛因斯坦)的 E = mc2,完全轉變成引力波能量,在愛氏四維黎曼流形堅硬美麗的時空纖維中,以光速傳播了約13 億年,最後給了我們約 0.5 秒不到的引力波訊號。這個引力波被命名為 GW150914

如果這 3 個不見的太陽質量完全轉換成電磁能量,它是整個宇宙可接收到的電磁能量的 50 倍,但我們在電磁波段,竟然沒看到一點火花。愛氏的引力波孤獨營生,和電磁波世界是陰陽兩界、生死不相往來。

圖 27 GW150914 引力波可能來自「大麥哲倫星雲」方向,但距離約為13 億光年,比 LMC 離太陽系的 16.3 萬光年遠很多。紫色彎月內為 90% 置信度範圍。左上角小紫色區域為下文提到的 GW151226 方向,亦為 90% 置信度範圍。(Credit: LIGO/Axel Mellinger)

這個引力波由南邊的觀測站先收到,所以訊號來自南方星空「大麥哲倫星雲」(Large Megellanic Clouds,LMC)方向(圖27)。雙黑洞相撞地點,距地球約 13 億光年。

-----廣告,請繼續往下閱讀-----

由引力波的資料一窺黑洞合併的故事

儘管引力波和電磁波是陰陽兩界,天文學家還是正在密集搜索這塊宇宙地盤,企圖尋找這個雙黑洞合併的暴烈事件前,在電磁波光譜上留下的蛛絲馬跡,如雙黑洞相撞前周圍帶電星塵異常的X 光光譜變化和伽瑪射線閃爆等,但目前尚無斬獲。

有的專家認為兩個黑洞相撞合併的同時,也應會產生大量的微中子(neutrinos)。但在 GW150914 抵達地球的前後各 500 秒時段內,以南極洲的 IceCube 和地中海底的 ANTARES 微中子探測器檢查,竟然毫無與 GW150914 同方向來的微中子跡象。偵測不到微中子,原因可能是這兩個探測器的靈敏度還不夠嗎?還是有其他與暗物質(微中子是已知的暗物質)有關的更深層物理原因?

兩格獨立觀察站觀察到的資料,藍線位於 Livingston, Louisiana,紅線位於Hanford, Washington. 圖/LIGO

如果把兩個觀測站分別獨立接收的訊號,在時間軸上移動約0.007 秒,兩處的引力波訊號,有如同卵雙胞胎般完美重疊,證明它們是同一個訊號(上圖)。

GW150914 在合併前後的衰蕩期,即圖中右邊最後的0.025 秒,包含了大量寶貴的雙黑洞物理資料,可直接驗證愛氏四維時空黎曼流形「度量」尺標的正確性。衰蕩期的引力波振幅及相位訊息,破天荒第一次接收到,也可用電腦來計算愛氏「強」場方程左右兩邊的未知函數。這些從 GW150914 引力波取得的數據,為愛氏場方程注入了最鮮猛的生命力。

-----廣告,請繼續往下閱讀-----

當然,這兩個黑洞在合併前的互繞期間,尤其是最後以接近光速 60% 相撞前,所輻射出來的引力波,要比泰勒和胡爾塞脈衝雙子星系統的幅度強度高出甚多,也是印證愛氏「強」場方程的重要數據庫(圖 29)。

圖 29 類似 GW150914 兩個自旋黑洞互繞期間輻射引力波的電腦模擬示意圖。兩組彩色虛線代表黑洞互繞衰減的軌道,綠色箭頭代表黑洞自旋的方向,菊色花瓣代表輻射出去的引力波。(Credit: NASA/ Ames Research Center/C. Henze [Public Domain], via Wikimedia Commons)

