1

0
0

文字

分享

1
0
0

研究者利用微中子傳送「無線」訊息

only-perception
・2012/03/27 ・1400字 ・閱讀時間約 2 分鐘 ・SR值 567 ・九年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

一群由 Rochester 大學與北卡羅萊納州大(NC State)所領導的科學家首度利用微中子(neutrinos)束傳送一則訊息。那是一種幾乎沒有質量的粒子,行進速度近乎光速。這一則被傳送的訊息穿過 240 公尺的岩石,內容即是:「Neutrino」。

“利用微中子,就有可能在地球上任意二點之間通訊而無須使用衛星或纜線,” Dan Stancil 表示,NC State 電機與電腦工程教授以及一篇描述此研究之論文的第一作者。”微中子通訊系統將會比今日的系統更加複雜,不過也許有重要的策略性用途。”

由於一種特別有價值的特性,許多人已將微中子在通訊中的可能用途理論化:它們幾乎能穿透它們所遇到的任何東西。舉例來說,如果此技術能被應用在潛艦,可以想見,它們能穿透水域,傳到很遠的距離,若使用當前技術,那會很困難,也許根本不可能辦到。且若我們想要在月球或某星球背面的外太空利用某種東西通訊,我們的訊息將毫無阻礙地直接穿過。

“當然,以我們目前的技術,需要用到大量高科技設備才能使微中子傳達訊息,所以那目前還不實用,” Kevin McFarland 說,Rochester 大學物理學教授,他涉及這項實驗。”若有朝一日要在實際應用裡利用微中子進行通訊,第一步將會是一個運用今日技術的示範。”

這個科學家團隊證明,他們有可能在芝加哥郊區的 Fermilab(費米實驗室)完成他們的測試。這個小組將他們的發現提交給 Modern Physics Letters A 期刊。

在 Fermilab,研究者得要使用二種關鍵元件。其一是一部世上最強大的粒子加速器之一,那使質子加速繞行一個周長 2.5 英里的軌道,接著使它們與一個碳標靶相撞,創造出高強度的微中子射束。其二是一套 multi-ton(多體、多例)偵測器,稱為 MINERvA,位於地底 100 公尺深的洞穴中。

利用微中子進行通訊,需要這麼大量的設置,意味著在這項技術能被合併成一種可輕易使用的形態之前,仍有許多研究得要完成。

這項通訊測試為期二小時,那時加速器為了接下來排定的停機保修,以一半的強度運作。一般的 MINERvA 交互作用資料亦在通訊測試被實現的同時進行收集。

今日,絕大多數通訊的實現,是透過電磁波的傳送與接收。這是我們收音機、手機與電視的運作方式。但電磁波無法輕易穿過絕大多數類型的物質。它們會被水、山以及許多其他的液體或固體所阻擋。在另一方面,微中子,通常會穿過整個行星而不會受到擾亂。因為它們的電中性與幾乎不存在的質量,微中子不會受到磁力吸引也不會因為重力而產生顯著改變,所以它們在行動上幾乎毫無阻礙。

科學家們利用微中子傳送的訊息轉譯成二進位編碼。換言之,『neutrino』以一連串的 1 與 0 來呈現,在此 1 對應到一群被發射的微中子,而 0 則與沒有微中子被發射對應。微中子之所以需要大批發射,是因為即便對 multi-ton 偵測器來說,它們都是非常難以捉摸,大約每百億個微中子只有一個會被偵測到。微中子被偵測到之後,在另一端的電腦將二進位編碼轉譯回英文,即成功接收到『neutrino』這個字。

“微中子已成了一種幫助我們學習有關原子核與宇宙運作方式的驚人工具,” Deborah Harris 表示,Minerva 計畫經理,”但在微中子通訊變得有效率之前,還有很長一段路要走。”

Minerva 是一個核子與粒子物理學家的國際聯盟,成員來自 21 個單位,利用一部位於 Fermilab 的偵測器研究微中子的行為。這是世上首度利用一道高強度射束來研究微中子與五種不同標靶材料之原子核進行反應的實驗,創造出交互作用的首個並列比較(side-by-side comparison)。這將協助完成微中子的圖像同時讓資料能在當前與未來的實驗中更清楚地被詮釋。

