【特輯】但見櫻花開令人思科學：關於櫻花你該知道的五件事

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

每年的母親節，很多人都會買康乃馨送給媽媽。但是，你有沒有想過：到底為什麼母親節要送媽媽康乃馨？難道不能送滿天星、銅鋰鋅或自動筆芯勒？（被母親擊飛）康乃馨到底是種什麼樣的植物呢？

康乃韾象徵母親，到底是誰決定的？

要談到母親節贈送康乃馨的傳統，就不得不提起母親節的起源。其實，我們現在過的母親節是個挺「新」的節日，是由一位名叫安娜‧賈維斯 (Anna Jarvis) 的美國女子所推廣的。

賈維斯的母親在生前便常常表達自己期望能有一個可以紀念母親的日子；而在她母親過世的三年後，1908 年的 5 月 10 日，賈維斯在教堂中舉行了紀念儀式，成為史上第一個母親節。

賈維斯選擇用白色的康乃馨來象徵母親，因為她認為康乃馨的潔白能代表母愛的真誠寬廣。她也認為康乃馨花瓣不會一片片掉落、而是往中心萎縮的這個特質，就像媽媽擁抱小孩一般。

恩……不過後來商人們見獵心喜，白色康乃馨的價格應聲上揚，花販更進一步推廣紅色康乃馨，營造出「紅色康乃馨送給健康的媽媽、白色康乃馨紀念過世的母親」這種說法，把賈維斯女士給氣得半死。

康乃馨的花瓣不是真正的花瓣？

姑且不論創辦人的憤怒，以及如今送媽媽白色康乃馨可能會被打，我們現在看到的康乃馨其實都是基因突變過後的「畸形花」。康乃馨又名「香石竹」(Dianthus caryophyllus)，原始野生的品種只有五片花瓣，看上去十分單薄。

那那那……現在我們在花店看到那些層層疊疊的美麗花瓣到底是什麼？其實它們是雄蕊喔！

雄蕊和花瓣原本都來自於「花原基」(flower primordia)，當調控的基因出現突變，就會讓雄蕊「瓣化」(petalody)。雄蕊花瓣化後，變形的雄蕊與原本的花瓣重疊後，就形成了重瓣花。如此一來，使得整朵花的體型看起來變得更大，也更具有觀賞價值。

雖然這樣的花多數的雄蕊變形，因此不易產生花粉，卻會因為長得漂亮而被人工繁殖留了下來，慢慢變成我們現在看到的樣子。（所以說長得好看還是很重要滴）

雄蕊花瓣化？很多漂亮的花都這樣

什、麼！？雄蕊還能變形成花瓣，還騙我在母親節送給媽媽？素每啊啊啊，這樣讓我怎麼教小孩？

還請各位看倌莫急莫慌莫害怕，雄蕊花瓣化聽起來雖然離奇，但在自然界卻是十分常見的事情。比如說大家非常喜歡的櫻花，也是其中之一。在台灣的重瓣山櫻開花期較單瓣台灣山櫻約晚一個月，而雄蕊花瓣化後，會使得花粉變少，也較不容易結果。

而除了櫻花以外，在東方象徵大富大貴的牡丹、艷麗迷人的山茶花也都是雄蕊花瓣化的結果。

但是，是不是所有雄蕊花瓣化的花看起來都非常「澎派」呢？欸…其實並不是喔。像是看上去非常小清新的野薑花，也是雄蕊花瓣化的成員之一，我們所見的那漂亮的「花瓣」其實是雄蕊，而真正的花瓣，是雄蕊背後那三根長披針形的東西。

說了這麼多康乃馨相關的小知識，你是不是都記住了呢？無論母親節有沒有送康乃馨，大家都要記得時時對媽媽表達你的愛與感謝喔！泛科學祝大家母親節快樂！

• 用來送媽媽的康乃馨，擠滿了變裝的雄蕊？ 2018.05.13 果殼
• 呂佳穎 (2004/01/01) 玉葉金花類花瓣構造之花部器官決定基因表現研究 臺灣大學生態學與演化生物學研究所學位論文 P1 – 91 DOI： 10.6342/NTU.2004.00948
• 《趣味知識王：植物奇特生態》 林書妍 人類智庫
• 台北植物園好花共賞143－蓮蕉－雄蕊花瓣化的植物 林業試驗所
• 野薑花 台灣環境資訊協會
• 原基 維基百科
• Anna Jarvis 維基百科

