Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

看不見的陰極射線,摸得到的幽靈 │ 科學史上的今天:6/17

張瑞棋_96
・2015/06/17 ・851字 ・閱讀時間約 1 分鐘 ・SR值 493 ・六年級

1871 年起,倫敦一位靈媒屢屢在降靈會中招喚出名為凱蒂的幽靈。剛開始凱蒂只是若隱若現的露出臉孔,到後來直接以實體現身,見過的人都言之鑿鑿。英國科學家克魯克斯(William Crookes, 1832.6.17-1919.4.4)決定邀請靈媒到自己家中舉行降靈會,以驗證真偽;同時他也著手調查其他靈異現象。結果克魯克斯於 1874 年完成調查報告,證實幽靈凱蒂與其它超自然現象都是真的。什麼?!

可不要以為克魯克斯是不入流的科學家,他於 1861 年透過光譜的研究發現新元素鉈,而於二年後獲選為英國皇家學會的院士。1873 年,他發明了「克魯克斯輻射計」,半真空的玻璃球中,正反面一黑一白的四片葉片在光線照射下,自發地不停轉動起來。克魯克斯可沒有將之歸因於神秘的超自然力量,而是合理地推測是推動葉片的力量來自光線施加於葉片上的光壓(註)。

克魯克斯還將二十年前蓋斯勒(Heinrich Geissler)發明的氣體放電管(內含稀薄的稀有氣體,相當於霓虹燈)抽得更接近真空,通電後發現在陽極那端的玻璃管發出光芒,因而於 1878 年發明了「克魯克斯管」,也就是後來的陰極射線管的前身。這項發明在科學史上極為關鍵;克魯克斯於 1879 年率先發現「物質的第四態」──離子化的氣體,也就是電漿;1895 年,侖琴用它發現了 X射線;1897 年,湯姆森用它發現了電子。

可以看出克魯克斯始終以追根究柢的精神與系統化的方法從事科學實驗,那麼,為什麼他竟無法拆穿靈媒的手法,對那些靈異現象深信不疑?或許就是因為他想要相信。

-----廣告,請繼續往下閱讀-----

自從他的弟弟於 1867 年,才 21 歲就死於黃熱病後,克魯克斯就急於透過降靈會與他接觸,從此熱衷於靈異現象。加上科學家習慣眼見為憑,更容易對靈媒的詐術照單全收。於是他一生在從事科學的同時,也積極參與靈魂研究社、鬼魂俱樂部等團體。1917 年,克魯克斯摯愛的妻子過世,他如願透過靈媒與她說話,兩年後,克魯克斯也離開人世。當然,沒有人見過他的靈魂現身。

 

 

本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1028 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

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。

5

13
1

文字

分享

5
13
1
托克馬克反應爐:地球上創造的人造太陽——成功大學電漿所向克強教授專訪
科技大觀園_96
・2021/07/29 ・3759字 ・閱讀時間約 7 分鐘

隨著工業發展,人類對能源的需求日益升高,然而傳統能源多仰賴地殼深處的化石燃料,資源不僅有限還會對環境造成嚴重汙染,為了解決能源危機,數十年來科學家一直在尋找新的替代能源,這種能源必須乾淨、安全,同時還得足以應付人類對能源的需求,但這種終極能源真的存在嗎?

如果你覺得難以想像,不妨抬頭看看天空吧。

恆星內部一直都在持續進行核融合過程,以太陽核心為例,氫原子核在高溫高壓下不斷相互碰撞融合成更重的氦原子,過程中的質量虧損帶來巨大的能量釋放.這些能量也成為太陽能夠持續發光發熱的來源。

恆星內部持續進行核融合反應。圖/pixabay

自二戰結束以來,模仿恆星核心熱融合作為地球上能量來源的想法一直存在,但如何實現遠比想像中更為困難,光是尋找適合融合反應的材料、理解混沌的熱電漿行為便已耗費數十年,地球上的人造太陽該放在什麼樣的裝置內也是一門大問題,而托克馬克(Tokamak)便是科學家目前找出的最佳解答。

-----廣告,請繼續往下閱讀-----

什麼是托克馬克反應爐?

