Loading [MathJax]/extensions/tex2jax.js

0

15
2

文字

分享

0
15
2

科學寶可夢2 #171 電燈怪:深海中的大大大大大太陽

Rock Sun
・2018/03/07 ・3543字 ・閱讀時間約 7 分鐘 ・SR值 505 ・六年級

身為一名訓練師,你真的了解你的寶貝們嗎?寶可夢圖鑑讀熟了沒?

其實圖鑑告訴你的比想像中的還多喔!每個星期周末跟著 R 編一起來上一門訓練師的科學課吧!來跟大家分析這些寶可夢們是如何使用科學力來戰鬥的。

在Y編的百般詢問之下(其實是我自我放逐~~~),R編決定來繼續「科學寶可夢」這個專題。儘管寶可夢有點退燒了,但這充滿空想、奇幻又可以用科學來驗證、討論的世界,對我們科學青年根本是個遊樂場~ 不是嗎?或許之後……還可以繼續不知道那裡的科學探險呢~

(圖/Bulbapedia)

 你就只會看到一團光,然後就瞎了 #171 電燈怪

雖然我們上一位介紹的安瓢蟲就是以星光當成能源來過活的,但其實R編個人對寶可夢世界裡與「光」有關的寶可夢不抱太大的期待,因為……好像沒有哪隻寶可夢是以光出名的啊!沒想到過沒多久又發現了一隻不只和光有關,且單單從圖鑑敘述就知道牠一定強到沒朋友的寶可夢。

「電燈怪發出的光線之亮,就算是從 5000 米的水下發出也能傳到到水面上。」(金、葉綠、心金)

「如果深夜里從船上向漆黑的海望去,電燈怪所發出的亮光有時看起来就像星星一樣。」(藍寶石、鑽石、珍珠、白金、黑白…..)

「會放出刺眼的亮光眩暈對手,然后趁其無法動彈時將其整個吞下。」(銀、火紅、魂銀……)

各位觀眾,是 5000 米(公尺)啊!!!(注1)先別說在海底了,假設今天場景拉到了海平面上,5000 公尺的距離就像是你站在 101 某個樓層能夠平視看到新光三越站前店(如果沒有建築物擋住的話)頂的手電筒!這有可能嗎?R編覺得很難,但也不是沒機會。不過在此之前先讓我們再推一萬步,來追究一下電燈怪是怎麼發光的?

R編比較喜歡這種~殺氣!!(圖/Pokemon by Reviews)
source:Wikimedia

其實圖鑑上有提到這點:電燈怪就跟許許多多地球上的深海發光生物一樣,靠著身體中的細菌產生化學反應來制造亮光。生物之所以發光有各式各樣不同的理由,像是吸引獵物、溝通、尋找伴侶等等。這些生物有很大一部分居住在海中,而圖鑑裡也有說電燈怪是靠閃瞎獵物來捕食……這聽來蠻合理的,除了牠鮮豔的藍黃色以外,牠的外型甚至跟現實世界的鮟鱇魚幾乎一模一樣(注2)。

所以電燈怪發光是很合理的,但能在 5000 公尺外看到牠的亮光嗎?問題就在於,就算鮟鱇魚頭上的燈跟我們在地球眼睛看到的太陽光一樣亮,別說 5000 公尺了,在水裡連在 100 公尺內看到都很勉強;之所以會有這樣的現象,跟光在水中的物理有關。

-----廣告,請繼續往下閱讀-----

水的密度比空氣大超過 800 倍,這對於光的傳遞來說是很不友善的一件事。在水下,光的傳遞會受到深度、視覺距離、水面的狀況影響等因素影響,但絕大部分的紅光在 5 公尺內會被吸收、橘光則是 10 公尺、黃光 20 公尺、綠光 30 公尺,最後藍光在 60 公尺身的時候就消失了,這時候的光基本上被吸收到剩不到 10%。(注3)

就算今天海水的狀況好一點,太陽光頂多也只能傳遞到水下 200 公尺,所以這段距離在海洋學上被稱為「透光帶」(Epipelagic)。這個範圍的海水居住著需要陽光的海洋生物,像是一些行光合作用的浮游生物。再往下到 1000 公尺深,叫做「中層帶」(Mesopelagic),這裡要行光合作用基本上已經不可能了,只有在最理想、風平浪靜、海水超級清澈的極少數情況下這裡才有一點點光,但少到讓人絕望。

然後在這之下的深海則叫做「深層帶」(Bathypelagic),再來是「深淵帶」(Abyssopelagic)(y編按:說好不提娜娜琪的……(R編再按:那啥?吃的嗎?))。帶如其名,在這裡的生物別說看過光了,連ㄍㄨㄤ這個字怎麼拼都不知道。5000 公尺深就落在這裡,而電燈怪可以從這裡……散發出來連水面都看的到的光……!?