春天適合出遊，尤其適合賞那開滿枝椏的櫻花。但眷戀櫻花的你，可曾仔細觀賞過櫻葉之美？

全世界最愛櫻花的日本人，會在櫻花季享用一種叫做「櫻花餅」的和菓子。粉紅色的薄餅包裹著紅豆內餡，只要咬一口，整個春季的爛漫與甜蜜就在嘴裡綻開，洋溢著滿滿的幸福。櫻花餅上必不可少的點綴，就是鹽漬的櫻花葉。

瞧，那櫻花的葉子是種自成一格的氣質，和許多常見的樹葉都不同。當你仔細看著櫻葉，它邊緣的微小鋸齒很容易就會吸引你的目光。這些鋸齒到底有什麼意義？植物又為什麼會有這些長在葉緣的鋸齒呢？

關於葉緣鋸齒

許多植物在葉子的邊緣都有鋸齒，像是日本料理中帶有獨特芳香的紫蘇葉、象徵著愛情又帶刺的紅玫瑰，或者是秋日落滿整個山谷的楓葉。有些植物的葉緣鋸齒變成硬刺來保護自己，像是冬青（holly）和薊花（thistle），因為能夠造成疼痛，它們的葉子被視為能夠對抗邪靈，在傳說中成為悲傷和痛苦的象徵。

除了防衛，有些植物的葉緣鋸齒能夠幫忙疏導葉子上的積水，有些則能協助光合作用。但對於這些植物如何長出葉緣鋸齒、又是為何而長的問題，科學家們至今還不是很清楚。

在2016年9月，一群來自名古屋大學生命分子研究所（Institute of Transformative Bio-Molecules）的科學家們透過研究模式植物，發現一種名為EPFL2的多肽很可能就是植物產生葉緣鋸齒的關鍵要素，它能夠和與其對應的受器結合、調節生長素（auxin）的累積，進而控制葉緣鋸齒的發育。這份研究成果刊登在《現代生物學》（Current Biology）上。

「我被葉子吸引的原因是它們美麗的外形，以及令人驚豔的形狀變異。」本研究的第一作者爲重才覚（Toshiaki Tameshige）博士表示，「我們決定研究EPFL2的功能，看看它們對葉形的影響。」

揭開葉緣鋸齒的生長之謎

在葉緣鋸齒發育上，科學家已經初步掌握到生長素與其有關。生長素是一類植物賀爾蒙的統稱，它是專屬於植物的激素類別，和動物的生長激素是不同的東西。植物一生當中的許多重要階段都少不了它，除了葉形的發育，其他像是幼苗長根、莖向著光線生長、果實發育成熟都與生長素的調節息息相關。

至於EPFL2，科學家們是最近才開始研究它。EPFL2跟生長素同樣都是由植物分泌出來、調整生長的物質，全名是EPIDERMAL PATTERNING FACTOR-LIKE 2，是一小段胺基酸所組成的多肽（peptide），只要和對應的受器（receptor）結合，就能如天雷勾動地火、啟動後續的生理反應。

研究團隊利用模式植物．阿拉伯芥（Arabidopsis thaliana）研究EPFL2的功能。阿拉伯芥在植物科學界的角色宛如動物實驗使用小白鼠一樣，是相對容易研究的實驗材料。當阿拉伯芥的EPFL2無法發揮正常功能時，它的葉緣會變得相對圓滑、沒有鋸齒，如下圖所示：

除了EPFL2的功能，研究團隊還成功的找出和EPFL2配對的受器。它們屬於ERECTA家族（ERECTA family receptor kinases, ERf）的蛋白質，既是承接鑰匙攜來訊息的「鎖」，也是激發後續生理反應的鳴槍手。研究團隊發現，喪失ERf部分功能的阿拉伯芥會長出缺少葉緣鋸齒的葉子，和EPFL2出了問題時的葉子類似。

「最困難的就是量化葉緣鋸齒化的程度。」爲重博士說，「我試過幾種不同的計算方式，發展一套量化、比較葉緣鋸齒的方法。在看了超過1000片葉子之後，我很榮幸能夠找到EPFL2在葉緣產生鋸齒扮演重要角色的證據。」