原始文獻:D. D. Stancil et. al.
Mod. Phys. Lett. A 27 (2012) 1250077
doi: 10.1142/S0217732312500770

資料來源:PHYSORG:Researchers send ‘wireless’ message using neutrinos[March 14, 2012 ]

轉載自only-perception

文章難易度
所有討論 1
only-perception
153 篇文章 ・ 1 位粉絲
妳/你好,我是來自火星的火星人,畢業於火星人理工大學(不是地球上的 MIT,請勿混淆 :p),名字裡有條魚,雖然跟魚一點關係也沒有,不過沒有關係,反正妳/你只要知道我不是地球人就行了... :D

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2219 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

1
0

文字

分享

0
1
0
一卡在手便利無窮,悠遊卡的設計原理——《我們的生活比你想的還物理》
商周出版_96
・2022/12/05 ・2482字 ・閱讀時間約 5 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

時事話題

NEWS|在課堂介紹電磁波概念時,有位同學佳琦舉手提問筆者:「老師,用悠遊卡刷進捷運站非常方便,那個背後的原理和電磁波有關嗎?」另一位同學婕妤回答:「應該是悠遊卡會發出電磁波,傳遞訊息到門閘的感應器吧?」

悠遊卡如今早已融入臺灣大都會的生活中,不論是捷運、超商、購物或搭乘公車,悠遊卡在手,便利許多。然而,悠遊卡內並無電池,也不需要插入讀卡機,為何能夠溝通而傳遞資訊呢?

刷悠遊卡進出捷運站,其背後原理和電磁波有關嗎?圖/Pixabay

為何沒裝電池的悠遊卡可以產生電流?

悠遊卡系統主要是應用法拉第電磁感應定律來辨識與傳遞資訊,此與無接觸感應技術有關,該技術稱為「無線射頻辨識系統」(radio frequency identification,RFID)。完整的一套無線射頻辨識系統,是由讀卡機(reader)、電子標籤(tag)和應用程式資料庫電腦系統部分所組成。

運作過程先由讀卡機發射一特定頻率的無線電波能量給電子標籤,藉此驅動標籤內建電路,輸送內部的身分代碼,以開啟溝通之路。

若以法拉第電磁感應的物理概念解釋,讀卡機產生變動磁場, 同步提供電子標籤變動磁場,驅動電子標籤產生感應電流,也就是讓悠遊卡內部迴路產生感應電流,並讓電子標籤發送身分代碼訊息給讀卡機,也即驅動內部晶片能夠發送訊號,讀卡機依序接收資訊、解讀此身分代碼,再透過應用程式資料庫系統讀取悠遊卡內的晶片資料,完整達成溝通與解讀任務。

電子標籤發送身分代碼訊息給讀卡機,即驅動內部晶片發送訊號。圖/維基百科

每一張悠遊卡都有獨立的電子標籤,當卡片靠近悠遊卡標誌的磁場感應範圍內,即可透過電磁感應的原理,驅使電子標籤內的線圈產生感應電流,此電流供應電子標籤傳送資訊至讀卡機,以解讀晶片資料。

或許讀者會好奇,沒有電池的悠遊卡怎麼產生電流呢?這個問題也需要以法拉第電磁感應定律說明。

依法拉第電磁感應定律,悠遊卡的線圈迴路會因為磁場強弱的變化,以及通過的面積區域角度變化而產生類似電池驅動電流功能的「感應電動勢」,或稱為感應電壓。此感應電壓大小與線圈匝數及每匝線圈中磁場隨時間的變化率有關。匝數愈多,磁場變化率愈大,悠遊卡迴路中的感應電壓愈大,產生的感應電流就愈大。