GW150914  出身於暴烈的自旋雙黑洞相撞合併事件。它誕生地的四維時空黎曼流形的「度量」尺標,彎曲的程度難以想像。而這個「度量」尺標因兩個巨大黑洞合併,產生了瞬時劇烈的變化,引力潮有如滔天的海嘯,能將宇宙所有的物質結構揉得粉碎,引力波也以海嘯幅度即刻以光速散播出去。引力波上路後,波幅就以和原生地距離的平方成反比衰減,於 13 億多光年的旅程後抵達地球,引力波的振幅衰減到只剩下 100 億億分之一公尺,帶給人類的只是宇宙一個微弱的顫抖。

但這個微弱的 GW150914 出身豪門,以愛氏的「強」場方程追本溯源,讓人類看清楚了這場在宇宙中發生過的驚心動魄往事。

在黑洞橫屍遍野的宇宙,偵測更多引力波

經過五個月的數據分析,人類第一次直接偵測到的引力波GW150914 的驚世發現,以「雙黑洞合併的引力波觀測」[22] 論文發表,列出包括「引力波三傑」索恩、維思和追沃等作者共1,860名,與 136 所大學和研究機構,北京和臺灣的清華大學和作者也都上榜。論文中強調 GW150914 的數據正確的置信度(confidence level,CL)為 5.1σ(標準誤差),即約 99.99996%,也是每約五百萬次才出一次錯,以嚴格的高能粒子發現的黃金標準衡量, 只能算夠上了薩根(Carl Sagan,1934-1996)較次等級的「驚世聲明需要驚世數據」(Extraordinary claims require extraordinary evidence)的規格。論文換另一個角度看數據置信度問題,宣稱宇宙送出 GW150914 類數據的「虛驚」率,每 203,000 年一次。以地球年齡 46 億年估計,宇宙已送出類似 GW150914 的「虛驚」訊號 22,660 次,兩萬多筆可不是個小數目,所以這個置信度尚未達到五星級標準。

-----廣告,請繼續往下閱讀-----

等全部六個引力波觀測站聯網作業後,只要六站同時接收到有如圖 28 同卵六胞胎的引力波訊號,置信度可能會超過 7σ,訊號的置信度比現在會高上十萬倍,甚至超過希格斯波色子 7σ 拍板定案的標準。

2015 年 12 月 26 日,美國的兩座 LIGO 站又觀測到第二起引力波事件,也是由雙黑洞互繞、相撞、衰蕩和合併引起,距地球約 14 億光年,黑洞大小為 14.2 和 7.5 太陽質量,其中至少一個黑洞有自旋現象,合併後為 20.8 太陽質量,0.9 太陽質量轉變成引力波能量。

東南站比西北站早 1.1 ms 收到訊號,表示引力波大約由西南方向而來,在圖 27 中以左上角小紫色區域圈出 90% 置信度範圍。沿用 GW150914 已建立起的傳統,這個引力波被命名為 GW151226

人類追尋了五十餘年引頸以盼的引力波,在短短的三個多月內,連續兩次以雙黑洞合併劇碼登場,給愛氏的場方程提供了最厲害的「強」引力場檢驗,也直接證明了愛氏的黎曼流形中四維時空的纖維結構更加美麗堅固的存在。

-----廣告,請繼續往下閱讀-----

2017 年 6 月 1 日,美國的兩座 LIGO 站再接再厲地宣布成功偵測到第三起引力波  GW170104。這次的兩個黑洞分別為 31.2 和 19.4 太陽質量,相撞合併後為 48.7 太陽質量,1.9 太陽質量轉變成引力波能量,經過 30 億年的傳播,抵達地球。

在 LIGO 的網站上並可尋得尚有另外六個引力波事件正在分析確認中。目前的跡象已很明顯,雙黑洞相撞合併後激發的引力波事件在宇宙中可能層出不窮,已達欲罷不能的地步。(第四起引力波 GW170814 已被確認。第五起的引力波 GW170817 也被確認了是第一起雙中子星引力波, 並偵測到同時發生的伽瑪閃爆電磁波訊號。)

