「大強子對撞機」製造解密：大強子對撞計畫太新，很多需求技術超越時代，必須用摩爾定律去估算──《到世界頂尖實驗室 CERN 上粒子物理課》

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

• 文／陳立欣

你知道亞洲第一次成功的核分裂實驗是在臺灣完成的嗎 ?

1934 年 7 月 25 日晚間，就在今天的臺灣大學二號館 101 室，舉行了一項令人興奮的偉大實驗。科學家用高壓直線型加速器使質子加速前進，撞擊鋰原子而得到了兩個 α 粒子！這是亞洲第一次，也是世界第二次成功分裂原子核的實驗。而進行這項實驗的科學家，就是時任臺北帝大物理學講座首任教授——荒勝文策（Bunsaku Arakatsu）。

醉心物理學研究，歐洲行開啟高能物理之路

荒勝文策出生於 1890 年 3 月 25 日，日本兵庫縣印南郡的一個小漁村。他從御影師範學校與東京高等師範學校畢業後，一度曾在佐賀縣擔任教職。後來在興趣的推動下，1915 年進入京都帝國大學物理學系就讀。1918 年他從京都帝國大學物理學系畢業，並旋即擔任該校講師。其後陸續擔任京都帝國大學物理學系助理教授、甲南高等學校教授、臺灣總督府高等農林學校教授。

從事教職之後，他還是對研究比較感興趣，後來因緣際會之下，他以臺灣總督府在外研究員的身分前往歐洲留學，正式開啟了他與高能物理學的淵源。

荒勝到了歐洲之後，曾經短暫留學於德國的柏林大學（今柏林洪堡大學），跟隨物理學巨擘阿爾伯特・愛因斯坦（Albert Einstein）作研究，當時也正是哥本哈根詮釋風靡全世界的時候。荒勝在自傳中表示，無論在物理或是思考面，都受到愛因斯坦相當大的影響，使得原本矢志攻讀理論物理學的他，轉而對原子核實驗產生了相當大的興趣。

因此，一年後他到瑞士蘇黎世聯邦理工學院師從保羅・謝樂（Paul Hermann Scherrer），並進行有關鋰原子中自由電子分布的研究。緊接著他到英國劍橋大學卡文迪西實驗室，師從約瑟夫．湯姆森（Sir Joseph John Thomson）、歐尼斯特・拉塞福（Ernest Rutherford）、詹姆士．查兌克（Sir James Chadwick）等人共二年半的時間。（編按：此三人正是中學物理課本中介紹近代物理中，對原子核構造發現有重大貢獻的三位物理學家。湯姆森以陰極射線實驗發現了電子、拉塞福以金箔實驗確立了原子核的存在、查兌克則發現了中子。）

他於 1928 年 8 月獲得京都帝國大學理學博士學位，而畢業論文的主題，就是運用愛因斯坦狹義相對理論裡的「質能互換公式」理論，撰寫出以原子釋出巨能的理論公式。他從事高能物理學研究之路，自此開啟。

臺灣首任物理學教授，完成亞洲首次核分裂實驗

1928 年 12 月，荒勝來到了臺灣總督府轄下的臺北帝國大學，擔任物理學講座的首任教授，並開設普通物理與原子論等相關課程，也是臺北帝國大學首次開設物理學相關課程。荒勝趁著在歐洲進修的機會，大肆採購了許多教學研究相關的圖書與器具，為臺北帝國大學的物理學發展帶來很大的幫助。

1932 年 4 月《自然》雜誌裏有一篇論文，描述英國劍橋大學卡文迪西實驗室怎樣用 Cockcroft-Walton 的加速器，製造快速質子，打入鋰（Lithium）原子核後引發核反應，產生一對 α 粒子來促成鋰蛻變。