當卡片靠近標誌的磁場感應範圍內,即透過電磁感應產生感應電流。圖/《我們的生活比你想的還物理

因此,悠遊卡雖然沒有內建電池,但可以透過電磁波的應用,採用無線射頻辨識系統,在運作時,讀卡機持續發出電磁波,當卡片接近時,其內部線圈產生感應電動勢,再進一步驅動感應電流。此感應電流讓卡片內的晶片發出電磁波,回傳必要的資訊給讀卡機,完成感應過閘的流程。

以臺北、臺中和高雄的悠遊卡來說,採用的是無線射頻辨識系統模式,屬於比較低頻率的電磁波,卡片必須距離讀卡機約 14 公分內,才能讀取卡片的晶片資料。因此若將悠遊卡裝在比較厚的皮夾或兩張磁卡疊在一起,可能無法第一時間完成讀卡,而形成「卡片無法讀取」的「卡卡」現象,建議單純使用悠遊卡過閘,較能順暢通過閘門。

其他如進出家門的感應磁扣、停車場的票卡、信用卡感應支付、國道收費系統 ETC 等,皆是應用無線射頻辨識系統 RFID 的技術,只不過國道收費系統 ETC 的感應器的感應距離約需 60 公尺內,才能順利讀取通過車輛的相關資訊。

台灣高速公路的電子道路收費系統(electronic toll collection, ETC)。圖/維基百科

物理小教室

  • 手機行動支付的物理學原理

手機支付的運作原理也是基於 RFID 發展而出的近場通訊(near-field communication,NFC) 技術。目前近場通訊技術採用頻率為 13.56 MHz 的電磁波,以 106 kbit/s、212 kbit/s 或 424 kbit/s 這 3 種速率傳輸資料,bit 翻譯為位元,是電腦資料的最小單位。

利用手機支付時,須靠近刷卡機約 4 公分距離內,此時可藉由電磁波傳遞相關資訊,完成付款手續。近場通訊技術不只有用在手機支付, 也可運用傳輸文字、照片、音樂檔案,是目前手機常見的內建功能。

  • 電磁感應的進階說明

電動勢(electromotive force, emf)可以驅動導體內的電荷移動, 產生電流。電池因為內部材料的屬性,會在正負極產生固定的電位差或電壓。電動勢是電池正負極間的電位差,也常稱為電壓,其國際單位制(SI)單位為伏特(V)。

導體內的電流與電壓成正比,假設導線的電阻及電池的內電阻都可略去不計,電路中流動的電流是電壓與電阻相除後的數值。可知電池的電動勢,可以驅動迴路上的電流,讓燈泡發光發熱。

然而,一個未接電源的迴路導線圈,可不可能產生電流?可以。若是通過迴路導線圈的磁場變化或磁通量改變,也會產生感應電流,這是發電機的原理,也是物理學家法拉第和冷次的電磁感應概念。

電磁爐和捷運列車的磁煞車也是運用電磁感應的概念。電磁爐內部的主要構造是由絕緣體包覆的導線環繞的線圈,當交流電通過線圈時, 電磁爐表面就會產生隨時間改變的磁場,這個磁場的變化會同時在鍋子底面產生應電流,再透過電流熱效應加熱鍋子,也加熱食物。

——本文摘自《我們的生活比你想的還物理》,2022 年 11 月,商周出版,未經同意請勿轉載。

0

5
2

文字

分享

0
5
2
宇宙學的最大謎團!有超過90%的世界都是暗物質和暗能量,但,它們究竟是什麼?──《大人的宇宙學教室:透過微中子與重力波解密宇宙起源》
台灣東販
・2022/08/08 ・3400字 ・閱讀時間約 7 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

觀測星系時,科學家發現了「看不見的物質」

我們現在所看到的人類、太陽、星系以及星系群等等,所有東西都是由物質構成。「物質構成了宇宙的全部」這個概念長年以來深植於人類心中。

宇宙是由物質構成的,但究竟是由甚麼物質構成的呢?圖 / twenty20photos

不過,後來我們了解到,宇宙中存在著許多我們人類看不到的物質,那就是「暗物質(dark matter)」。這個名稱聽起來很像科幻作品中的虛構物質,卻實際存在於宇宙中,而且暗物質在宇宙中的含量,遠多於我們看得到的「物質」