核融合電漿拘限理論專家、成功大學電漿所教授向克強指出,在核融合研究初期,各國科學家曾對約束裝置有許多不同想法,但這些都在蘇聯 1968 年公布托克馬克數據後有所轉變,由於托克馬克得出的結果遠優於當時所有設計近 10 倍,這也使得各國幾乎是在一夕之間拋下原本的設計轉而投入托克馬克懷抱中。

在缺乏恆星內部引力等環境下,實驗室中打造可實用核融合反應爐的溫度需求遠比太陽核心更高,以目前第一代燃料氘(D)和氚(T)為例,需求溫度為 1.5 億°C,約是太陽核心溫度的 10 倍。除了極高的溫度,科學家還必須設法約束、維持電漿的穩定性,創造適當環境讓電漿粒子能產生核融合反應。

這也正是托克馬克所具備的一切。從外觀來看,托克馬克就像一個甜甜圈,環形管道相連與抽氣系統形成真空室,管道外層纏繞著一圈一圈的超導磁鐵,透過環形電漿電流與線圈電流產生磁場約束內部的電漿粒子不會因接觸管道失去能量,去除終端損失來提升能源產生效益。

托克馬克反應爐內部構造。圖/wikimedia

向克強解釋,核融合研究最主要的目的是證明 Q 值(融合能量增益因子)能大於 1,即輸出核融合反應的能量比維持核融合反應的外加能量更多,才能確認真的能用來作為發電使用。有趣的是,核融合研究的進步速度其實與半導體領域的摩爾定律很相似。大約每隔兩年便會增長一倍,近年最新得出的結果已經相當接近最初 Q=1 的目標。

-----廣告,請繼續往下閱讀-----

「如果從 1932 年第一個核融合小實驗算起,人們已經走了將近一個世紀,每幾年邁出一步,如今終於要跨越 1 的目標,一旦能證明 Q 可以大於 1 甚至達到 10,將會是足以得到諾貝爾獎的成就。」

由多國合作參與、鄰近法國南部普羅旺斯的 ITER(國際熱核融合實驗反應爐)正是承載著這樣的希望在準備進行實驗。與傳統發電廠目的不同,ITER 目標並非生產能源提供使用,而是證明核融合發電已經能從電漿物理實驗研究走入實用階段。目前 ITER 已經完成初步建設,預計將於 2025 年展開首次電漿測試、2035 年進行氘氚融合實驗。最終目標是使用維繫設備運作必須的 50 MW 輸入功率產生約 500 MW 的能量,並讓核融合反應至少維持 400 秒,證明 Q 能夠大於等於 10,提供核融合發電商轉可行性的科學證據。

核融合發電與核能發電差異?人造太陽安全嗎?

談到核,許多人第一時間想到的可能是現行的核能發電,然而核能與核融合能可說是完全不同的兩回事。目前的核能發電採用均為核分裂技術,發電核心仰賴使用如鈾般的重元素分裂後形成連鎖反應來釋放能量,儘管能提供大量能源,但也會產生半衰期動輒數萬年的核廢料,長期儲存問題及對環境造成的汙染也是最為人詬病之處。

相較之下,托克馬克採用的是核融合技術,透過設置適當的環境,促使二個輕原子核相互融合產生能量。以目前用來反應的氘氚為例,氘可以從海水中提取,而氚雖然由宇宙射線產生,在自然界中極其稀微,但同樣可以從鋰和中子的反應中產生,融合過程產生的放射性產物半衰期頂多只有 1、200 年.向克強也提及國外最新研究指出,透過重複使用產物,理想中甚至就像醫院的放射性廢棄物一樣處置即可,更別提未來還可能找到更適合的第二代、第三代燃料,廢棄物的放射性還可能更加降低。

