關於冥王星的二三事：從發現、成為第九行星到降級為矮行星

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 作者／語星葉，與一隻米克斯黑狗簡單地生活在新竹，正在努力成為天文學家。

在浩瀚的太陽系裡，冥王星一直是個迷人又「謎人」的存在。關於冥王星精彩的故事很多：1930年被鍥而不捨的天文台助理發現、2006年被從行星殿堂「降級」為矮行星、2014年新視野號成功飛掠並帶來無數珍貴的照片與科學資料……如今關於冥王星的新研究又帶來驚喜──或該說是驚嚇？

冥王星與海王星的「雙星共舞」

冥王星是第一顆被人類發現的「海王星外天體（Trans-Neptunian object, TNO）」。如今我們已知海王星軌道外有數百顆這類的天體，並且數量還在增加中。這類天體雖繞行著太陽，但其軌道週期之大，宛如被太陽遺忘在邊疆的散兵。有些 TNO 還長得奇形怪狀，例如妊神星（Haumea）雖然有 1/3 個冥王星的質量，但其外型不是球型，而是一顆橢球，且其長軸比短軸長了一倍！

上圖最左上角是冥王星系統，其中最大的衛星凱倫（Charon）甚至大到使這個雙體系統的重心在冥王星之外，因此也稱冥王星是個雙（矮行）星系統。而妊神星（Haumea）則硬生生長成恐龍蛋形狀，因其自轉一圈只花 4 小時，這樣的高自轉速度使它無法成球體。值得一提的是，已知的 TNO 體積都小於月球。

冥王星本身更是有許多有趣的現象。冥王星的軌道偏心率高，呈橢圓狀，而且軌道平面是傾斜的，跟太陽系盤面差了 17 度角（見下圖）。除此之外，冥王星跟海王星的關係可謂糾葛難分──冥王星的軌道跟海王星有些微交錯，即某些時候冥王星會轉到海王星軌道的內側，此時冥王星比海王星離太陽更近！這樣難道兩顆星不會因為太過靠近，而使彼此的軌道不穩定嗎？天文學家發現，冥王星與海王星的軌道呈和諧的共振關係，兩顆星就像在跳方塊舞，互相受彼此的重力牽連著、卻不會因距離太近而打破軌道的平衡。

這兩顆星的和諧軌道共振有兩個要素：首先，冥王星跟海王星的軌道週期呈現近乎 3：2 的比例，且當冥王星在近日點時，海王星大約在與其軌道長軸呈垂直的位置。更精確地說，冥王星的近日點位置是會浮動的，在天體力學中稱為冥王星近日點的天平動（Libration，指的是天體軌道角度的週期性震盪）。

若由上往下看太陽系盤面，冥王星的近日點天平動會與海王星軌道保持上述的關係，因而不會與海王星太過接近。另一個要素則是軌道傾角方向的天平動。由於先前提到的軌道傾斜，冥王星的近日點能保持在遠高於海王星軌道平面的位置，因此更加確保兩顆星不會相遇。

上圖為冥王星軌道與八大行星軌道對照圖。截圖自The Sky Map | 3D Solar System Simulator 。
有興趣的讀者可以上這個網站，搜尋 Pluto 並勾選 animate ，調整合適的時距，便可以隨心所欲從任意角度觀察冥王星與八大行星的軌道運動。只是 3D 模擬運算量大，網站頗容易當哈哈……

你以為天體運行繞一圈就結束了嗎？讓影片畫給你看

其實天體力學的軌道計算非常的複雜。連結是神人用 Python 寫的開源模擬所繪製的影片。前半段影片顯示的是冥王星與海王星的軌道共振狀態，冥王星以紅色標示，海王星以藍色標示，坐標系則隨著海王星一起公轉；後半段影片展示一個無軌道共振的系統作為對照，冥王星質量的天體以綠色表示。

影片中，左上圖是從上往下看太陽系盤面，可以看見海王星的位置其實有微小的變化，這是因為海王星的軌道並非正圓；而冥王星的軌跡則顯示出上下兩個對稱的弧線，這是近日點的位置，可以發現平均下來近日點跟太陽的連線，的確跟海王星位置跟太陽的連線是垂直的，還可以觀察到近日點天平動的幅度。