引力波頻頻以活躍的雙黑洞合併後剩餘能量出現,就表示我們目前的宇宙已可能黑洞橫屍遍野,正在快速甚或加速地朝老化方向演化。但從正面角度去看,雙黑洞合併頻率高,就能常常激發出引力波在宇宙中蕩漾。未來只要 LIGO 的靈敏度持續改進,偵測引力波可能會成為稀鬆平常事件。

人類未來的挑戰:暗物質、暗能量與宇宙「暴脹」的引力波

二十一世紀的人類,面臨嚴峻的智慧挑戰,一定要弄懂暗物質和暗能量的物理規律(圖 30)。引力波的出現為人類打開了一扇巨大嶄新的天文窗口,電磁波無法照亮的宇宙黑暗角落,引力波可通行無阻,和暗能量、暗物質親密互動,探清它們的底細。

-----廣告,請繼續往下閱讀-----
圖 30 宇宙組成成分示意圖。暗物質和暗能量是面臨二十一世紀人類最嚴峻的智慧挑戰。

但宇宙中還有另一類的引力波,也在愛氏相對論管轄範圍之內。這類引力波起源於宇宙「暴脹」(inflation)前後的極高能量混沌初開時期,它可能像電磁背景微波一樣,仍然在宇宙中蕩漾。宇宙凝聚後的雙黑洞合併引力波,如 GW150914 和 GW151226, 由於捕捉訊號的窗口狹窄,時機稍縱即逝。但宇宙混沌初開時的原初(primodial)引力波永遠在那蕩漾,等待人類的發掘,只是它更遙遠、更微弱、更低頻。

人類得投入比 LIGO 昂貴 10 倍以上的經費,再花個 10 年、20 年時間,在地球繞日軌道籌建一座「雷射干涉太空天線」(Laser Interferometer Space Atenna,LISA), 如圖 31, 三道雷射束通道距離 500 萬公里, 靈敏度高於 LIGO 上千倍,覆蓋的宇宙空間體積大於 LIGO 上億倍(LISA 目前因NASA 方面經費情況膠著,由 ESA 以 eLISA 繼續發展。)

愛氏的場方程,波濤壯闊,歷久彌新,它將帶領二十一世紀的人類,解讀宇宙暗能量與暗物質的奧祕。

  • 直接偵測到引力波的發現,獲 2017 年諾貝爾物理獎。引力波三傑之一的追沃(Donald Drever, 1931-2017)不幸於2017 年 3 月 7 日逝世,令人扼腕。維思、巴利許(Barry Barish,1936-)和索恩(Kip Thorne, 1940-)獲頒 2017 年諾貝爾物理獎。

 

 

 

本文摘自《宇宙的顫抖:談愛因斯坦的相對論和引力波》,台大出版中心出版。

-----廣告,請繼續往下閱讀-----

 

 

 

 

-----廣告,請繼續往下閱讀-----
文章難易度
臺大出版中心_96
10 篇文章 ・ 14 位粉絲

0

0
0

文字

分享

0
0
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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

3
1

文字

分享

0
3
1
用「世界上最大的望遠鏡」觀測黑洞!臺灣也參與其中!
PanSci_96
・2024/07/15 ・3876字 ・閱讀時間約 8 分鐘

台北時間 1 月 18 號下午四點,中研院天文所公布了一張黑洞照!別小看這張照片,裡頭有玄機!不論是驗證愛因斯坦的廣義相對論,還是要研究 M87 黑洞有沒有什麼特性,都得從這張照片著手。

為什麼我們能拍到比之前更清楚的照片呢?這是因為,這次「事件視界望遠鏡」的團隊,加入了格陵蘭望遠鏡的觀測數據。它不僅是全球第一座位於北極圈內的重要天文觀測站,此外,這座觀測站,也和台灣脫不了關係喔!

就讓我們來看看,這張黑洞照到底是怎麼拍的?這幾張黑洞甜甜圈照,又藏有哪些重要資訊?