-----廣告,請繼續往下閱讀-----
核融合反應,氘-氚的核融合反應產生氦與中子,期間釋放出的核能。圖/wikimedia

在安全性上,由於維持核融合反應需不斷的添加燃料,並不像核分裂會自主產生連鎖反應,一旦系統停止運作內部的融合反應也會立即停止,不會發生如傳統核電廠般爐心熔毀導致輻射外洩等無法控制狀況,建造不需要大片土地,零件製造上也比太陽能製造過程更為環保,加上運作過程沒有任何碳排放且只會產生少量的放射性廢棄物,可以說核融合對環境相對友善之餘又可滿足能源要求,與核能相比,應該是更容易被社會所接受的能源來源。

向克強認為,討論核融合最重要的一點,便是去了解「核融合與非核家園的願景並不衝突」。這不僅是單方面的說詞,許多國家都有著同樣想法,以同樣主張非核家園的德國為例,除了是 經由歐盟參與ITER的主要參與國之一,德國國內更有托克馬克和仿星器 W7X 兩大核融合反應裝置,在核融合研究投資上絲毫不手軟,鄰近台灣的韓國也在國內自力建造被稱為韓國太陽的 KSTAR托克馬克並參與ITER,甚至直接標榜核融合為「綠能」。

終極綠能的未來

由於托克馬克帶來的能源願景十分遠大,除了 ITER 的環形托克馬克形式,目前國際新型態的圓形托克馬克也展現出不同方向的發展潛力,向克強透露,許多先進國家早已有長遠的核融合發展計劃,除了參與 ITER,歐盟、美國、中國、日本、韓國自家的托克馬克研究項目也都在持續進行,「就像所有科學研究一樣,彼此間是合作也是競爭關係,大家都已經開始考慮 ITER 之後該做些什麼。」

所有人都想打造人造太陽來解決國內能源問題,但我們似乎忘記了什麼重要的事情。

-----廣告,請繼續往下閱讀-----

目前 ITER 約有多達 35 個國家參與,歐美民間也有一些企業正積極投資,就連泰國、哥斯大黎加也都了解到核融合對未來的重要性.開始投入大筆資源進行核融合研究,許多國家甚至開始規劃在 2050 年前後建造示範性核融合電廠,相較之下,台灣目前僅有極小規模的研究能量,向克強形容,現在的情況就像是國際上有一場關於乾淨能源的盛宴,唯獨台灣沒有參與其中。

事實上作為缺乏天然資源的亞洲國家,理應更迫切期待更好的能源來源出現,向克強指出,過去印度推廣核融合的專家訪台演講時,就曾直接表示印度的生活水準若要提升至與歐美國家相仿,核融合將是為未來「唯一選項」,從國內核電廠造價來看,台灣其實也具備國力發展核融合電廠,現在最重要的是盡早在現有基礎上投入更多先端研究,同時培養相關人才,才能在未來能源變革上與世界接軌,「我們已經落後許多,現今必須竭力趕上。」

回憶起投入核融合研究的契機,向克強笑著表示,他依稀記得 1969 年仍就讀高中時,剛成立不久的徐氏基金會曾舉辦一場科普演講,邀請到剛參訪美國相關機構的大學教授談論核融合,講者在最後說了這樣一段話:也許,根本沒有任何人了解核融合,就是這樣一段話提起他的興趣,往後數十年間一頭栽入核融合能源領域研究中。如今向克強不僅是核融合電漿拘限理論的專家,更是國內托克馬克反應爐理論的少數研究者之一,帶著曾於美國橡樹嶺國家實驗室、韓國、日本核融合研究中心擔任教授或科學家的經歷,目前也持續在成大電漿所投入國內與國際合作研究,協助建立核融合能源及電漿科學研究團隊。

向克強表示,他也是後來才發現 1969 年正好是托克馬克開始被各國重視的年代。「如果當年沒有去參加那場演講,也許我今天就是在其他領域進行研究,只能說人生有很奇妙的對稱性。現在到我這個年紀也開始要為大眾科普貢獻綿薄之力,希望同樣能帶給一些人正面影響。」