從深海中的LED燈開始,來大膽猜一下電燈怪能有多亮呢?

舉個例子給大家參考一下,曾經下潛到水下 10,000 公尺深、著名的水下載具深海挑戰者號上面裝有一個 2 公尺高的 LED 探照燈陣列(注4),雖然 R編找了很久找不到這 LED 探照燈陣列的功率或照度,但是根據製造者說法,這個探照燈在深海能看到 30 公尺外的地方……這也只有電燈怪的0.6%而已。由於實在找不到太多可靠或明白的資料,R編決定做個冒險的計算,就是使用平方反比定律,來試著計算電燈怪的光到底有多強,這下子我們可能會忽略很大一部分水的散射,導致我們的電燈怪會超乎預期的強。

-----廣告,請繼續往下閱讀-----
所以說牠臉上的黃斑紋到底是幹嘛?保護眼睛嗎?(圖/Pokemon Wiki)

反平方定律是一個推估物理量的分布或強度的定律,數值會按照距離源的平方反比而下降,最常被用在計算能量擴散(爆炸)或光與距離間的關係。舉個例子:如果今天我們在 2 公尺之外測量一個燈泡照度為 10 勒克斯(也就是每平方公尺 10 流明),那麼它在 1 公尺處的照度就是 (2/1)2x10=40 勒克斯。當然也可以放遠計算,而數字只會越來越趨近於零,但不會消失。

例如深海挑戰者號的LED燈在 30 公尺為照度剩 1 勒克斯(大概比滿月的晚上再亮一點點),那麼 5000 公尺外它的照度就只剩下 0.000036 勒克斯,比之前提過的星光還弱 3 倍。如果我們反過來推倒,假設今天我們在水面上看到電燈怪的燈光有 1 勒克斯,那麼實際上在海中的牠有多亮呢?

經過計算之後,在 30 公尺處電燈怪的照度就高達 27 萬勒克斯,這已經比正中午的太陽光還亮 2 倍以上了,如果我們再拉近點,距離電燈怪只有 10 公分,照度會來到 2.5×1010 勒克斯,我們姑且就先以這個值當作電燈怪燈的照度好了。

電燈怪的燈,如果把它算成一個直徑兩公分的球好了,它的表面積就是 0.0013 平方公尺,乘上 2.5×1010 勒克斯,我們得到光通量為 3000 萬流明,如果再進一步將電燈怪的發光能力換算成現今擁有非常優越轉化效能的燈泡,約 200 流明/瓦特,我們也可以把它類比成一個 15 萬瓦的燈泡

-----廣告,請繼續往下閱讀-----
燈關一下啦~~喂~~(圖/Giphy)

我們要拿怎樣的手電筒比呢?別提了,我們直接跳到海岸救援直升機等級的探照燈,這類的探照燈少有 500 瓦,高則可以到 7000 瓦,而市面上能夠找到的最強探照燈光通量一台也不過才 50,000 流明而已了,在電燈怪的光面前,我們地球上的最頂尖的人造光都像螢火蟲一樣,除非我們集合起來(悟空說:請大家給我力量!),才能比過這隻小小的寶可夢。(注5)

而根據軍用閃光彈的原理,我們正常人只要看到每平方公分 0.2 瓦以上的光就會昏厥。如果我們今天想把電燈怪從深海打撈起來,會發生什麼事呢?我們會先看到一個像手電筒一樣的燈光出現在海面上,漸漸地越來越大、越來越亮,離水面幾百公尺的時候,整個海面已經像日光燈一樣閃亮,我們可以在海面上看到各種不同海洋生物的影子,然後一口氣大力拉上的瞬間,半徑大概 100 公尺內的人都會被瞬間閃暈,範圍之外的大概亮到眼睛都睜不開,而理所當然我們也看不到這隻寶可夢。(注6)

這是…….電燈怪…..還是神?(圖/VideoBlocks)

