你能想像你所喝的酒是如此美麗抽象嗎？
偏光顯微鏡用在何處，大多數人一定會回答：觀察地質的岩石玻片上及寶石的檢驗或是部份工業材料居多。
今天要介紹美國一間 BevShots 的公司，這間公司會出現是因為一位在 Florida State University lab 科學家，在他25年職業生涯中，致力於長期研究 DNA, vitamins 等…..研究，忽然所出現的一個想法，拍攝酒，夠妙吧！
他於是找了一間企業合作，成立了 BevShots，利用每一幅顯微拍攝的酒類照片來製造產品，如領帶、畫作、杯墊等….生活中的藝術品。我們就先來欣賞一部份的作品吧！
照片來源：BevShots
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
本文由策展人紀柏豪提供
想享受一場同時兼具科技與藝術的饗宴嗎？來《匯聚：從自然到社會的藝術探索》國際交流展看看吧！
在當代社會中，藝術的角色正持續演進——它創造了一種新的美學，與社會、科學以及技術變革緊密相連。當社會面臨的挑戰因其複雜性而難以僅靠單一學科解決時，藝術研究因其跨越、融合不同知識領域的能力而具有新的意義。今日，許多創作者和機構採用跨學科方法，將藝術與自然、科學與感性、想像力與現實結合，創造嶄新的經驗、知識和美學。
在藝術與科學這兩個看似迥異的領域中，存在著一個共通的追求——深入理解我們所處的世界。這一追求不僅體現了人類對知識渴望的本能，也反映了我們對於更高層次的自我認知和宇宙認識的探索。藝術家透過創作，探索人類經驗的多樣性和情感的複雜性，用畫筆、雕塑、數位媒介來表達對世界的主觀理解。這種理解可能源於個人感受，也可能反映了廣泛的社會和文化現象。
藝術提供了一種通過感知和情感來接觸和理解世界的方式，使我們能夠透過個別經驗來抵達普遍的真理。科學則通過觀察、實驗和分析來探究自然界的法則和現象，尋求對世界的客觀理解。科學方法使我們能夠系統地收集資料、建立理論並驗證假設，從而深化對物理世界的認識。不僅解答了關於自然界的問題，也幫助我們理解了人類自身在這個宇宙中的位置和作用。
儘管藝術和科學在方法和目的上有所不同，但它們都反映了人類對於更加全面和深刻理解世界的共同願望。藝術讓我們透過感受和想像來擴展對世界的認識，而科學則通過理性和證據來揭示秩序和結構。由國科會指導、國家實驗研究院主辦的《匯聚：從自然到社會的藝術探索》國際交流展，邀請觀眾一同探索藝術與科學的交會，體驗它們如何共同塑造我們對世界的認識和感知，並反思這一過程如何豐富我們的文化與知識視野。
當你仰望星空，有沒有想過我們與宇宙的關係？「宇宙共生」單元展示了科技如何將人類感性延伸至浩瀚的宇宙空間。麻省理工學院媒體實驗室的太空探索倡議小組（MIT Media Lab Space Exploration Initiative）帶來了在極端環境下的實地太空模擬，研究生存策略和科技應用。與之並置的《與細菌混了三千年》（3000 Years Among Microbes）則從微生物的角度重新審視太空探索中的殖民語言，帶來全新的太空想像。藝術家利用極端地貌與顯微影像並置，模糊人與微生物的分野，探討共生體概念在星際生態系中的應用。