在瞭解了這個過程內容後，荒勝就對助手木村毅一說：「這是個大變動之事，我們也來試看看吧！」

荒勝決定在臺北帝大二號館 101 室建造 Cockcroft-Walton 型加速器。當時臺灣設備簡陋資源不足，有許多問題需要克服。除了器材需要打造，實驗室裡面也沒有天然的放射線源，荒勝借鑑臺北帝國大學理農學部無機化學講座的研究，嘗試從北投石中提煉釙充當 α 線源。此外實驗中需要的重水，也自行設計器材提煉取得。

最後就是電力的問題，Cockcroft-Walton 型加速器需要穩定而充沛的直流電力，進行實驗電壓不足將無法擊碎原子核。幸虧當時臺北工業職業學校提供器材奧援，才解決了直流電的問題。在萬事皆須重頭準備的臺北帝大也能完成此一實驗，由此可見荒勝文策不屈的意志。

1934 年 7 月 25 日夜裡，荒勝成功完成人工撞擊原子核（Li（p, α）He）的實驗。該次實驗重現並證實了 的反應，並發現用高速「氘離子」撞擊「鋰」，也能使鋰同位素產生 的反應。

這次實驗在當時轟動整個日本的物理學界。這是日本史上第一個加速器（全世界第二座這一型的加速器），而這一次追試成功，距離《自然》雜誌刊登論文也只不過經過 2 年。

與原子彈無法迴避的淵源 二戰未能成功的 F 計畫

1941 年，荒勝成功使鈾原子與釷原子產生核分裂反應，這使得荒勝註定要在原子彈計畫的篇章中留下身影。二戰後期，大日本帝國海軍招集荒勝進行研究，成立了一個研發小組，成員也包含了湯川秀樹。

荒勝一開始就決定採用離心機來提煉鈾 235，而不是世界上普及的熱擴散法。他的研究成果，也曾被美國研究原子彈的曼哈頓計劃作為數據計算參考。

荒勝文策曾自言：

我自小喜歡旋轉的東西，也許這是我選擇離心機的真正原因。我一輩子喜歡的研究，就是轉動體。

然而，由於當時日本政府內部的混亂以及資源的相對缺乏，致使日本核計畫未能如美國、英國與納粹德國一樣發展迅速。以至於在荒勝的 F 計畫先從日本遷到朝鮮，後因大戰結束也被迫中止了 F 計畫。

1945 年 8 月 6 日，美軍在廣島投下原子彈，驚人的爆炸力與毀滅性的災難，引起了日本學界的重視。日本陸軍動員了東京理化研究所的仁科芳雄前往觀察研究，而日本海軍則是委任京都帝國大學的荒勝文策，並組織「京都帝國大學原爆災害調查班」進行調查。

荒勝與仁科皆震驚於爆炸威力之強悍，且不斷進行爆炸的計算分析，兩人共同的結論就是「這應該就是原子彈」，經過計算荒勝精確指出爆炸時的高度與位置，並得出閃光時間約在五分之一秒和二分之一秒之間，其調查報告數據計算之精確，震驚世界。

可惜的是，雖然有著最頂尖的相關學識，卻因戰爭的局勢而不得不被迫放棄研究。

戰後，聯合國軍最高司令官總司令部（GHQ）於 1945 年 9 月 28 日下令禁止日本進行有關原子物理與航空學的研究，並拆除京都大學荒勝研究室的迴旋加速器，將之傾倒入琵琶湖。荒勝文策的大量報告與研究筆記也遭到沒收，該次拆除行動也引來了國際間的一陣撻伐。甚至引發了包含美國麻省理工學院在內的科學家們對美國陸軍的抗議，美國陸軍長官並因此引咎道歉，承認拆除行動的錯誤。

雖然在戰後無法持續相關的研究，荒勝文策仍影響了日本高能物理學的發展。無論是在京都大學發展的 Cockcroft-Walton 型加速器，或是發表在《自然》雜誌與木村和植村一同利用宇宙射線進行的研究。甚至是湯川秀樹，也在畢業後特地回母校旁聽其課程，並深受其影響。荒勝的努力為日本高能物理學在荒野中展開了道路，也讓原子能科學在日本持續發展。