而下方兩張圖則是從側面看太陽系（平行於太陽系盤面看過去），可以看出兩側高凸的近日點位置的確遠高出黃道面（z=0）。這個模擬的時長為 2 萬年，冥王星約繞行太陽 80 圈，可以看見其軌跡是有跡可循的；相對的，影片後半沒有軌道共振的對照組，其近日點在這兩萬年內不斷地漂泊，繞行軌跡也相當混亂無序。

上述的模擬只考慮了太陽、海王星與冥王星的三體運動（雖然已經極為複雜了），那麼其他已知的氣體行星，會不會對冥王星軌道造成微小的擾動呢？欸嘿， N-body simulation 出場了！（筆者表示害怕）

天體力學下的平衡

美國亞利桑那大學的天文學家 Malhotra 與日本國立天文台的 Ito 研究員，在他們的模擬中考慮了太陽以及所有氣體巨行星──木星、土星、天王星與海王星──對冥王星的重力作用，並且把模擬時長拉長到50億年（上述 Python 模擬的 16 萬倍），也就是預期太陽剩餘的壽命。他們想嘗試回答，在太陽穩定照亮世間的漫漫時光裡，像冥王星這樣軌道如此精巧的天體，究竟是否能長久和海王星跳著方塊舞呢？

在模擬中，他們分別測試了不同的行星組合，以判斷各巨行星對冥王星軌道的影響。一如過去所知，模擬結果顯示了海王星的重力主導了冥王星近日點在平行太陽系盤面方向的天平動，也就是保持著 3/2 的和諧共振。然而，對於軌道傾角方向的天平動，海王星並未握有太大實權。拉長時間來看，冥王星近日點的天平動無論在平行盤面、軌道傾角兩個方向上，對巨行星們的一舉一動都頗為敏感。巨行星們的重力作用會使冥王星軌道產生微擾（Perturbation），使冥王星軌道產生天平動，只要天平動限縮在穩定的範圍內，就不用擔心冥王星會被耍得團團轉。

令人驚訝的是，根據模擬結果，他們發現在平行盤面的方向上，天王星竟在破壞冥王星的軌道穩定！不過別擔心，這個軌道穩定破壞者正被木星和土星給鎮壓著──在不含天王星的模型中，冥王星平行盤面的天平動和實際情況相去不遠，然而在移除木星和土星、只考慮天王星及海王星的模型裡，冥王星軌道只能在千萬年之內保持穩定。然而在軌道傾角方向上，天王星又有其貢獻，因為只有在考慮所有巨行星的模型裡，此方向的天平動才是與現實相符且長久穩定的。

因此，在維護冥王星精密的軌道平衡上，四大行星可謂缺一不可。更令人驚奇的是，在漫長的 50 億年模擬中，冥王星的天平動雖被限縮在一個安全穩定的範圍內，但這個穩定範圍其實非常的狹窄！若冥王星稍有不慎，掉到了安全範圍之外，其軌道將變得無序而渾沌，便不再跟海王星跳著和諧的方塊舞了。

太陽系就是個大舞池

看到這裡，你是否震撼於冥王星的軌道之精密，簡直像是被刻意調整過的呢？就如同生物演化的優勝劣汰，過去太陽系也曾盛大進行著重力之舞淘汰賽，只要一有天體踏出重力穩定帶，便可能被逐出舞池、或者惹上其他天體的麻煩。

今日現存的太陽系成員都是重力之舞的佼佼者，它們因緣際會來到為數不多的重力穩定帶，尋得屬於自己的舞步，悠然繞旋至今。然而在過去，它們可都曾有過波瀾壯闊的瞬間──或許是與其他天體擦身而過、或許是被逼到穩定帶的邊陲……透過精細演算太陽系天體的移動，天文學家得以窺探這場重力之舞淘汰賽的精彩回顧，甚至可能發現被淘汰天體所遺留的蛛絲馬跡。

如今在太陽系這浩瀚的舞台上，行星、衛星、彗星、 TNO 等天體組成舞團，相互配合著對方的舞步，漫遊於其中。它們已是訓練有素的舞者，所演出的每一支舞都令人為之震撼，值得反覆品味、研究，就連遠在五十億公里外的冥王星，都使天文學家為之神往。究竟從冥王星複雜而精美的舞步中，還能挖掘出什麼有趣的新發現呢？讓我們拭目以待！

