0

4
2

文字

分享

0
4
2

化學家的夢幻反應清單:合成出這些化學反應就出運啦!

活躍星系核_96
・2019/03/19 ・3539字 ・閱讀時間約 7 分鐘 ・SR值 534 ・七年級

  • 文/陳磬揚│泛科學新手實習生,化學系畢業但不想待實驗室或科技廠,但看到什麼知識都想一頭栽進去。希望能從跳出來的視角看科學,翻譯引介更多科學界的趣聞給讀者。

新反應很少見,是化學家太偷懶了嗎?

你好奇過世界上這麼多化學實驗室,到底存在多少種化學反應嗎?其實我們在高中甚至大學課本裡所學到的反應,很多年紀都比我們還大。在 2014 年一篇名為〈那些新反應都消失去哪了?1的期刊文章中,作者統計了 30 年來的藥物化學研究,發現了在最常用的合成反應中,沒有任何一個是 1994 年後新發現的;而僅僅兩個反應就涵蓋了超過半數的藥物合成反應。

為什麼會這樣?其中一個解釋是:藥物研發者在化學的大空間裡受限於一個小小範圍,我們只能透過已知的反應和可取得的組構元件(就像用有限的方式組合固定類型的積木)。當然還包括原本就存在的限制,來自於生物方面或是試劑穩定性,例如接觸到空氣就會起火的試劑,被使用的頻率就會比較低,因為大部分實驗室並不會配有隔絕氧氣的手套箱。(而且大多數的化學家都希望留住自己的頭髮跟眉毛

Image by chiara tiberti from Pixabay

此外統計也指出,眾多化學家所研究出的分子,都偏向特定的形狀。太多人研究相近的分子結構,可能造成我們對化學世界的理解偏誤,因此作者呼籲化學家們多嘗試一些沒做過的反應。

然而,化學家真的是偷懶嗎?或者這樣的現象代表著,其實眾多的合成化學實驗家都面臨了一樣的難題,而忍不住嘆口氣說:「唉,如果某某反應真的存在這世間,我就不用卡關在這裡了」呢?

-----廣告,請繼續往下閱讀-----

夢幻反應許願池,原來卡關在這裡

從最簡單的反應,到可能登上諾貝爾獎的重大發現,讓我們來看看藥物化學家的「夢幻反應許願池」:

  1. 氟化:在具有多個官能基的分子中,把特定的氫置換成氟。
  2. 異原子的烷化:在有多個異原子(除了碳氫以外的原子,常見為氧、氮、硫)的環上,能夠選擇其中一個來接上烷基。
  3. 碳-碳耦合:希望能有更多方法,能把兩個脂肪烴類的碳接在一起,使得適用的反應物更廣泛。
  4. 製作或修飾雜環:能在雜環上連接新的官能基;若能從頭製作出全新的雜環分子就更好了。
  5. 交換原子:選擇特定的兩個原子交換位置,例如把一個環上的碳、氮原子交換。

隨心所欲的氟化

將 C-H 轉換成 C-F 的反應排在清單上的第一名,並不讓人意外。

超過 20% 的商業藥品含有氟,抗憂鬱藥百憂解(Prozac)就是一例。只要加上一個氟原子,就可能增加藥品在代謝上的穩定性或是親脂性,讓藥物更容易直接穿透細胞膜。2然而,這個反應沒有方法可以一步到位完成。如果在得到先導化合物後,才想要多加上一個氟,通常都需要從頭開始,改用含氟的起始物

抗憂鬱藥百憂解結構中的氟(圖左黃綠色的原子)讓藥品更容易穿透細胞膜。圖/wiki commons

目前有幾種氟化的方法,但都需要安裝上另一個具反應性的基團,如錫或硼的片段(芳香類),或是雙鍵、環氧基(脂肪類),再進行取代反應換上氟。所以藥物化學家非常希望能有可靠的方法直接把氫換成氟。但即使能直接從碳氫鍵氟化,仍然會面對到選擇性的問題。可能會得到氟接在不同位置的產物混合在一起,或是過度氟化的產物(利用自由基氟化的連鎖反應並不易控制)。又因為分子上多出一個氟,並不會顯著改變反應性和物理性質,所以也很難在事後將副產物或過量的起始物分離去除。