在 1949 年湯川秀樹獲得諾貝爾物理學獎後，荒勝感嘆到道：

晚輩得了諾貝爾獎一切都值得了（後輩がノーベル賞を受賞したことで全てが埋め合わされた）。

雖然是欣慰之語，或許也透露出這位奠基者心中仍有所遺憾。

角落也無法掩蓋裡的光芒，開創日本高能物理的荒野道路

鑽石即使擺放在角落，也會發出迷人的光芒。我想，用這句話來形容荒勝文策再適合也不過了。身處日本學術邊陲的臺北帝國大學開設理科講座，在講座成員只有 4 個人的情況下，在不到兩年的時間內就完成了 Cockcroft-Walton 型加速器的設置；甚至完成了全球第二次、亞洲第一次的核分裂實驗，真的非常的不容易。在人手不足、資源不足、連放射線源都沒有的狀態下，還能使用北投石完成實驗，荒勝的堅持態度也為科學研究鍥而不捨的精神立下標竿。

荒勝文策在臺北帝國大學物理科講座的原子核加速實驗，在物理史上的意義是多重的。對臺灣而言，這是臺灣的名字第一次在物理學學術論文期刊。而遺留在臺灣的加速器殘骸與相關器材，成為戰後臺灣成立物理系、發展核子物理實驗的契機。雖然荒勝藉著這次的實驗重返日本，就未再返回臺灣，但他對於臺灣高能物理學發展，仍舊猶如荒野中的第一道腳印，留下了不可磨滅的痕跡。

1. 鄭伯昆，〈台大核子物理實驗室 （四）有關的日本科學家〉，《物理雙月刊》，卅卷五期，2008 年 1 月，頁 574-580。
2. 松本巍著，蒯通林譯《臺北帝國大學沿革史》，頁 7-11。
3. 張幸真，〈臺灣知識社群的轉變——以臺北帝國大學物理講座到臺灣大學物理系為例〉，2003 年 7 月 31 日，頁 101。
4. 轉引木村毅一，〈廣島原爆後日譚〉，《神陵文庫》第五卷，1988 年 2 月 29 日，京都三高自昭會，頁 14。
5. 張幸真，〈臺灣知識社群的轉變－以臺北帝國大學物理講座到臺灣大學物理系為例〉，2003 年 7 月 31 日，頁 106。
6. Info，（阿文開講——F計畫〉，《臺灣物理學會雙月刊》，2016 年 9 月 7 號。

• 本文轉載自科技大觀園，原文為《撞夠了沒？還沒！大強子對撞機續集上映中》
• 作者／郭雅欣｜科技大觀園特約編輯

大強子對撞機（Large Hadron Collider, LHC）隸屬於歐洲核子研究組織（European Organization for Nuclear Research, CERN），是一座巨大的粒子加速器，它包括一個位於地底、周長 27 公里的粒子加速環，就像粒子的跑道一樣。質子或是重離子在超導磁鐵的引導下，在跑道上急速奔跑然後對撞，物理學家就從這些對撞事件中，尋找新的粒子，探究未知的物理。

LHC 在 2012 年就撞出了眾所期待的希格斯粒子，當時的物理界一片歡欣雷動，而最早預測希格斯粒子存在的希格斯本人以及同年提出理論的恩格勒，也在隔年獲得諾貝爾物理獎。LHC 很快就把主線任務解完了，那然後呢？ 8 年過去了，LHC 並沒有因為主線任務解完就退休，這些年來，它仍然努力的製造一次又一次的對撞事件，畢竟科學家預期在 LHC 的撞擊能量尺度，應該還可以看到一些新東西，然而實際情況是如何呢？ 