「感官賦能」單元探索藝術家如何通過科技媒介重塑我們對環境的感知。兩位智利藝術家妮可·拉希利耶（Nicole L’Huillier）與派翠西亞·多明格斯（Patricia Domínguez）的《全像乳糜》（Leche Holográfica）是一場冥想式祈願，透過與不同元素的共鳴和諧，讓我們得以在螺旋時空中構想未來。
值得一提的是，藝術家妮可·拉希利耶與派翠西亞·多明格斯曾透過智利與歐盟的合作，在歐洲核子研究組織（CERN）進行藝術駐村計畫，並在那裡發展她們的作品。CERN 以其在粒子物理學上的重大科研成果而聞名，但即使是最前沿的科學研究，也需要藝術家的啟發。這樣的跨域合作不僅揭示了科學現象的美麗與複雜，更為科學研究注入了新的靈感和視角。藝術家的創意與想像力，能夠以不同於科學的方法來詮釋數據與實驗結果，從而開拓更廣泛的理解和應用。
拉脫維亞藝術家羅莎‧史密特（Rasa Smite）和萊提斯‧史密茨（Raitis Smits）的《深度感知》（Deep Sensing），通過拉脫維亞伊爾本（Irbene） RT-32電波望遠鏡的歷史敘事，象徵性地橋接了技術的過去與現在，探問「為何擁有地球還不足以滿足人類？」該望遠鏡被前蘇聯遺棄，而藝術家們重返此地，探索這個巨大天線在當代的價值。虛擬點雲天線追蹤從太陽到地球的宇宙粒子流動，創造出沉浸式的視覺和聲音景觀，讓觀眾更易於理解氣候變遷的影響。
羅莎‧史密特和萊提斯‧史密茨是里加RIXC新媒體文化中心的共同創辦人，他們的作品結合科學數據、聲音化和視覺化、人工智慧和擴增實境技術，創造出前瞻性的網絡藝術。他們的作品曾在威尼斯建築雙年展、拉脫維亞國家藝術博物館等地展出，並獲得多項國際獎項。
「網絡交織」單元深入探討科技如何影響我們的社會結構和人際關係。瑪麗莎·莫蘭·賈恩（Marisa Morán Jahn）的《銅色景觀》（Copperscapes）展示了銅在全球化勞動中的角色，揭示了這一自然元素如何影響我們的日常生活。她的作品以銅色眼睛作為見證，表現出礦區社區所承受的「身體負擔」，並在影片《銅的私處史》中探討礦物經濟的複雜性，突顯採礦活動對身體及地球主權的影響。
瑪麗莎·莫蘭·賈恩是具有厄瓜多和中國血統的藝術家，其作品致力於重新分配權力，展示藝術作為社會實踐的可能性。她的作品曾在歐巴馬時期的白宮、威尼斯建築雙年展、古根漢美術館等地展出，並獲得聖丹斯電影節和創意資本等獎項。
李紫彤與孫詠怡的《岔經濟》（Forkonomy）利用區塊鏈技術，重新構想財產與國家之間的連結，探討擁有權背後的政治意義。這個藝術與社會運動計畫，通過工作坊和數位契約，探討如何購買或擁有一毫升的南海，並質疑現有的性別勞動分工和所有權制度。
李紫彤是台灣的藝術家兼策展人，作品結合人類學研究與政治行動，曾在國內外多個知名展覽中展出。孫詠怡是出生於香港的藝術家和程式撰寫者，專注於數位基礎設施的文化意義及廣泛權力的不對等問題，作品曾獲得林茲電子藝術節金尼卡獎等多項國際獎項。
印度藝術家艾蒂·桑德爾（Aarti Sunder）的《深海節點故事》（Nodal Narratives of the Deep Sea）將海底電纜這一隱藏基礎設施帶入視野，探討其與現代化項目、資本主義擴張及殖民主義的關聯。她的作品通過繪畫、物件和影片，展示了數據傳輸的路徑及其對生態系統的影響。
艾蒂·桑德爾的創作涉及影像、寫作與繪畫，專注於探討科技政治和基礎設施相關議題。她的作品曾在柏林藝術學院、新加坡雙年展、世界文化之家等國際場所展出。