-----廣告,請繼續往下閱讀-----

在有多個異原子時烷化

要在吡啶酮 (pyridone) 的氮或氧上接上官能基,感覺似乎不困難,(相較於要修飾有數十個官能基的巨大分子)理論上在藥物化學界也很常出現。但讓人訝異的是,這件事目前難以實現,如果我們嘗試如此,最後也只能得到氮取代、氧取代兩種產物的混合物。

圖說:2-pyridone,官能基可以接在氮或氧上。

有化學家嘗試理解吡啶酮兩面的反應性,但這當中牽涉了太多個別的因素:取代基的種類、烷化的試劑、用來移去氫離子的鹼、溫度甚至溶劑等等,因此仍然很難去預測或控制產物。在藥物研發中有許多雜環分子都面臨類似的問題。例如吡唑 (pyrazole) 和三唑 (triazole) 的環上分別有 2 個和 3 個氮原子,但沒有任何試劑的組合可以選擇性地只修飾其中一個氮,因為這幾個氮的反應性都太相近了。 因此,能任意控制取代基接到想要的位置,也排上了化學家的許願清單。

碳-碳耦合

有機化合物的骨架由碳組成,但要讓碳跟碳發生反應接在一起卻是非常困難的。在小分子的反應,可以用一些官能基讓碳更有反應性,但要將兩個複雜的分子接在一起,卻因為複雜的分子上有太多可能發生反應的位點,最後產生我們不想要的副產物。

因此,交叉耦合反應(cross-coupling)就顯得非常重要。2010 年諾貝爾化學獎就是頒給三位研究出以鈀催化交叉耦合的化學家。這三人的研究,都是利用鈀催化,把兩個 sp2 (平面三角形)或芳香性的碳連接在一起,進而製造出一些重要的有機化合物骨架。但這還不夠,科學家希望能發展出針對 sp3(正四面體)的碳也能適用的耦合反應。這在藥物化學中很重要,因為 sp3 的飽和碳上做一些微調,可以減輕藥物副作用,但不會大幅影響其它藥物特性。

-----廣告,請繼續往下閱讀-----

然而,不論選用什麼金屬來催化,所有的交叉耦合反應反應,都需要在前驅物預先接上官能基,催化用的金屬才找得到要在哪個位置反應。要做出這樣的前驅物,有時原本就困難重重。所以,化學家最大的心願,仍然是找到直接把飽和而穩定的 C-H 鍵轉換成 C-C 鍵的方法。

製作和修改雜環

大約 60% 的小分子藥物具有雜環的核心。許多小的雜環可以商業取得,但買不到的分子經常讓人頭痛。如果你手邊有容易取得又便宜的原料例如吡啶(pyridine;把苯的一個碳換成氮的分子),想要接上一些取代基,這看似簡單,但你有時會發現只是要做出合成的起始物就需要七八個步驟。當然不是直接把取代基一個個接上去就好──這件事還在許願清單上而不是課本裡。

雜環主要指的是在碳環中有其他分子存在的環,如圖為吡啶,苯中的一個碳替換為氮。圖/wiki commons

雜環之所以棘手,是因為許多設計給碳氫芳香環類的反應,並不能適用於雜環。例如氟化反應的試劑可能會直接把雜環分子氧化破壞掉,而不是接上氟原子;原本可以連接碳原子來在催化交叉耦合的金屬原子,也可能被雜環上的氧、氮原子抓住,反而沒辦法順利完成反應。

對於芳香性的雜環分子,確實有接上官能基的方法,但就像前面所說的,立體效應和電子效應等等各種複雜因素,讓化學家很難預測產物。若要製作脂肪性的雜環,則需要從非環類的前驅物出發,經過漫長痛苦的合環反應,而一旦合環失敗就得重來。種種困難使得許多可能很重要的分子遲遲沒有被研究、製作。

-----廣告,請繼續往下閱讀-----

2009年,英國生技公司的化學家們發表了一篇文章〈屬於未來的異原子芳香環〉,用電腦學習的程式,列出了超過3000種在合成上可行,卻從來沒被做出來的分子(目前已經合成出來的約是1700個左右,而每年新合成出來的大約是10個),希望能帶給化學界新的刺激。