海中生物的話呢~~牠們如果有視力的話大概也會落得一樣的下場,反而是眼睛發育不完全的深海動物和完全沒有眼睛的底棲生物們等能夠逃過一劫……原來這就是為什麼電燈怪要住在海底下的原因啊~~真是要好好感謝電燈怪,請牠們盡量待在深海不要隨便造成視力浩劫啊~~

編注:

-----廣告,請繼續往下閱讀-----
  1. 這基本上就是全部的敘述了,說實在話「像星星一樣」和後面的閃瞎對手吃掉整個差很多啊~不會覺得這光絕對是有詐嗎?
  2. 這很難說,因為我們只不過才探索極少部分深海而已,說不定哪一天我們真的能找到長得像藍色的布丁,臉上還有黃色斑紋的鮟鱇魚,但絕對不會長這麼可愛。其實現實世界有深海魚類的眼窩是真的會發光的,所以那圈黃色的說不定是發光器?
  3. 雖然這順序有很大的不一樣,因為我們以上討論的是陽光照進海水的情況,但電燈怪可是相反~他是從海裡發出光,光源本身就在水中,不像太陽高高掛在天上,這中間少了非常多東西,如果有更懂類似知識的大大可以幫R編補一下。
  4. 除了LED探照燈外,還有一個機械夾和許許多多的鋰電池、攝影機…..,沒有太多華麗的實驗設備,但靠著安全的設計和卡導演的駕駛,安全的探險回來。
  5. 其實還有更有潛力的強大燈光存在,例如 Imax 投影機陣列、拉斯維加斯樂蜀飯店頂全世界最亮的探照燈、還有許許多多大概不能公布的軍事黑科技,極有可能夠和電燈怪並駕齊驅,但這些真的找不到什麼全面的資料。
  6. 這還不包括可能發生的放熱、視網膜傷害等,只能說這樣的動物待在深海就好了。

參考資料:

  1. 維基百科 (反平方定律光視效能照度生物發光作用深海
  2. 深海挑戰者號
  3. Basic Principles of Light Underwater
  4. How far does light travel in the ocean?
  5. Lumens to watts calculator
  6. What If? 如果這樣會怎樣
  7. 空想科學讀本6
-----廣告,請繼續往下閱讀-----
文章難易度
Rock Sun
64 篇文章 ・ 960 位粉絲
前泛科學的實習編輯,曾經就讀環境工程系,勉強說專長是啥大概是水汙染領域,但我現在會說沒有專長(笑)。也對太空科學和科普教育有很大的興趣,陰陽錯差下在泛科學越寫越多空想科學類的文章。多次在思考自己到底喜歡什麼,最後回到了原點:我喜歡科學,喜歡科學帶給人們的驚喜和歡樂。 "我們只想盡我們所能找出答案,勤奮、細心、且有條理,那就是科學精神。 不只有穿實驗室外袍的人能玩科學,只要是想用心了解這個世界的人,都能玩科學" - 流言終結者

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。

0

4
1

文字

分享

0
4
1
為什麼會被陽光曬傷?光有能量的話,為什麼照日光燈沒事?
PanSci_96
・2024/05/05 ・3185字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

唉!好曬呀!前兩集,一些觀眾發現我曬黑了。

在臺灣,一向不缺陽光。市面上,美白、防曬廣告亦隨處可見,不過,為什麼我們會被陽光曬傷呢?卻又好像沒聽過被日光燈曬傷的事情?

事實上,這也跟量子力學有關,而且和我們今天的主題密切連結。

之前我們討論到量子概念在歷史上的起點,接下來,我們會進一步說明,量子概念是如何被發揚光大,以及那個男人的故事。

-----廣告,請繼續往下閱讀-----

光電效應

在量子力學發展過程中,光電效應的研究是非常重要的轉捩點。

光電效應指的是,當一定頻率以上的光或電磁波照射在特定材料上,會使得材料發射出電子的現象。

在 19 世紀後期,科學家就已經發現某個奇特的現象:使用光(尤其是紫外線)照射帶負電的金屬板,會使金屬板的負電消失。但當時他們並不清楚背後原理,只猜測周遭氣體可能在紫外線的照射下,輔助帶負電的粒子從金屬板離開。

光電效應示意圖。圖/wikimedia

於是 1899 年,知名的英國物理學家 J. J. 湯姆森將鋅板放置在低壓汞氣之中,並照射紫外線,來研究汞氣如何幫助鋅板釋放負電荷,卻察覺這些電荷的性質,跟他在兩年前(1897 年)從放射線研究中發現的粒子很像。