近年的黑洞觀測

大家應該都還記得 2019 年的黑洞熱潮,當年 4 月,人類第一張黑洞照——M87 的真面目,被公開了,我們終於取得了黑洞存在的最直接證據。3 年後的 2022 年 5 月,我們也終於看清楚那個在我們所在的星系中,在銀河系最深處的黑洞——人馬座 A*。這兩張像是甜甜圈的照片,掀起黑洞熱潮,也帶給我們不少感動,想必很多人都還記得。

-----廣告,請繼續往下閱讀-----
圖/ESO、EHT Collaboration

但是,這兩張模糊的甜甜圈,不管對於科學家還是我們,想必都還不滿足!我們想看到的,是能跟電影星際效應中一樣,帶給我們強烈震撼的完整黑洞樣貌。

很快就有好消息,在 M87 照片公開的三年後。2022 年 4 月,天文學家展示了另一組 M87 的照片,除了原本的黑洞以外,還能看到外圍三條噴流,與圍繞在黑洞旁邊的吸積流,更加完整的黑洞結構同時存在在一張照片上。

圖/Lu, RS., Asada, K., Krichbaum, T.P. et al. A ring-like accretion structure in M87 connecting its black hole and jet. Nature 616, 686–690 (2023). https://doi.org/10.1038/s41586-023-05843-w

有趣的是,在 2022 發表的觀測結果中,黑洞似乎胖了一圈,直徑比 2019 年發表的結果大了 50%。這可不是說黑洞在幾年間就變胖了 1.5 倍,不用擔心,宇宙不會因此毀滅。這主要是選用觀察的電磁波波段不一樣,2019 年觀察的電磁波波長是 1.3 毫米,2022 年的波長則是 3.5 毫米。但其實,1.3 毫米比 3.5 毫米的電磁波穿透力更好。也就是 2019 年的影像更接近黑洞的實際長相。

對了,2022 年的黑洞照並不是事件視界望遠鏡發的。你知道「事件視界望遠鏡」並不是唯一在進行黑洞觀測的計劃嗎?

-----廣告,請繼續往下閱讀-----

為了觀測黑洞,全球的電波望遠鏡進行同步串聯,打算打造一個等效直徑幾乎等於地球直徑的超大望遠鏡。因為我們無法直接打造一面面積跟地球一樣大的望遠鏡,因此我們得將分布在各地的望遠鏡同步串聯,由數據分析來拼湊出整體樣貌。你可能不知道,全球的大型黑洞觀測國際合作計畫其實有兩個,一個就是大家比較常聽到的「事件視界望遠鏡 」,簡稱 EHT,主要以 1.3 毫米的波段進行觀測,也就是大家熟悉的甜甜圈照。而另一個大計畫是「全球毫米波特長基線陣列」,簡稱 GMVA,以 3.5 毫米為主要觀測波段。2018 年 GMVA 還加入了新成員,讓我們能看到最新的這張照片。其中一個是超強力助手 ALMA,另一個,就是第一座位於北極圈內,由台灣中研院主導的格陵蘭望遠鏡 GLT。

為什麼黑洞會那麼難觀察?

現在大家都知道,我們已經能確實拍到黑洞了。即使黑洞的本體是全黑的,圍繞在黑洞周邊快速旋轉的物質,也會因為彼此摩擦與同步輻射,放出強烈的電磁波,被我們看到。

但即便它會發光,仍然是個難以觀測的天體,直到近年,我們才補捉到它樣貌。這是因為,比起亮度,更難的地方在於尺寸,黑洞好小,更準確來說,是看起來好小。M97 和人馬座 A* 實際上都比太陽大上不少,但因為距離我們十分遙遠,從地球上來看,人馬座 A* 與 M87 黑洞的陰影尺寸,分別是 50 微角秒和 64 微角。從我們的視角來看,就跟月球上的一顆甜甜圈一樣大。