偏偏不倒的危樓—標準模型

在 LHC 找到希格斯粒子之後，研究團隊於 2015 年底起，把 LHC 的對撞能量從原本的 7 TeV 或是 8 TeV（1 TeV=10¹²電子伏特）調高到 13 TeV，運作了 3 年，這段時期稱為 LHC 的 Run II。撞擊的能量愈高，就愈能撞出罕見的事件。更明確的說，LHC 能撞出的粒子質量上限，大約落在總撞擊能量的 1/6，（在粒子物理中，粒子質量通常以能量單位表示），比這個能量更重的粒子出現的機率太低，事件樣本也太少，因此要有更多觀察，就必須把對撞能量拉高，並且累積更多數據。

全世界的物理學家正在針對這 3 年的數據做分析，長期參與 LHC 實驗的臺大物理系教授陳凱風說：「雖然還沒有分析完，目前的確是存在一些不能被排除的意外訊號，但是統計上還不足以證實這些是新物理所造成的現象。」在尋找新粒子這個目標上，雖然研究成果豐碩，但是量測結果並沒有明顯超出標準模型的範疇。

另一方面，研究團隊也希望根據新資料的分析，來修正標準粒子模型裡的參數，但目前測量出的結果，卻都和理論預測大致相符。「這是一種很詭異的感覺。」陳凱風形容。事實上，現有的標準粒子模型並不是很穩定，陳凱風說：「我們認為目前的理論架構一定有些毛病，但偏偏又找不出來。這就好像我們蓋了座危樓，但又找不出如何補強它，而地震來它還偏偏不會倒。大概就是這麼微妙的感覺！」

舉例來說，標準粒子模型包括了六種夸克：上夸克、下夸克、魅夸克、奇夸克、頂夸克、底夸克，以及六種輕子：電子、緲子、濤子，以及三種對應的微中子。而其中的頂夸克質量明顯比另外五個夸克大非常多，而微中子的質量小到無法直接測量，這在物理學家眼中，是不應該自然發生的；此外，標準模型也無法滿足這個幾乎只存在物質、絕大多數反物質都消失的宇宙。為了解決這個問題，物理學家也提出一些假設，例如，會不會其實還有更重的夸克與輕子、或是更多奇異的玻色子存在呢？「但從 LHC 的實驗結果，我們還沒有找到符合的訊號。」陳凱風說。

 「你當然也可以說，反正宇宙就是這樣運作，但我們覺得背後一定有某個機制導致這樣的結果，只是我們就是沒找到。」陳凱風並且以 100 多年前的元素週期表舉例，當初的週期表也是東缺西漏，但隨著一個個新元素的發現，這些缺口也漸漸被補滿。「而現在的標準粒子模型，就像是有著漏洞、明顯還沒完成的拼圖，卻又找不到東西來填補。」陳凱風說。 

Run III — LHC 改頭換面

儘管 LHC 的 Run II 呈現的結果意外的平靜，但 Run III 已經準備在明年啟動。

在 Run III 階段，LHC 將把對撞能量再往上調高至 14 TeV以上，這是 LHC 當初設計的最大許可能量。另一方面，研究團隊將對 LHC 做許多技術上的修改測試。這是因為在 Run III 結束後，LHC 將進行一次大改造升級，要將每次參與對撞的粒子數量與密度提升，這樣一來，對撞事件發生的次數會跟著上升 5~10 倍。

為了因應這樣的升級，許多軟硬體、零件也必須跟著升級，其中最重要的一項就是偵測器。比如說目前 LHC 底下的 CMS 實驗所裝載的量能器，主要材料是以一種鉛鎢玻璃晶體為材料的閃爍體，而這些安裝在偵測器頂蓋處的晶體長期接受高輻射劑量，已經有了不少缺陷，變得愈來愈不透明了。陳凱風說：「試想如果升級之後，還用一樣的零件材料，那原本經過 10 年才會損壞的，現在只要 1 年就會接近無法運作了。」因此，偵測器必須跟著升級才行。