註：關於冥王星的故事，非常推薦閱讀精采的《冥王星任務》（時報出版）一書，由新視野號主持人共同執筆寫下，高潮迭起、充滿笑與淚，會讓你一看就停不下來！

參考資料：

paper本體https://www.pnas.org/doi/epdf/10.1073/pnas.2118692119

科普新聞 https://www.space.com/pluto-orbit-influences-from-giant-planets

冥王星軌道開源模擬 https://iopscience.iop.org/article/10.3847/2515-5172/ac3086, https://github.com/renumalhotra/2021-Pluto-Neptune-Resonant-Dynamics-Visualized-in-4D

2019 年抵達尾聲，每每科學技術的突破與新研究的產生，都讓我們更了解這個世界，也使我們的生活產生巨大的變化。在迎接 2020 之際，照慣例，讓我們一起看看《Science》為今年選出的科學年度大事有哪些？而究竟今年最重大的科學突破是什麼呢？

丹尼索瓦人的長相公開

丹尼索瓦人 (Denisovan) 為 5 萬年前一支滅絕的人屬，與著名的尼安德塔人 (Neanderthals) 以及現代人曾存在於同時期。過去從其他人種的 DNA 中，可以發現到丹尼索瓦人血緣的蹤跡，證實了這支族群曾廣佈亞洲大陸。但形態部分的資訊一直不足，科學家一直難以得知其長相。

今年 (2019) 九月，科學家透過西伯利亞所發現的丹尼索瓦小女孩遺骸，從小指中的 DNA 之表觀遺傳學資料，配合基因資料庫中對基因表現的認知，重建了丹尼索瓦人的面貌。而研究重建得出的長相，在後續的研究中與已證實屬於丹尼索瓦人的下顎化石進行比對後，發現預測模型與結果近乎完美的相符，顯示本次重建結果的可信度相當高。

延伸閱讀：沒有化石，也能用表觀遺傳學重建丹尼索瓦人的長相？

Google: 量子霸權已經達標！IBM: 這個嘛……

今年 (2019) 10月，Google 宣告他們研發的量子電腦已可解決一般電腦無法解開的難題，進入了新的里程碑「量子霸權」(Quantum supremacy)。傳統電腦以二位元運作，進行資料編譯、傳輸或儲存；然而量子電腦的量子位元 (qubit) 為「0」、「1」或「同時為 0 和 1」，能在面對問題時藉由量子波的晃動，使錯誤的解決方案因互相干擾而抵消，最終呈現正確的解決方法。這項設計使量子電腦面對龐大運算時會更快速得出正確的解答，擁有破解當前網路安全協議 (security protocols) 的計算能力。

Google 的研究人員表示，本次發表的量子電腦利用超導金屬製成了具微小路徑的 53 量子位元晶片，在 200 秒內就解決用以測試的抽象問題，相比於傳統電腦計算需耗費萬年成效驚人。對手 IBM 對 Google 的宣稱表示了懷疑，認為現行的超級電腦若以正確的演算法應能在兩天內解決該問題。

成熟的量子計算需使量子位元有自我校正的能力，但當前該技術仍尚未完成。再者，量子計算機設備的擴張更具挑戰。儘管 Google 的成就備受讚揚，應用量子計算時代要真正來臨，可能仍需數十年的研究與努力。

延伸閱讀：量子電腦為何比傳統電腦強大？量子運算的發展又有哪些挑戰呢？

以腸道細菌戰勝營養不良

依國際衛生組織 (WHO) 的統計，每年約有 35% 的兒童死於營養缺乏。這項資訊除了暗示人類世界中資源不均的問題外，實際上還存在著某種醫療處境：有些營養缺乏的兒童即使獲得救助並攝取到足夠的食物後，仍無法有效改善營養不良造成的病痛，甚至依舊發育遲緩。

經過十年的研究，研究人員發現此情況與腸胃道菌相不成熟有關。標準的援助食物主要以奶粉和大米補充營養，但缺乏使關鍵腸道菌生長的成分。今年一款低成本、主要材料為鷹嘴豆、香蕉、大豆和花生粉的營養補充品被研發推出，以促進腸道菌相的生長、並改善後續的營養吸收。

目前小規模的臨床試驗中，確認之前研究認定的 15 種重要菌種有良好的反應；且孩童的血檢也驗出出更高的血蛋白及體內代謝物數值，顯示這些孩童的身體狀況獲得改善。這些孩童後續將被長期追蹤，若結果理想，將相關的配方推廣至醫院之外，其影響範圍預計會十分深遠。