1934 年,瑞士的天文學家茲威基(Fritz Zwicky,1898~1974)觀測「后髮座星系團」時,發現周圍星系的旋轉速度所對應的中心質量,與透過光學觀測結果推算的中心質量不符。

周圍星系的轉速明顯過快,推測存在 400 倍以上的重力缺損(missing mass)。

在這之後,美國天文學家魯賓(Vera Rubin,1928~2016)於 1970 年代觀測仙女座星系時,發現周圍與中心部分的旋轉速度幾乎沒什麼差別,並推論仙女座的真正質量,是以光學觀測結果推算出之質量的 10 倍左右。

到了 1986 年,科學家們觀測到了宇宙中的大規模結構,發現星系的分布就像是泡泡般的結構。若要形成這種結構,僅靠觀測到的質量是不夠的。

為了補充質量的不足,科學家們假設宇宙中存在「看不見的物質=暗物質」。

看不到卻存在?暗物質究竟是什麼?

既然看不到,那我們怎麼確定暗物質真的存在?圖 / twenty20photos

前面提到我們看不見暗物質,而且不只用可見光看不到,就連用無線電波、X 射線也不行,任何電磁波都無法檢測出這種物質(它們不帶電荷,交互作用極其微弱)。

因為用肉眼、X 射線,或者其他方法都看不到它們,所以稱其為「暗」物質。

不過,從星系的運動看來,可以確定「那裡確實存在眼見所及之上的重力(質量)」。這就是由暗物質造成的重力。

看不到的能量:暗能量

事實上,科學家們也逐漸了解到,宇宙中除了暗物質之外,還存在「看不見的能量」。

原本科學家們認為,宇宙膨脹速度應該會愈來愈慢才對,不過,1998 年觀測 Ⅰa 型超新星(可精確估計距離)時,發現宇宙的膨脹正在加速中。這個結果證明宇宙充滿了我們看不到的能量「暗能量(dark energy)」。而且,暗能量的量應該比暗物質還要更多。

我們過去所知道的「物質」,以及暗物質、暗能量在宇宙中的估計比例,如下圖所示。 這項估計是基於 WMAP 衛星(美國)於 2003 年起觀測的宇宙微波背景輻射(CMB),計算出來的結果。

圖/台灣東販

後來,普朗克衛星(歐洲太空總署)於 2013 年起開始觀測宇宙,並發表了更為精準的數值。

  • 什麼是「普朗克衛星」?

歐洲太空總署(ESA)為了觀測距離我們 138 億光年的宇宙微波背景輻射(CMB)而發射至宇宙的觀測裝置(人造衛星)。可與 NASA 發射,廣視角、低感度的 WMAP 衛星互相對照。由 WMAP 衛星製成的 CMB 地圖,計算出宇宙年齡應為 137 億年左右,誤差在正負 2 億年內;普朗克衛星則製作出了更為詳細的 CMB 地圖,並以此推論出宇宙年齡應為 138 億年左右,誤差在正負 6000 萬年內,數字更為精準。

歐洲太空總署(ESA)為了觀測距離我們 138 億光年的宇宙微波背景輻射(CMB)而發射至宇宙的觀測裝置(人造衛星)。可與 NASA 發射,廣視角、低感度的 WMAP 衛星互相對照。由 WMAP 衛星製成的 CMB 地圖,計算出宇宙年齡應為 137 億年左右,誤差在正負 2 億年內;普朗克衛星則製作出了更為詳細的 CMB 地圖,並以此推論出宇宙年齡應為 138 億年左右,誤差在正負 6000 萬年內,數字更為精準。  

暗物質的真面目,究竟是什麼?微中子嗎?