最夢幻的項目:任意原子交換

來到這份許願清單的最後一項,也是最夢幻的一項:把一個結構裡的碳,直接交換成想要的原子。

這就像是基因編輯的化學版,可以鎖定特定的碳原子,直接換成氮、氧或硫。目前已知的反應中最接近這個的,是兩個都已經被發現超過一百年的反應:拜耳-維立格氧化反應(Baeyer-Villinger oxidation)和貝克曼重排反應(Beckmann Rearrangement),分別能在環狀的酮上插入一個氧或氮。但它們並不是真的取代原本環上的碳原子,最後環上的原子數會多出一個。

圖:拜耳-維立格氧化反應,可以看到反應前是六碳環,反應後環中多插進了一個氧原子。

如果真的能做到這件事,化學家將不需要再像前面提到的一樣,煩惱如何在雜環分子上修飾官能基這類的問題。這當然是沒有先例的,也有些人認為這不切實際。但其實在 Crispr–Cas9 基因剔除技術4問世之前,人們也不認為基因編輯是可行的,所以或許只要化學家不偷懶(?),發現這個反應也是遲早的事呢。

-----廣告,請繼續往下閱讀-----

參考資料:

  1. Brown, D. G., & Bostrom, J. (2015). Analysis of past and present synthetic methodologies on medicinal chemistry: where have all the new reactions gone? Miniperspective. Journal of medicinal chemistry59(10), 4443-4458.
  2. Drug Lipophilicity and Absorption: The Continuous Challenge in Drug Discovery
  3. Heteroaromatic rings of the future
  4. 科學月刊:物種基因剔除技術爆炸性的新突破─CRISPR/Cas9技術淺談
文章難易度
活躍星系核_96
752 篇文章 ・ 126 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

3
0

文字

分享

0
3
0
最理想的元素週期表?其實元素週期表有很多種!——《元素週期表:複雜宇宙的簡潔圖表》
日出出版
・2023/06/10 ・2017字 ・閱讀時間約 4 分鐘

前面幾章都在談元素週期表,但還有一個重要面向沒有提到。為什麼有這麼多元素週期表出版,而且為什麼現在的教科書、文章、網路,提供這麼多種元素週期表?有沒有「最理想的」元素週期表?追求最理想的元素週期表有意義嗎?如果有,我們在找出一份最佳週期表的過程中取得那些進展?

種類數量可觀的元素週期表

愛德華.馬蘇爾斯(Edward Mazurs)關於週期表歷史的經典著作中,收錄自一八六○年代首張元素週期表繪出以來,大約七百張的元素週期表。

馬蘇爾斯的書本出版已過了四十五年左右;之後,期間至少又有三百張週期表問世,如果再加上網路上發表的就更多了。為什麼會有這麼多元素週期表,這件事情需要好好解釋。當然,這些元素週期表中,許多並沒有新的資訊,有些從科學的觀點來看甚至前後矛盾。但即使刪除這些具有誤導性的表,留下的數量還是非常可觀。

元素週期表的變體:有圓形的還有立體的?

我們在第一章看過元素週期表的三個基本形式:短元素週期表中長元素週期表長元素週期表。這三類基本上都傳達差不多的訊息,但相同原子價(編按:原子的價數,金屬為正價、非金屬為負價)的元素,在這些表中有不同的分族。

此外,有些週期表不像我們一般認識的表格那樣四四方方。這種變體包括圓形橢圓的週期系統,比起長方形的元素週期表,更能強調元素的連續性。不像在長方形的表上,在圓形或橢圓形的系統中,週期的結尾不會中斷,例如氖和鈉、氬和鉀。

-----廣告,請繼續往下閱讀-----

但是,不像時鐘上的週期,元素週期表的週期長度不同,因此圓形元素週期表的設計者需要想辦法容納過渡元素的週期。例如本菲(Benfey)的元素週期表(圖 37),過渡金屬排列的地方從主要的圓形突出來。也有三維的元素週期表,例如來自加拿大蒙特簍的費爾南多.杜福爾(Fernando Dufour)所設計的(圖 38)。