-----廣告,請繼續往下閱讀-----

它們是比氫原子要輕約一千倍、帶負電的微小粒子,也就是我們現在稱呼的電子。

1902 年,德國物理學家萊納德發現,即使是在抽真空的玻璃管內,只要照射一定頻率以上的光,兩極之間便會有電流通過,電流大小跟光的強度成正比,而將光線移除之後,電流也瞬間消失。

到此,我們所熟知的光電效應概念才算完整成型。

這邊聽起來好像沒什麼問題?然而,若不用現在的量子理論,只依靠當時的物理知識,很難完美解釋光電效應。因為根據傳統理論,光的能量多寡應該和光的強度有關,而不是光的頻率。

-----廣告,請繼續往下閱讀-----

如果是光線把能量傳給電子,讓電子脫離金屬板,那為什麼需要一定頻率以上的光線才有用呢?比如我們拿同樣強度的紫外線跟紅外線去照射,會發現只有照射紫外線的金屬板才會產生電流。而且,當紫外線的頻率越高,電子的能量就越大。

另一方面,若我們拿很高強度的紅外線去照射金屬板,會發現無論如何都不會產生電流。但如果是紫外線的話,就算強度很低,還是會瞬間就產生電流。

這樣難以理解的光電效應,使得愛因斯坦於 1905 年一舉顛覆了整個物理學界,並建立了量子力學的基礎。

光電效應的解釋

為了解釋光電效應,愛因斯坦假設,電磁波攜帶的能量是以一個個帶有能量的「光量子」的形式輻射出去。並參考先前普朗克的研究成果,認為光量子的能量 E 和該電磁波的頻率 ν 成正比,寫成 E=hν,h 是比例常數,也是我們介紹過的普朗克常數。

-----廣告,請繼續往下閱讀-----

在愛因斯坦的詮釋下,電磁波的頻率越高,光子能量就越大,所以只要頻率高到一定程度,就能讓電子獲得足以逃脫金屬板的能量,形成電流;反過來說,如果電磁波的頻率不夠高,電子無法獲得足夠能量,就無法離開金屬板。

這就像是巨石強森一拳 punch 能把我打昏,但如果有個弱雞用巨石強森百分之一的力道打我一百拳,就算加起來總力道一樣,我是不會被打昏,大概也綿綿癢癢的,不覺得受到什麼傷害一樣。

而當電磁波的強度越強,代表光子的數目越多,於是脫離金屬板的電子自然變多,電流就越大。就如同我們挨了巨石強森很多拳,受傷自然比只挨一拳要來得重。

雖然愛因斯坦對光電效應的解釋看似完美,但是光量子的觀點實在太過激進,難以被當時的科學家接受,就連普朗克本人對此都不太高興。

-----廣告,請繼續往下閱讀-----

對普朗克來說,基本單位能量 hν,是由虛擬的「振子」發出的;但就愛因斯坦而言,電磁波本身的能量就是一個個光量子,或現在所謂的「光子」。

然而,電磁波屬於波動,直觀來說,波是綿延不絕地擴散到空間中,怎麼會是一個個攜帶最小基本單位能量的能量包呢?

美國物理學家密立根就堅信愛因斯坦的理論是錯的,並花費多年時間進行光電效應的實驗研究。

到了 1914 年,密立根發表了世界首次的普朗克常數實驗值,跟現在公認的標準數值 h=6.626×10-34 Js(焦耳乘秒)相距不遠。

-----廣告,請繼續往下閱讀-----

在論文中,密立根更捶心肝(tuî-sim-kuann)表示,實驗結果令人驚訝地與愛因斯坦那九年前早就被人拋棄的量子理論吻合得相當好。

這下子,就算學界不願相信愛因斯坦也不行了。愛因斯坦也因為在光電效應的貢獻,獲得 1921 年的諾貝爾物理獎。

1921 年,愛因斯坦獲得諾貝爾物理學獎之後的官方肖像。圖/wikimedia

光電效應的應用

在現代,光電效應的用途廣泛。我們日常生活中常見的太陽能發電板,利用的就是光電效應的一種,稱為光生伏打效應,材料內部的電子在吸收了光子的能量後,不是放射到周遭空間,而是在材料內部移動,形成正負兩極,產生電流。