隕石撞地球，到底會怎樣？生物大滅絕之謎取得線索

宇宙力量何其大，世界末日的電影題材中「隕石撞地球」已成為一個常見的套路，然而事實是人類一直未能還原過去這種浩劫的情景與事件發生的經過。那些滅絕的生物何時死亡、如何死亡，以及後續生態復甦的情況又是如何？一切都在科學家從墨西哥尤卡坦半島（YucatánPeninsula）提取出沉積物岩芯 (sediment core)，配以美國挖出的豐富化石，才終能一窺六千六百萬年前的災難修羅場。

從現已沉於尤加坦海岸 (Yucatán coast)的希克蘇魯伯隕石坑 (Cráter de Chicxulub)，科學家鑽取了長 835 米的岩芯，重建隕石撞擊時的地表狀況：撞擊引起地震，地震引起海嘯並席捲地表生物。從岩芯中含硫物種的所剩無幾，可以推估遭撞擊的地表當時所有物質都被蒸發，並可能導致全球急速冷卻與黑暗。

但從美國科羅拉多州採集到的花粉、植物化石、動物骨骼等遺跡，可知生態復甦速度也頗快。該隕石撞擊事件標示了白堊紀的終結以及古近紀的開始，蕨類和小型哺乳動物倖存。該地棕梠樹在隕石撞擊後的 1000 年內就取代了蕨類的地位、在 30 萬年內則由核桃類植物成為強勢物種。哺乳動物的體型與多樣性於 10 萬年間增長兩倍，甚至部分體重可達 50 公斤。

海洋生態在 3 萬年內恢復運轉，但因撞擊造成的海洋酸化減少 50%海底有機質，而抑制了海洋生物的生長近百萬年。

延伸閱讀：恐龍輓歌—壓垮白堊紀末生物生存的最後一根稻草

新視野號成功拍到古伯帶天體 Arrokoth！

NASA 耗資 8 億美元的「新視野號」 (New Horizons) 探測太空船於成功探測了天體 2014 MU69 的資料，成為人類史上探測過最遠的星體。這個小行星位於海王星外的古柏帶 (Kuiper belt)，一個距離地球 66億公里遠，預估長達 36公里寬的物體。原本被暱稱為 Ultima Thule（中文可譯為「天涯海角」或「終極遠境」），因為用字上有爭議（與納粹有關），而後正式被命名為 “Arrokoth” ，源自美國原住民波瓦坦語 (Powhatan)與阿爾岡昆語 (Algonquian) 的字彙，意指「天空」。

Arrokoth 外觀猶如雪人，由兩個球狀天體接合形成。大球約為小球體積的三倍大。依科學家推論，這兩個球狀天體應是各自形成後，才又碰撞接合再一起。

延伸閱讀：終極之遠，新視野號在古柏帶探測星體

真核生物身世之謎被解開了？

真核生物的起源一直是科學家爭論不休的問題。而就在 2019 年，日本一支研究團隊歷經過 12 年的努力，對真核生物的起源取得了一個重大的線索。這支研究團隊從深海沉積物中培育出了微生物 Prometheoarchaeum syntrophicum strain MK-D1，這是種最近被認可為阿斯加德微生物群 (Asgard) 的古細菌。

其基因體定序的結果顯示，有部分基因片段是過去科學家以為只有真核生物中才會發現的。經 DNA 分析後，科學家推論，阿斯加德微生物群或其遠古親戚很可能與真核生物的起源有關，意味著生物分類學的三域說（古細菌、細菌、真核生物）有可能併作兩域，真核生物成為古細菌域底下的分支，古細菌域與細菌域唯二併立。這大膽的推論目前證據尚嫌不足，還有待更多證據出現。

能醫治多數囊狀纖維化患者的藥物終於出現！

今年 10 月，罕見遺傳性疾病：囊狀纖維化 (cystic fibrosis, CF) 的治療藥物 Trikafta 終於通過驗證進入臨床療程。囊狀纖維化是由於第7對染色體長臂上 CFRT (cystic fibrosis transmembrane conductance regulator) 基因的缺陷造成的基因突變造成的遺傳性疾病，會造成呼吸道、胰臟、腸胃道、汗腺等外分泌腺體器官的功能異常，患者的平均壽命 40 歲。囊狀纖維化依種族而有不同程度的發病率，由於歐美種族帶因者較高，北歐裔白人發病率最高達 1/3,200，而亞裔帶因者比率較少，發病率僅有 1/31,000。