-----廣告,請繼續往下閱讀-----

50 年過去,人們現在對核融合的理解已經更為深入,掌握了許多當初不清楚的環節,然而核融合發電的研究仍在持續,ITER 的氘氚實驗至 2035 年才開始,發電廠設計還有更長遠的路要走,人才培育需要數十年的時間,如果現在起步,或許這樣的對稱性仍可持續延續下去。

參考文獻

-----廣告,請繼續往下閱讀-----
所有討論 5
科技大觀園_96
82 篇文章 ・ 1126 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

0
0

文字

分享

0
0
0
電鍋、泡酒精、高溫高壓……經過消毒的口罩真的罩得住嗎?
miss9_96
・2020/02/11 ・2190字 ・閱讀時間約 4 分鐘 ・SR值 602 ・九年級

編按:市面上外科口罩數量告急,難以取得的情況下開始有人討論是否能將口罩回收再利用。原本設計一次性使用的口罩進行消毒究竟會發生什麼事?為此,中山醫學大學生物醫學科學系有在 FB 上介紹他們的實驗內容:

 

而過去的研究文獻針對口罩消毒再使用,又有哪些討論呢?就讓我們往下看吧!

被消毒了,口罩還罩得住嗎?

回收再利用是台灣人的美德,於是在 2008、2017 年出現了兩篇針對口罩消毒再利用的研究(大誤)1,2
首先是中國醫藥大學公衛系的林子賢教授團隊,選用了不織布口罩、N95口罩註1,消毒方式是:

種類 方式 時間
(分鐘)
煮飯用的台灣電鍋(乾熱) 149-164℃,無水 3
高壓滅菌釜(濕熱) 121℃,壓力 1.06 kg/cm2 15
酒精 70% 酒精水溶液 10
異丙醇 100% 異丙醇 10
漂白劑 0.5% 次氯酸鈉水溶液 10

 

普通的不織布口罩。圖/作者買的

該團隊研究「消毒前後」的防禦力變化。換言之,想了解消毒後,口罩是否還擁有足夠的保護力、能將外來顆粒擋在口罩之外,結果如下圖(僅檢選 3 種):

-----廣告,請繼續往下閱讀-----

上圖:台灣電鍋乾熱法。中圖:70% 酒精消毒法。下圖:0.5% 次氯酸鈉消毒法。此三種方式對口罩的抵禦外來顆粒穿透的效果影響。圖/NCBI
中文資訊為本文作者加註。
註:SARS 病毒約 160 nm;氣溶膠顆粒約 5000 nm (5μm);口沫傳染顆粒約 10000 nm (10μm)

就初步數據來看,上述五種方法都會損壞口罩的保護力,但以台灣電鍋乾熱法的損毀性較小,其他方式,如次氯酸鈉、濕熱、酒精等,都會大幅地讓口罩喪失對顆粒的阻擋能力。

酒精與加熱容易破壞 N95口罩

經濟部工業局在 2008 年發表一篇研究,將六款 N95 口罩放在五種消毒方式下,觀測其外觀和口罩捕集效率(阻擋外來顆粒)的變化,滅菌方法如下:

種類 方式 時間
(分鐘)
烘箱(乾熱) 100℃,無水 30
高溫高壓滅菌鍋(濕熱) 121℃,壓力 1 kg/cm2 15
酒精 75% 酒精水溶液,浸泡 10
紫外光 254 nm, 303 μW/cm2 0.5
電鍋蒸煮(濕熱) 96℃ 15

結果如下表:

不同滅菌方法對六款 N95 口罩的阻擋顆粒能力的影響。被標註紅色 X 記號者,為保護力明顯下降。圖/參考資料 2

-----廣告,請繼續往下閱讀-----

由經濟部的研究可以清楚發現,酒精並不是消毒口罩的好方法,6 款N95 口罩裡,有 4 款的保護能力出現明顯的下降。而高溫高壓、濕熱消毒法也削弱了其中 1 款口罩的保護能力。