而會不會曬傷也跟光子的能量有關。

-----廣告,請繼續往下閱讀-----

曬傷是皮膚受到頻率夠高的太陽光,也就是紫外線裡的 UVB 輻射造成的損傷。這些光子打到皮膚,會讓 DNA 分子裡構成鍵結的電子逃逸,引起皮膚細胞中 DNA 的異常變化,導致細胞損傷和免疫反應,這就是為什麼曬傷後皮膚會出現紅腫、疼痛和發炎的原因。

而頻率較低的光線,因為光子能量偏低,所以就不太會造成傷害,這也是為什麼我們沒聽過被日光燈曬傷這種事。

結語

從 17 世紀後半,惠更斯和牛頓各自提出光的波動說和微粒說開始,人們就聚焦於光到底是波動還是粒子的大哉問;19 世紀初,湯瑪士.楊用雙狹縫干涉實驗顯示了光的波動性,而到 19 世紀中後期,光屬於電磁波的結論終於被馬克士威和赫茲分別從理論和實驗兩方面確立。

經過約莫兩百年的研究發展,世人才明白,光是一種波動。

怎知,沒過幾年,愛因斯坦就跳出來主張光的能量由一個個的光量子攜帶,還通過實驗的檢驗——光又成為粒子了。

物理學家不得不承認,光具有波動和粒子兩種性質,而會呈現哪一種特性則依情況而定,稱為光的波粒二象性。

愛因斯坦於 1905 年提出的光量子概念,顛覆了傳統認為波動和粒子截然二分的觀點,將光能量量子化的詮釋也被實驗印證,在那之後,除了光的能量之外,還有其他物理量被發現是「量子化」的,像是電荷。

我們現在知道,電荷也有個基本單位,就是單一電子攜帶的電荷大小。

儘管之後又發現組成原子核的夸克,具有 -1/3 和 +2/3 單位的基本電荷,但並沒有改變電荷大小是不連續的這件事,並不是要多少的電量都可以。

如果你覺得很奇怪,不妨想想,我們用肉眼看會覺得身體的每一個部位都是連續的,但其實在微觀尺度,身體也是由一個個很小的原子和分子組成,只是我們根本看不出來,才覺得是連續的。

光子的能量和電荷的大小,其實也是像這樣子,細分下去就會發現具有最基本的單位,不是連續的。

事實上,量子力學在誕生之後,一直不斷地為人們帶來驚喜,簡直就是物理學界突然闖進一隻捉摸不定的貓。我們下一個故事,就要來聊量子力學發展過程中,打破世間常識的某個破天荒假說,而假說的提出者,是大學原本主修歷史和法律,擁有歷史學士學位,但後來改念物理,並憑藉博士論文用 5 年時間就拿到諾貝爾物理學獎的德布羅意。

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
0

文字

分享

0
1
0
鯨魚為什麼歌唱?它們的歌聲可以用來探測海底地形?——《五感之外的世界》
臉譜出版_96
・2023/09/20 ・2132字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

一九九○年代,冷戰終於結束,蘇維埃政府在海中布下的潛水艇威脅也隨之消散,於是海軍提供克拉克與其他專家機會,讓他們透過 SOSUS 的水下麥克風觀測、記錄大海裡的各種聲音。透過聲音頻譜——也就是 SOSUS 系統將接收到的聲音轉換為視覺圖像——克拉克無庸置疑地看到了藍鯨正在歌唱的跡象。

光是第一天克拉克就發現,單一個 SOSUS 感測器所記錄下的藍鯨叫聲比過去所有科學文獻所記載的加起來還要多。大海中充斥著鯨魚的歌聲,而這些聲音則來自無比遙遠的彼方。克拉克估算,記錄下他聽見的那股歌聲的感測器,距離聲音的主人有兩千四百公里之遠。藉由位於百慕達的水下麥克風,他竟能夠聽見遠在愛爾蘭的鯨魚歌聲。

鯨魚的歌聲可以傳得很遠,整個大海中都充斥著鯨魚的歌聲。圖/Giphy

於是他說:「當時我心想:『羅傑的想法沒錯。』我們實際上真的可以探測到橫跨整個海洋盆地的鯨魚歌聲。」對於海軍的分析專家來說,這些聲音就是他們每天工作都會遇到的正常現象,而這些聲音與工作內容無關,所以根本不會被標記在聲音頻譜上,也因此就被忽略了。然而對克拉克來說,這卻是令他茅塞頓開的驚人發現。

穩定規律的「歌聲」其實是一種探測手段?