新藥 Trikafta 結合多種針對不同 CFTR 蛋白缺陷的藥品，適用於高達 90% 的患者，將囊狀纖維化轉為能受控制的慢性病。但現今 Trikafta 藥品成本所費不貲，一年標價超過 30 萬美元，且需要終身服用；批准使用的年齡段（需大於12 歲）也有所限制，另外尚有 10% 的病患不適用該療程，皆是需要持續研究的方向。

伊波拉病毒感染者的一線希望

從 1976 年起肆虐全球至今的伊波拉病毒，長久以來都缺乏有效的治療藥物，而今終於出現了一線曙光。今年 (2019) 確認 mAb114 和 REGN-EB3 兩種抗體藥物在早期治療的情況下，可大幅降低致死率。

這兩種藥物分別取自於 1996 年倖存者身上分離出來的抗體，以及由模擬人類免疫系統的小鼠所產生的三種抗體的其中一種。科學家於試驗中比較四種藥物，發現使用其他兩種藥物僅有約 50％的存活率，而接受該兩種藥物的患者有超過七成的存活率。

自與伊波拉相遇，人類終於出現了有效的療程。本次發現的藥物效果顯著，提高了患者的生存機會，但在疫情第一線抵抗伊波拉，還需鼓勵畏懼檢測的人們及早尋求治療，以有效抵抗伊波拉。

延伸閱讀：伊波拉不再是不治之症？兩種抗體藥物取得一線曙光

人工智慧終於也征服了多人卡牌遊戲？

人工智慧（Artificial intelligence, AI）於目前最受歡迎的撲克遊戲：無限注德州撲克 (Texas hold’em)中首次擊敗了世界頂級玩家，意味著 AI 已能攻克玩家無法獲得完整資訊的多人遊戲。AI 在遊戲領域稱霸看來也只是時間問題，2007 年起已經有 AI 程式在西洋棋中攻無不克；而 2016 年 AlphaGo 更是打敗了圍棋的頂尖棋手。

德州撲克由於無法確知其他玩家擁有的手牌，被視為比棋盤遊戲更嚴峻複雜的遊戲。2019 年 8 月，來自賓夕法尼亞州匹茲堡卡內基梅隆大學 (Carnegie Mellon University in Pittsburgh) 的團隊宣告他們製造的 AI：Pluribus，成功在多人遊戲中擊敗了世界一流的玩家。

Pluribus 的玩法在雙人與多人對戰時略有不同，在雙人對戰時著重尋求「不輸」的途徑，即使用納什均衡 (Nash equilibrium) 的策略，保證了對手平均而言會變得更糟，除非他們也使用完全相同的策略。但在牌局中有數名玩家的情況下，則難以確保這樣的策略奏效，因此 Pluribus 只是尋求在已知情況下最有效的玩法。

延伸閱讀：AlphaGo成為「棋靈王」是有多厲害？人工智慧未來又要怎麼走？

最後揭示今年度今年科學年度突破大事，Science 票選的科學大事的第一名：就是於 2019 年 4 月 10 日晚間公布來自於 M87 星系的黑洞相片啦！

終於看到你！人類幫黑洞拍的第一張照片

巨大的黑洞無所不在、無處不有，然而過去人類僅能藉著黑洞的引力與周圍物體互動意識到它的存在，沒有辦法直接看見黑洞本身。直到今年四月，事件視界望遠鏡 (Event Horizon Telescope, EHT) 團隊發布了一張驚人的黑洞 「影像」圖：照片中，一個黑色的中心被光圈環繞。

目睹黑洞影像的當下，身作黑洞攝像團隊成員的海諾·法爾克 (Heino Falcke) 表示自己宛如「看著地獄的大門」。 EHT 為結合世界各地的研究團隊，於各地使用電波望眼鏡觀測共同目標：M87 星系黑洞的電波波段（其中特別鎖定毫米波），來增進其解析力。這張黑洞照相驗證了廣義相對論，與許多科學家數十年來的研究成果。

延伸閱讀：

• 人類史上首張黑洞近照：如何層層破譯黑洞影像後的密碼？
• 當你凝視深淵：人類首度直擊黑洞真面目！──科學超抖宅報

本文編譯自 〈2019 BREAKTHROUGH of the YEAR 〉