但即便很困難,看到黑洞對我們來說十分重要,我們需要有確切的證據來證明我們對於黑洞的預測並沒有錯。例如在 2022 年有照片證明「銀河系中間真的有黑洞!」之前,2020 的諾貝爾物理獎頒獎時,仍以「大質量緻密天體」來稱呼銀河系中央的「那個東西」。現在,從黑洞噴流、吸積盤、自轉軸、到光子球層,我們還有好多黑洞特性,需要更高解析度的照片來幫我們驗證,驗證廣義相對論的預測是否正確,而我們對於黑洞與宇宙的認識是否需要調整。

-----廣告,請繼續往下閱讀-----

好的,我們知道為了追星,嗯,是追黑洞,科學家無不卯足全力提升望遠鏡的解析度。但是為何格陵蘭望遠鏡的加入,就能提升照片解析度呢?

組成世界上最大的望遠鏡?

越大的望遠鏡看得越清楚,為了將全世界的電波望遠鏡串聯,打造等效口徑幾乎等於地球的超大望遠鏡。這些望遠鏡使用了特長基線干涉測量法,這些望遠鏡則稱為電波干涉儀。

這些電波干涉儀通常由一系列的天線組成,例如位於智利的阿塔卡瑪大型毫米及次毫米波陣列 ALMA,就是由 66 座天線組成,最遠的兩座天線距離長達 16 公里。在觀測同一個訊號時,透過比較每座望遠鏡收到訊號的相位差,就能計算出訊號的方位角,進一步推算出原始訊號的樣貌。而當這些天線數量越多、距離越遠,就等於是一座更高解析度、口徑更大的望遠鏡。例如 ALMA 的影像解析度高達 4 毫角秒,能力比知名的哈伯太空望遠鏡還要好上 10 倍。另一座位於夏威夷的次毫米波陣列望遠鏡 SMA,則是由 8 座天線組成,雖然單座天線的直徑只有 6 公尺,卻足以以模擬出一座直徑 508 公尺的大型望遠鏡。

利用相同技術,只要透過原子鐘將全球的望遠鏡同步,就能模擬出直徑幾乎等於地球直徑的超巨大望遠鏡,也就是「事件視界望遠鏡 」或是「全球毫米波特長基線陣列」。

-----廣告,請繼續往下閱讀-----

沒錯,格陵蘭望遠鏡 GLT 也扮演重要角色。但為什麼要把望遠鏡建在北極圈內?

畢竟這可不簡單,為了讓望遠鏡能在最低零下 70 度 C 的嚴苛環境中工作,還期望它能發揮超越過去的實力,科學家改造了不少設備,甚至還要加裝除霜裝置。

但這一些都是值得的,因為光是 ALMA、SMA、GLT 三座望遠鏡,就可以在地球上構成一個大三角型,等於一台巨大的電波干涉儀。

圖/First M87 Event Horizon Telescope Results. II. Array and Instrumentation – Scientific Figure on ResearchGate. Available from: https://www.researchgate.net/figure/Map-of-the-EHT-Stations-active-in-2017-and-2018-are-shown-with-connecting-lines-and_fig1_333104103 [accessed 15 Jul, 2024]

而對於事件視界望遠鏡來說也十分重要,因為在地球的南邊已經有南極望遠鏡了,東西向則有許多來自中低緯度的望遠鏡。剩下的關鍵位置,當然就是北極的格陵蘭望遠鏡了。而特長基線干涉技術要在不同頻段發揮作用,每個望遠鏡的相對位置也十分重要。格陵蘭的地理位置與良好的大氣環境,讓格陵蘭望遠鏡可以觀測 230GHz 這個特殊波段的訊號,並且補足黑洞的諸多細節。根據官方消息,未來還要真的登高望遠,更上一層樓地把整座格陵蘭望遠鏡搬上格陵蘭島山頂的峰頂站台基地 (Summit Camp ),觀測 690GHz 的特殊訊號,期待能看到黑洞的光子球層,驗證廣義相對論的預測。

-----廣告,請繼續往下閱讀-----

順帶一提,這邊提到的 SMA、ALMA 和格陵蘭望遠鏡,不僅合作關係密切,這些重要計畫台灣還都參與其中!