同時由外觀可以發現,高溫高壓消毒法中,部分口罩的外觀出現扭曲,可能會降低密合度、出現縫隙讓病毒、細菌趁隙而入。

高溫高壓對於口罩外觀的影響。圖/參考文獻 2

美國的實驗:微波爐與電漿的效果……

而在美國,擺出來的實驗條件就硬是讓人傻眼。美國國家職業安全衛生研究所(聯邦單位)於 2009 年刊出的研究,其中的五個實驗組分別3

-----廣告,請繼續往下閱讀-----
  • 紫外光
  • 微波爐
  • 0.6% 次氯酸鈉水溶液
  • 環氧乙烷 (EO/ETO)(消毒醫療器械常用的氣體)
  • STERRAD®100S H2O2 低溫過氧化氫電漿滅菌系統註2

而在檢視外觀上,美國團隊發現次氯酸鈉消毒組裡,口罩仍殘留氯氣味道,刺激眼睛、呼吸道,不適合消毒口罩。

而微波爐組別的口罩,全.部.都.熔.化.掉.了,囧 rz 3。研究團隊並沒有進一步修正實驗參數,僅建議後輩們調低功率和時間。

但團隊也給出了研究建議,在五種消毒方式裡,以低溫過氧化氫電漿滅菌可能是最可靠的方式。不僅避免次氯酸鈉殘留氯氣、高溫損壞口罩零件的風險;同時低溫過氧化氫電漿消毒後,所殘留的僅是水蒸氣和氧氣,對人體和醫療器材都無害,是發展潛力最大的方式。

以低溫過氧化氫電漿滅菌可能是最可靠的方式。圖/yanalya@Freepik

-----廣告,請繼續往下閱讀-----

綜上所論,目前現有、民眾容易取得的消毒方式,都會削弱,甚至大幅減少口罩的保護能力;更甚之可能會損毀金屬、塑膠零件,也可能會劣化橡膠的彈性,導致口罩和臉的密合度降低。因此作者們都不建議將拋棄式口罩滅菌後重複使用

畢竟,經過嚴酷的消毒程序後,不管多高級的口罩,看來都是「罩」不住的了~

註解

  • 註 1:林教授團隊尚使用了一種 double-layer electret masks 口罩,但無法查出是何種類型,故在本文不探討。
  • 註 2:該系統可能是透過高能的電磁波擊打 H2O分子,使其分裂變成高能、活潑分子,達到破壞、殺死微生物的目的。

參考文獻

  1. Tzu-Hsien Lin, Chih-Chieh Chen, Sheng-Hsiu Huang, Chung-Wen Kuo, Chane-Yu Lai, Wen-Yinn Lin (2017) Filter quality of electret masks in filtering 14.6–594 nm aerosol particles: Effects of five decontamination methods. PLoS One. DOI: 10.1371/journal.pone.0186217
  2. 于台珊,何雨芳,黃盛修,莊啟佑,陳春萬 (2008) 拋棄式防塵口罩滅菌再使用之可行性探討。勞工安全衛生研究季刊。
  3. Dennis J. Viscusi, Michael S. Bergman, Benjamin C. Eimer, Ronald E. Shaffer (2009) Evaluation of Five Decontamination Methods for Filtering Facepiece Respirators. The Annals of Occupational Hygiene. DOI: https://doi.org/10.1093/annhyg/mep070
  4. 低溫電漿滅菌法。衛生福利部疾病管制署
  5. Hydrogen Peroxide Gas Plasma. US Centers for Disease Control and Prevention
-----廣告,請繼續往下閱讀-----
miss9_96
170 篇文章 ・ 1084 位粉絲
蔣維倫。很喜歡貓貓。曾意外地收集到台、清、交三間學校的畢業證書。泛科學作家、科學月刊作家、故事作家、udn鳴人堂作家、前國衛院衛生福利政策研究學者。 商業邀稿:miss9ch@gmail.com 文章作品:http://pansci.asia/archives/author/miss9