雖然藍鯨與長須鯨的歌聲能夠跨洋越海,卻沒人知道鯨魚是否真的會在如此遙遠的距離下互相溝通;畢竟牠們很有可能只是在用極大的音量對附近的同類示意,只是音波剛好傳到了很遠的地方去而已。不過克拉克又指出,鯨魚會一次又一次地不斷重複同樣的音頻,甚至也會精準維持音與音之間的間隔長度。鯨魚會在浮出水面呼吸時停止歌唱,回到水中繼續歌唱卻也會落在剛剛好的拍子上。他說:「所以牠們唱歌並不是隨興而至的舉動。」這種現象令他想起了火星探測車為了傳送資料回地球所發出的那種重複的連續訊號。假如人類想設計出能夠跨越海洋進行溝通的訊號,大概也會想出類似藍鯨歌聲的形式吧。

-----廣告,請繼續往下閱讀-----

鯨魚歌聲或許也有其他用途。牠們發出的每個音都能持續好幾秒,而其波長更是好比足球場的寬度。克拉克曾問過他在海軍的朋友,假如他有發出這種聲音的能力,可以拿來幹嘛?

「那我就能摸透整個海洋。」他的朋友如此回答道。這話的意思是,他能夠藉此刻畫出深海的地景,透過傳至遠方的次音波回音,他就能辨識出海底山稜與海床的位置。地球物理學家也肯定能運用長須鯨的歌聲來了解各處的地殼密度。那麼,鯨魚到底用這種聲音來做什麼呢?

鯨魚似乎可以透過歌聲的回音辨識出海底山稜與海床的位置。圖/pixabay

克拉克從鯨魚的動作中看出了答案;透過 SOSUS,他發現藍鯨出現在冰島與格陵蘭之間的極地水域中,一路蜂擁直奔——還是該說是鯨擁?——熱帶地區的百慕達,旅途中一路歌唱。他也看過鯨魚在深海的群山間左彎右拐,在幾百英里間的深海地景之中蜿蜒前進。「看到這些動物的移動方式,就會感覺牠們大腦裡似乎有著以音波構成的海洋地圖。」他如此說道。

他也猜測,鯨魚在長長的一輩子裡,會不斷累積大腦中的聲音記憶,隨之擴增儲存在大腦裡的海洋地圖。克拉克也還記得,曾有位資深海軍聲納專家告訴他,大海裡每個地方都有它專屬的聲音。克拉克告訴我:「他們說:『讓我戴上耳機,我不用看就能直接告訴你現在位於拉布拉多還是比斯開灣的海域。』而我就想,假如人類累積了三十年的經驗就能做到這個地步,何況是演化了一千萬年的動物呢?」

-----廣告,請繼續往下閱讀-----

漫長的迴響~不同時間尺度下的認知

不過關於鯨魚聽力的尺度,還是有令人費解之處。鯨魚的叫聲確實可以傳遞到很遠的地方,但卻也很花時間;在海裡,音波一分鐘只能傳五十英里(約八十公里)遠,因此假設一隻鯨魚聽見另一隻鯨魚在一千五百英里(約二四一四公里)之外發出的叫聲,這隻鯨魚得在半小時以後才能聽見對方的歌聲,就像天文學家觀測到的星光其實是恆星在很久很久以前散發出的光芒一樣。假如某隻鯨魚想探測五百英里(約八百零四公里)之外那座山的位置,牠得等上十分鐘才能接收到自己叫聲的回音,這感覺起來似乎有點荒謬。

然而各位想想,藍鯨在水面上的心跳一分鐘約為三十下,潛入水下後卻會下降至一分鐘只跳三次。這麼一想,鯨魚生命中的時間尺度想來一定與人類相當不同吧。倘若斑胸草雀能夠在單一個音裡就聽見以毫秒為單位的美麗音頻,也許藍鯨分辨同樣潛藏在聲音中的祕密訊號的時間尺度則是分或秒。若要想像鯨魚的生活樣貌,「你得發揮想像力,以完全不同的次元思考。」克拉克對我說道。

他認為這兩種體驗的差異應該就像先用玩具望遠鏡注視夜空,再改用美國太空總署架設在太空的哈伯太空望遠鏡一覽星羅棋布的壯麗星辰。一想到鯨魚,他的世界彷彿就變大了,不管是空間還是時間的尺度,都更加遼闊。

——本文摘自《五感之外的世界》,2023 年 8 月,臉譜出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。