新的量能器（High Granularity Calorimeter, HGCAL）會以矽半導體材料為主，並且切分成 28 層排成一列，這樣做的好處除了較不易打壞外，每一層都能獨立送出粒子經過時的位置資料，可以更準確地描繪出粒子穿越偵測器的物理反應。目前由臺大物理系教授呂榮祥、裴思達主持的硬體實驗室，就正在研製這種新型量能器。再加上也會一同升級的各種裝備，未來可以對粒子的物理特性有更精準的量測。 

LHC 有來自全世界 85 個國家、超過 8,000 位物理學家參與，可說是全世界最大的實驗計畫。但在加速器的發展上，LHC 可能還不是終點，未來計畫籌建的加速器計畫，還包括 CERN 的未來環形對撞機（FCC）、中國的環形正負電子對撞機（CEPC），以及日本的國際直線對撞機（ILC）等。

雖然說這些計畫是否真的會有所進展，還要看未來的局勢發展，但我們不妨期待包括 LHC 在內的這些實驗計畫，會繼續帶給我們怎樣的驚喜！就如陳凱風在訪談快結束時所說：「希望我們下次討論的，是在對撞的數據中，我們發現了什麼有趣的新物理！」

龐大與精密兼備的大強子對撞機

3 萬 8000 噸的高科技機械，結合了巨大外型與極度精密的兩大特質，大強子對撞機位在一座長達 17 英里（27 公里）的隧道當中，該隧道當初是為了歐洲核子研究組織先前的大型電子正子對撞機（Large Electron–Positron Collider，簡稱 LEP）所建的。

大強子對撞機加速器由 1232 個偶極磁鐵和 392 個四極磁鐵、再加上一些功能更複雜的磁鐵組成，全部皆為超導體，並且在華氏 -456.3 度（攝氏 -271.3 度）的環境下工作，僅高於絕對零度（absolute zero）華氏 3.4 度（攝氏 1.7 度）（參見下方圖 1、圖 2）。

超導體中電流的流動不會有任何電阻，某些材料──例如用於大強子對撞機磁鐵的鈮-鈦合金（niobium–titanium alloy）──當它們被冷卻到非常低的溫度時會變成超導，超導體因為電流更大，所以可以產生出比一般導體要強大得多的磁鐵。大強子對撞機超導磁鐵的電流為 1 萬 2000 安培，是常見家用電路的 1000 倍。傳統的磁鐵不可能強大到讓質子束轉彎、也無法將質子束維持在加速器的圓形軌道上，這部機器像目前這樣就已經夠大的了，它是一個 75 英里（120 公里）的環，想再更大也不會被允許。

我們可以用磁鐵來操控帶電的粒子束，就像我們可以用棱鏡和透鏡來偏離光束一樣。偶極（dipole）磁鐵用來使質子的軌跡轉彎，並使質子保持在圓形軌道中，四極（quadrupole）磁鐵則用於聚焦質子束，換句話說，四極磁鐵可以擠壓質子束。其他的多極磁鐵可以對質子軌跡作各項校正。要知道，質子每秒繞行 17 英里的大強子對撞機上達 11245 次；讓所有質子井然有序是絕對有必要的，才能讓他們保持在軌道上數小時。

磁鐵繞組（magnet winding）總共需要 4750 英里（7600 公里）的電纜，每根電纜包含 25 萬條導線束。導線束的總長度相當於從地球往返太陽 6 次，再加上 136 次往返月球和 24 次加拿大蒙特婁到法國巴黎航班的距離，剩下的距離還可以讓你走到轉角的店舖 1046 次。

在了解這一切後，這部機器耗時了 15 年建造一點也不令人訝異，尤其裡面一些所需的技術在計畫剛開始的時候並不存在，是在建造過程中才被開發出來。

打造大強子對撞機遠超越時代技術

舉例來說，整個大強子對撞機計畫（加速器和偵測器）所需的計算能力和儲存容量的可取得性與成本是用摩爾定律（Moore’s Law）以當時的技術估算出來的。摩爾定律指的是每一至兩年你可以用相同的價格買到兩倍性能的的電腦或兩倍的儲存容量。同樣地，當初設計觸發器（trigger）和資料收集系統（data acquisition system）的物理學家，在新科技出現以前便已寄望新一代更快速的電子模組能夠滿足他們的實驗需求。