「科藝匯聚」單元彰顯了藝術與科學共同探索未知領域的力量。國家太空中心的《來自遙遠的訊息》管絃樂曲選粹、麻省理工學院前衛視覺研究中心（CAVS）的歷史檔案，以及臺灣共演化研究隊的「邊界測繪學」年度計畫成果，展示了藝術家與科學家跨域合作的豐富成果和未來潛能。
在展覽期間，策展團隊與台灣致力於促進科學家與藝術家合作的「共演化研究隊」規劃了一系列精彩的跨域交流活動，讓大家能近距離與藝術家、科學家們交流，體驗科技與藝術如何共同作用於當代社會。
活動包括圓桌論壇、藝術家講座和放映會，涵蓋了多個有趣且深入的主題。例如，在「宇宙共生」週末，觀眾可以參與討論極地科學與藝術實踐的圓桌論壇，聆聽來自麻省理工學院媒體實驗室「太空探索倡議」的成員分享他們在極端地貌探索的經驗。另一活動是國家太空中心委託製作的管弦樂曲《來自遙遠的訊息》放映會，由作曲家趙菁文進行演前導聆，帶領觀眾進入一場視覺與聽覺的雙重盛宴。
在「網絡交織」週末，藝術家李紫彤與孫詠怡將帶來一場關於區塊鏈技術應用於南海議題的討論，這場圓桌論壇將探討技術如何影響社會結構和資源分配。印度藝術家艾蒂·桑德爾則會在線上分享她對於海洋及網路基礎設施的研究與創作，揭示隱藏在我們日常生活背後的複雜科技網絡。
「感官賦能」週末將邀請拉脫維亞藝術家羅莎‧史密特和萊提斯‧史密茨現場分享他們的作品《深度感知》，並探討電波望遠鏡的技術敘事，展示如何通過藝術手段使抽象的科學數據變得可以感知。這不僅讓觀眾更易於理解氣候變遷的影響，也體現了藝術在科學溝通中的重要角色。他們將分享長期研究「自然廣播」的概念，以及每年舉辦「藝術科學節」的經驗。
在「科藝匯聚」週末，觀眾可以參與科學家與藝術家的提案室，直接感受跨領域合作的火花。這些活動將展示跨學科合作如何激發創新，促進我們對世界更深層次的理解。此外，拍攝麻省理工學院前衛視覺研究中心創始人故事的紀錄片將在台灣首映，導演並將與觀眾進行映後座談，分享創作背後的故事和啟發。
藝術與科學的相互啟發，不僅僅是知識和美學的結合，更是對創新與理解的共同追求。在這個亟需跨學科解決方案的時代，這樣的合作顯得尤為重要，為我們探索未知領域提供了無限可能。這次展覽通過多樣的跨域交流活動，讓觀眾能夠親身體驗並參與其中，進一步體會到藝術與科學融合所帶來的豐富成果和未來潛力。
討論功能關閉中。
本文轉載自顯微觀點
擴張顯微術、免疫螢光標記搭配雷射共軛焦顯微鏡，果蠅腦部緻密的多巴胺神經網路展開在我們眼前。初看猶如璀璨星雲，接近端詳就能發現神經束繁複清晰，聯繫著綻放光芒的神經元，猶如從太空站觀看的都會夜景。
這張精彩的作品「Wiring the Brain」，是以果蠅大腦探索連接體學，尋找腦部運作奧秘的路線圖之一，由清華大學腦科學中心的博士生劉柏亨拍攝。獲得 2023 Taiwan 顯微攝影競賽銀獎，不僅是劉柏亨在追求科學真相途中的額外收穫，也是他對自己多元興趣的重要實踐。
大學時主修材料科學的劉柏亨，從「自修復材料」開始，研究興趣逐漸從工程領域轉向仿生（Bio-inspired）科技。他的碩士班題目是以生物晶片模仿心臟，作為藥物篩選平台。對他自己和指導教授都是嶄新的題目。
「我是個很好動的人，因此選擇了一個全天都在活動的器官。」
——劉柏亨說，當時雖有學長研究細胞遷移，但對他來說還不夠「動感」，因此選擇團隊中沒有先例的心臟作為研發目標。
以仿生材料模擬心臟的過程中，劉柏亨意識到，「我對細胞、組織的基本原理還不夠了解，容易以工程師的觀念模擬心臟特性，有時會違反真實、整體的生理學。」他因此萌生了建立生醫知識基礎的求知慾。