SMA 是 2003 年啟用,全世界第一座可觀測次毫米波的望遠鏡陣列,也是史密松天體物理台與台灣中研院天文所合作興建與運作的望遠鏡,每年也有許多台灣參與或主導的研究發表。

2013 年啟用,位於智利的 ALMA,則是由東亞、歐洲、北美共同合作的國際計畫,台灣當然也參與其中。擁有66座望遠鏡的 ALMA,也是地面上最大的天文望遠鏡計畫。而有趣的是,由中研院主導的格陵蘭望遠鏡所使用的天線,就是使用 ALMA 的原型機改造而成的!

最後,這次最新的黑洞照就是這張,在 2018 年 4 月拍攝,歷經將近 6 年分析,才正式公布的照片。它與 2017 拍攝,2019 年公開的第一張黑洞照一樣,主角都是 M87。

-----廣告,請繼續往下閱讀-----

你說兩張照片看起來都一樣?嗯,沒錯,雖然還是看得出差異,但兩張照片大致上看起來的確差不多。

這兩張照片所得出的光環半徑相同,代表在相隔一年的拍攝期間,黑洞半徑並沒有產生變化。因為 M87 並不會快速增加質量,所以這個觀測結果非常符合廣義相對論對於光環直徑的預測。並且這張照片也讓我們更加確定,2017 年拍攝到的甜甜圈結構,並不是黑洞的偶然樣貌。

有相同的地方,也有不一樣的地方。這兩張照片光環上最亮的位置逆時針偏轉了 30 度,光是這點,就將開啟下一波的黑洞研究熱潮。透過比較不同時間拍攝的照片,科學家將可以深入研究黑洞的自轉軸角度,以及自轉軸隨著時間偏轉的「進動」現象,並更進一步分析黑洞周圍的磁場與電漿理論。

因為 GLT 的加入,有效提升了 EHT 的影像保真度,科學家能取得更加真實的黑洞照,為未來的黑洞研究打下基礎,例如挑戰很難被拍到的光子環。

-----廣告,請繼續往下閱讀-----

特別感謝中研院天文所研究員,同時也是格陵蘭望遠鏡計畫執行負責人的陳明堂老師協助製作。我們還有一場與陳明堂老師的直播對談,直接來和大家聊聊這次的黑洞結果以及回答各式各樣的黑洞問題。一起繼續來體驗黑洞的魅力吧!

也想問問大家,現在有了一批新資料,你最期待下一次的黑洞成果發表,帶來什麼消息呢?

  1. 我們成功觀察到了霍金輻射!
  2. 黑洞的模擬結果發現超越廣義相對論的新理論!
  3. 黑洞中其實有其他文明,而且我們已經成功接觸了!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

1
1

文字

分享

0
1
1
電磁波全揭秘:了解頻帶、頻寬、頻率和通信技術的基礎知識
數感實驗室_96
・2024/06/13 ・672字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

先前我們介紹了多位為通信科技發展做出貢獻的科學家。現在,我們要深入探討無線通信的技術層面。

無線通信,顧名思義不像傳統的電話或電報那樣需要一條實體的線路來傳遞信號。但這些信號並非憑空傳遞,它們依賴的正是電磁波。

電磁波在現代社會無處不在,從微波爐、手機到基地台,這些設備都會發射電磁波。但其實即使沒有這些科技裝置,電磁波依然存在於我們周圍。什麼意思呢?答案就是:當我們白天走到戶外,看到的光,它其實也是電磁波的一種。

-----廣告,請繼續往下閱讀-----

希望大家掌握了這些電磁波、頻帶、頻寬等基礎知識後,未來在閱讀相關的電信新聞時更加了解他們提到的術語,以及各種縮寫。以後無論是科技發展的動態還是市場新技術,都能更有概念地理解。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/