葉緣的鋸齒，來自於生長步調的差別

流行攝影作家Peter Su說過：「如果可以簡單，誰想要複雜？」植物葉子的發育也是一樣，葉子在還沒成熟前都是又小又圓的簡單形狀，在一連串複雜的發育調控機制下才會變得複雜。

變得複雜的關鍵過程，就是生長程度的差異。只要同一片葉子上的某些區域生長增強、某些區域則被抑制，這片葉子才會變得「凹凸有致」。

過去已有研究發現：生長素會累積在葉緣的突出尖端，而不會在兩尖端之間內凹的裙部（skirt）累積，如此的生長素濃度差異就會讓葉子發育出鋸齒。但爲重博士等人就好奇：這樣子的差別待遇，是怎麼來的呢？

答案，就是EPFL2和生長素的相生相剋。

相生相剋：EPFL2多肽與生長素的較量

透過解剖切片和免疫染色、多方比對EPFL2與生長素累積的關係之後，研究團隊發現EPFL2只在葉緣鋸齒的裙部出現，而生長素的累積只在鋸齒的尖端。在無法製造EPFL2的阿拉伯芥突變株中，他們發現生長素在整個葉緣區擴散，同時也沒有出現葉緣鋸齒，因為葉緣不同處的生長素濃度差異消失了。

科學家們接下來研究為何EPFL2多肽沒有在葉緣鋸齒的尖端合成、只存在裙部。有趣的是，他們由證據推論生長素會決定EPFL2在哪裡產生－－生長素在哪裡累積，EPFL2就不在哪裡合成，如下圖所示。

在葉緣的戰場之上，生長素累積和EPFL2就像是相生相剋的宿敵，而它們較量的結果，便是我們所見葉緣鋸齒的由來。

「很難說哪件事先發生，它就像是雞或雞蛋誰先出現的問題一樣。」本文的共同作者打田直行（Naoyuki Uchida）博士說，「究竟是生長素先決定了累積的位置呢？還是EPFL2先決定它在哪裡合成呢？」

其實，像EPFL2和生長素這樣抑制彼此的調控機制一點都不罕見，在生物學上這種關係稱做為回饋控制（feedback control），我們的身體也是由許許多多配對的基因和生化物質彼此合作又對抗、形塑著我們今日的樣貌，只要錯了一個小環節，就可能使身體出現缺陷。

了解葉緣鋸齒的由來能幹嘛？

雖然爲重博士等人發現EPFL2多肽在葉緣鋸齒上扮演的重要角色，但畢竟研究材料是阿拉伯芥，而不是我們一開始關切的櫻花葉，不能貿然將研究結果直接推論到櫻花身上去。「我們希望能看看相同的機制是不是也出現在其他植物中，我們的結果認為EPFL2可能會讓葉子擁有更多的鋸齒、或是擁有棘刺。」爲重博士說道。

共同作者之一的打田博士認為，如果能夠透過EPFL2讓植物的葉子擁有獨特的形狀，或許就能夠應用在觀葉植物和盆栽上的改良。爲重博士則是認為，未來或許能夠藉由這種方式改變葉菜的外觀和口感。「如果我們能夠改變葉菜的形狀，像是萵苣和菠菜，也許就能創造新種植物、或是更高價值的蔬菜了。」

研究團隊的下一步是利用電腦建立數學模組，試圖去解釋EPFL2和葉緣鋸齒之間的關係。「如果能夠利用電腦模組去隨心所欲的設計植物將會很有趣。」爲重博士表示。

雖然我們仍未能確定櫻花為何有鋸齒，但這項研究的成果也許即將為未來的花園和餐桌帶來更多的樂趣呢！

資料來源

• 本篇編譯自日本名古屋大學生命分子研究所提供之科普報導 Unlocking the mystery on how plant leaves grow their teeth. Discovery of EPFL2 peptide (key) and its receptor (lock) that make zigzag edges on leaves，刊載於 ScienceDaily (Sep. 2, 2016)

原始研究

• Tameshige, T., Okamoto, S., Lee, J. S., Aida, M., Tasaka, M., Torii, K. U., & Uchida, N. (2016). A secreted peptide and its receptors shape the auxin response pattern and leaf margin morphogenesis. Current Biology, 26(18), 2478-2485.

＿＿＿＿＿＿＿＿＿＿＿
你是國中生或家有國中生或正在教國中生？
科學生跟著課程進度每週更新科學文章並搭配測驗。來科學生陪你一起唸科學！