就大強子對撞機本身而言，與其儀器設計相關的第一篇論文出現在 1980 年代中期。當時參與其中的科學家和工程師們估計，如果要達到原型的最佳性能，大強子對撞機所需的超導磁鐵（需數千個磁鐵）大概在十年內可以做到工業化量產，這個預言確實實現了！[1]而連接超導電纜所需的技術也是如此。

所需技術的各個面向（例如感應焊接（inductive soldering）與超音波焊接）當時都已存在在其他領域，但只有歐洲核子研究組織的團隊與其他實驗室以及多個工業合作夥伴一同合作所開發的儀器才能夠滿足大強子對撞機計畫的規格和規模。這項技術開發的工作始於 1990 年代後期，2005 年其開發的結果已經可以用於大強子對撞機隧道上。同樣地，當時也有超導線的熔接機和切割機，但需要再修改才能符合大強子對撞機隧道的特殊規格。時至今日，大強子對撞機仍是目前規模最大、最冷的低溫設備裝置。

地底下、超真空：一個非常特別的「環」

這個龐大的大強子對撞機圓環之所以會建於地底下 300 英尺（100 公尺）有兩個原因。第一，宇宙射線會干擾測量，所以把偵測器隔絕於宇宙射線的影響之外是絕對必要的；第二，保護人類和環境免受輻射影響也很重要。況且，考慮到當地房價，想蓋在地表上其花費也是無法想像的。

在大強子對撞機裡，兩束質子束在兩個獨立的真空管中循環，真空管內所有的空氣都被抽空；如果沒有真空，質子將會與空氣分子碰撞，阻止其行進超過約 1／32 英寸（1 毫米）。強大的真空幫浦將壓力保持在 10^-10 毫巴，即比大氣壓力低 10¹³ 或十兆（10,000,000,000,000）倍。也就是說，在大強子對撞機管道中，每單位體積的空氣分子（例如每立方英寸或每立方厘米）比我們所吸入的空氣少了 10¹³ 倍。

粒子束管壁上塗了一層在歐洲核子研究組織發明的一種叫做「抓住」（getter）的特殊材料，這種材料一旦加熱後會吸收真空幫浦中沒抽乾淨的剩餘分子，它的作用就像黏蠅紙的黏膠條一樣。粒子束管路當然須經完美密封，如果一個輪胎具有跟大強子對撞機的粒子束管一樣的密封程度，那會需要一百萬年才能放完氣。

大強子對撞機很大，但同時也對最細微的擾動非常敏感。例如，我們知道月亮重力的拉力會產生潮汐，通常只能在大量的水體中觀察到這個現象（例如海洋），而無法在地殼中看到，因為地殼的流體性相對來說小很多。不過其實月球的吸引力也會使地殼每天經歷微小的形變兩次，只是這個形變幾乎無法被察覺。然而，由於大強子對撞機也會隨著地殼的形變而微幅移動，這個月球的作用力使得大強子對撞機的操作員必須不斷地修正質子軌跡，才能將質子保持在大強子對撞機粒子束管路內。我們甚至可以說大強子對撞機證實了月球的存在，儘管當初並不是為了這個目的而建造的。

注解：

1. 舉例來說，在 1980 年代，超導磁鐵在 42.2度絕對溫度的環境下可以有每平方毫米 2000 安培的電流，並產生 5 特斯拉的磁場。大強子對撞機在相同條件下，可以有比這多 50% 的電流，即每平方毫米 3000 安培。

本文摘自泛科學2018年2月選書《到世界頂尖實驗室 CERN 上粒子物理課》，臉譜出版。