既然暗物質有質量,那會不會是由某種基本粒子構成的呢?也有人認為暗物質是在宇宙初期誕生的迷你黑洞(原始黑洞),而我也致力於這些研究,不過相關說明不在此贅述。

已知的基本粒子(共 17 種)以及其他未知粒子,都有可能是暗物質,在這些粒子當中最被看好的是微中子。

因為暗物質不帶電荷,不與其他物質產生交互作用,會輕易穿過其他物質。這些暗物質的特徵與微中子幾乎相同。而且,宇宙中也確實充滿了微中子。因此,微中子很可能是暗物質的真面目。

不過,目前的物理學得出的結論卻是「微中子不可能是暗物質的主要成分」。

NASA 曾經想透過星系團的碰撞來了解暗物質的特性。圖/NASA

為什麼微中子被撇除了呢?

這是因為,雖然微中子大量存在於宇宙中,質量卻太輕了。雖然科學家們現在還不確定微中子的精準質量是多少,不過依照目前的宇宙論,3 個世代的微中子總質量上限應為 0.3eV。如果暗物質是微中子,那麼 3 個世代的微中子總質量應高達 9eV 才對,兩者相差過大。

另一方面,暗物質中的冷暗物質(cold dark matter)的速度應該會非常慢才對。

宇宙暴脹時期會產生密度的擾動,進而產生暗物質的擾動(空間的擾動應與觀測到的 CMB 擾動相同),這種微妙的重力偏差,會讓周圍的暗物質聚集,提升重力,進一步吸引更多原子聚集,最後形成我們現在看到的星系。

相較於此,微中子過輕(屬於熱暗物質,hot dark matter),會以高速飛行。微中子無法固定在一處,這樣就無法聚集起周圍的原子,自然也無法形成星系。

暗物質、暗能量的真相究竟是甚麼?仍然是宇宙學中最大的謎團!

熱暗物質、冷暗物質

這裡要介紹的是熱暗物質與冷暗物質。所謂的「熱暗物質」,指的是由像微中子那樣「以接近光速的速度飛行」的粒子組成暗物質的形式。

宇宙微波背景輻射(CMB)可顯示出宇宙初期的溫度起伏,因而得知存在相當微小,卻十分明顯的擾動,此擾動與暗物質的擾動相同。擾動中,物質會往較濃的部分聚集,並形成星系或星系團等大規模結構。

不過,如同我們前面提到的,科學家們認為以接近光速的速度運動的微中子,在程度那麼微弱的宇宙初期擾動下,很難形成現今的星系團。

於是,科學家們假設宇宙中還存在著速度非常慢的未知粒子「冷暗物質」。

冷暗物質的候選者包括「超對稱粒子(SUSY 粒子)」當中光的超伴子——超中性子(neutralino)、名為軸子(axion)的假設粒子;另外,也有人認為原始黑洞可能是「冷暗物質的候選者」,雖然黑洞並不是基本粒子。

在討論暗物質時,即使不假設這些未知粒子的存在,在標準模型的範圍內,微中子也是呼聲很高的候選者。

如同在討論熱暗物質時提到的,當我們認為微中子應該不是主要暗物質時,就表示基本粒子物理學需要一個超越標準理論的新理論,這點十分重要。

宇宙微波背景(CMB)是宇宙大霹靂後遺留下來的熱輻射,充滿了整個宇宙。圖 / 台灣東販

那麼,微中子真的完全不可能是暗物質嗎?

倒也並非如此。如果存在右旋的微中子,由於我們還不曉得它的質量以及存在量,所以「微中子是暗物質」的可能性還沒完全消失。不過,這樣就必須引入超越標準理論的理論才行。

在目前只有發現左旋、符合標準理論的微中子的情況下,一切都還未知。關於這點,我們將在《大人的宇宙學教室:透過微中子與重力波解密宇宙起源》第 6 章第 7 節詳細說明。

——本文摘自《大人的宇宙學教室:透過微中子與重力波解密宇宙起源》,2022 年 6 月,台灣東販,未經同意請勿轉載。

台灣東販
5 篇文章 ・ 1 位粉絲
台灣東販股份有限公司是在台灣第1家獲許投資的國外出版公司。 本公司翻譯各類日本書籍,並且發行。 近年來致力於雜誌、流行文化作品與本土原創作品的出版開發,積極拓展商品的類別,期朝全面化,多元化,專業化之目標邁進。