劉柏亨想要挑戰更複雜的器官，進入江安世院士領導的清華大學腦科學研究中心攻讀博士，將短期具體研究目標放在「腦神經的影像化」，長期的探索方向則是「系統性地理解『生命現象』」。
劉柏亨說明，上一階段的生命科學著重精準分析特定分子的功能，逐步研究細胞生理的單一面向。但人體不只由數種分子或細胞組成，而是上兆個細胞形成群體、互相影響，才展現出人類個體的生命表現。
以系統生物學（Systems Biology）觀念，整合地理解人類生命，是劉柏亨著迷的目標。他說，因為分子與細胞生物學研究充分累積，現今的生醫知識基礎與技術成熟，已形成科學家投入系統生物學的良好時機。
其中最吸引他的，是呈現腦神經系統的「連接體（Connectome）」及探究其整體運作的「連接體學（Connectomics）」。
連接體學是探究精神官能症狀、神經性疼痛、認知退化等腦部相關疾病的最新路徑。解碼線蟲、果蠅等模式生物較為簡單的神經連接體，將能推動對人類腦部運作方式的理解，也是神經生物學與醫學的關鍵方向。
系統生物學重視聯繫與整合的思維，不僅是劉柏亨追求知識的途徑，也延伸了他對生物學專業與社會的觀點。
這位接連跨足不同領域的博士生說，擷取腦神經影像的程序從前端的生物材料製備，到後端影像系統的工程科技都不可或缺，不是一個人的專業能力能夠包辦。
他因此體悟，每張顯微影像都結合多種專業，而生物學的每一步進展也是不同領域科學家努力的整體成果，並非一個天才在單一領域獨力鑽研而成。
「許多不同的神經細胞彼此透過突觸聯繫彼此，建構出有神奇功能的腦。就像是人與人建立連結，建構社群與社會。」
——劉柏亨在頒獎典禮現場如此介紹自己獲獎的顯微影像。
這張螢光染色的果蠅腦神經多巴胺網路圖，輸出到超過人腦的截面積，依然清楚呈現星羅棋布的迴路與神經元。跨越繞射極限的清晰成像，要歸功於擴張顯微術（Expansion Microscopy）與劉柏亨逐步改良工法的耐心。
劉柏亨解釋，擴張顯微術中「分解」步驟對螢光訊號最為關鍵。蛋白酶能夠有效分解（digest）樣本的蛋白質骨架，讓樣本順利擴張，但是會犧牲不少螢光蛋白與解析度。
替代方法是以藥物促使蛋白質變性（denature）降低張力，維持螢光訊號強度，但是樣本擴張過程會有較多阻撓，導致結構變形。劉柏亨說，
「結構變形，就不是原本要追求的東西，訊號再強也沒有用。」
他笑稱自己「『像個工程師』地追求實驗最佳化，把兩種分解途徑混成雞尾酒，每一杯都稍微調整改良。」他調和兩種分解概念，嘗試不同藥劑濃度、工序、實驗溫度；或以生物素化（Biotinylation, 在樣本擴張前使用）, 鍵擊化學（Click Chemistry, 在樣本擴張後使用）放大螢光訊號。
經過了近四十份的樣本製作與拍攝，終於得到滿意的影像。他敘述製作過程的語氣輕快，其實每一次擴張顯微術的製備與拍攝，都是漫長嚴謹的科學工作。
每一組樣本（大約十顆果蠅腦）的免疫螢光染色工期大約一週，擴張過程耗時三至四天；以轉盤式共軛焦顯微鏡拍攝單顆擴張的果蠅腦樣本，則需要 18 小時左右；接著要花上一整天，等待軟體拼接壓縮上萬張圖片。
獲獎的「Wiring the Brain」就是超過 10 萬張顯微照片的拼接疊合而成，包含將原本立體的影像透過專用軟體壓縮成平面。劉柏亨譬喻，「打開全新的 iPhone15 Pro，按住快門連拍直到記憶體滿載罷工，就是一張果蠅連接體影像需要的容量。」
繁密的連接體影像，不僅讓劉柏亨在連接體學的迷宮中前進，也能滿足他對美感與藝術的追求。在實驗室外也是攝影愛好者的劉柏亨，本學期正在修習清大科技藝術研究所曹存慧老師的生物藝術課程。
劉柏亨興奮地分享，他正與組員規劃虛擬展覽「藝術家的生物學實驗室」，模擬一個身懷生物科技的藝術家，會如何規劃他的實驗室。
腦機介面、組織再生、基因工程，是三個劉柏亨想要優先呈現的技術。
從編輯 DNA，改變蛋白質，最後型態出現差異，基因工程是現代生物技術的基礎。組織再生可以展現生物體修復能力與生醫工程的可能性。腦機介面則是最直接觸及心智能力、感官範疇，也結合最多精密工程技術的領域。
「這個藝術家本身帶有基因或感官的缺陷，試圖用生物科技延伸他的感官。參觀者能體驗生物科技延伸感官、改變身體的能力，並從中反思我們作為個體存在於環境中，與環境互動的關係。」
——劉柏亨解釋藝術計畫的初衷，一如對顯微技術的投入。
與藝術學院同學合作的過程中，劉柏亨發現組員們對生物學的知識足夠，較為不同的是，藝術領域的組員對於色彩組合或實驗操作，常常比科學領域的學生更加直覺，帶來浪漫的不確定性及意外的創造性。這種風格能與劉柏亨的藝術追求產生共鳴，但是科學研究必須要求精確，在浪漫與精確之間拿捏，也是他練習的目標。
另一方面，藝術學院的組員也常引導劉柏亨設計出更簡潔的生物學科普展示；或是透過討論，讓他想傳達的科學概念更具體明確。
從攝影、腦神經到生物藝術，劉柏亨喜歡讓心智保持活躍與好奇。他形容自己，「每天我都需要新的刺激，我喜歡讓學習新事物成為生活的常態。」他對顯微技術的投入，也是由碩士班期間的好奇心開啟。
當時的實驗室備有共軛焦顯微鏡，劉柏亨並不負責保養，也不須理解光路，但是好奇心驅使他向前來校正的工程師陳正義學習。劉柏亨說「正義哥算是我的顯微技術啟蒙老師，只要他出現在實驗室，我就會站在旁邊追問。」
現在劉柏亨遇到超越既有能力的顯微技術問題，不僅會和團隊成員討論，也會向其他實驗室的技術人員，甚至教授求教。參與不同團隊合作架設光學系統的過程，讓他深入了解雷射共軛焦顯微技術的原理，並體驗以精密工程逐步實現理論。
劉柏亨認為，顯微技術不僅是延伸感官的工具，更提供理解周遭世界的全新方式。隨著理解方式改變，好奇心與探索的內在動力會源源不絕地湧出。
「顯微鏡其實是激起好奇心的動力引擎。」
——劉柏亨認為從日常生活進入微觀世界，最重要的回饋是對人內在的激勵，不只是外在的觀察。
對自己的研究目標轉換，劉柏亨說「心臟的細胞運作起來具有高協同性，像是訓練有素的樂儀隊。但腦神經的運作瞬息萬變，隨時變化，更像是社會中的人際連結。」儘管像是越級打怪，他仍想探索更複雜的生命系統。
說到自己對生物學的內在動機，劉柏亨回憶，「我一直記得電影《機器管家》（Bicentennial Man，1999 年上映）。透過機械工程組合無機的零件，可以模擬一個真實的人類，與人建立感情。其中一定需要對生命原理的了解，非常神秘。」
對複雜生命現象進行整合研究，進而建立精密的仿生系統，這個系統不僅可能成為藥品篩選、器官再生平台，在更遠的未來可能成為人的延伸，甚至模仿人的整體生命表現。
這個猶如科幻小說楔子的目標，由劉柏亨敏銳的好奇心與多元的科學技藝積累堆砌而成。他說，
「在理解、實現這個系統的過程中，我會掌握生命的意義。」
討論功能關閉中。