圖 37/本菲(Benfey)的圓形元素週期表。圖/《元素週期表:複雜宇宙的簡潔圖表
圖 38/費爾南多.杜福爾(Fernando Dufour)的三維元素週期表。圖/《元素週期表:複雜宇宙的簡潔圖表

但我認為,這些變體都只是改變週期系統的描繪形式,它們之間並無根本上的差異。稱得上重要變體的,是將一個或多個元素放在和傳統元素週期表中不同的族。討論這點之前,我先談談元素週期表一般的設計。

元素週期表的概念好像很簡單,至少表面上是,因此吸引業餘的科學家大展身手,發展新的版本,也常宣稱新的版本某些地方比過去發表的更好。

當然,過去有過幾次,化學或物理學的業餘愛好者或外行人做出重大貢獻。例如第六章提過的安東.范登.布魯克,他是經濟學家,也是首先想到原子序的人,他在《自然》等期刊發展這個想法。另一個人是法國工程師夏爾.雅內(Charles Janet),他在一九二九年發表「左階式元素週期表」(Left-step periodic table),後來持續受到週期表的專家和業餘愛好者的關注(圖 39)。

圖 39/夏爾.雅內(Charles Janet)的左階式元素週期表。圖/《元素週期表:複雜宇宙的簡潔圖表

「理想」的追求

那麼,追求最理想的元素週期表真的有意義嗎?我認為,這個問題的答案取決於個人對週期系統的哲學態度。一方面,如果一個人相信,元素性質近似重複的現象是自然世界的客觀事實,那麼他採取的態度是實在論。對這樣的人而言,追求最理想的元素週期表非常合理。最能代表化學週期性事實的就是最理想的元素週期表,即便這樣的表還沒制訂出來。

-----廣告,請繼續往下閱讀-----

另一方面,工具論者或反實在論者看待元素週期表,可能會認為元素的週期性是人類強加給自然的性質。若是如此,就不必熱切尋找最理想的元素週期表,畢竟這種東西根本不存在。對約定俗成論者或反實在論者來說,元素究竟如何呈現並不重要,因為他們相信我們處理的,不是元素之間的自然關係,而是人造關係。

——本文摘自《【牛津通識課10】元素週期表:複雜宇宙的簡潔圖表》,2023 年 4 月,日出出版,未經同意請勿轉載。

日出出版
13 篇文章 ・ 7 位粉絲

0

1
1

文字

分享

0
1
1
寫在起司工廠邀請函背面的曠世巨作:元素週期表出現的這一天——《元素週期表:複雜宇宙的簡潔圖表》
日出出版
・2023/06/09 ・1127字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

雖然門得列夫一直思考著元素、原子量、分類,但是足足想了十年之久,才終於迎來「我發現了!」這個時刻,就是一八六九年二月十七日這一天,也許可以訂為「我發現了!」紀念日。這一天,他取消了以顧問身分視察起司工廠的行程,決定投入研究他日後最膾炙人口的代表作——元素週期表

真正的發現

首先,他在起司工廠邀請函的背後,把幾個元素的符號列成兩行:

接著,他列出一個稍微更大的陣列,包括十六個元素:

當天晚上,門得列夫就把整個元素週期表都畫了出來,包括六十三個已知元素。此外,這張表還留了幾個空格給當時未知的元素,甚至預測這些未知元素的原子量。

他將這張表複印兩百份,寄給整個歐洲的化學家。同年三月六日,門得列夫的同事在俄羅斯化學學會一場會議上宣布這項發現。一個月內,這個新成立的學會就在期刊上刊登了一篇文章,另一篇更長的則在德國發表。

-----廣告,請繼續往下閱讀-----

多數關於門得列夫的大眾讀物和紀錄片會說他在夢中想到他的元素週期表,或在玩紙牌接龍時把牌當成一個個元素。這兩個故事,尤其後者,現在已經被許多門得列夫的傳記作者視為是杜撰的,例如科學史家麥克.戈爾丁(Michael Gordin)。

原則的堅持

還是回來討論門得列夫的科學方法吧。他和對手洛塔爾.邁耶爾很大的不同是,他不相信所有物質的統一性,也不支持普洛特關於元素具有複合性質的假說。門得列夫也刻意與三元素組的想法保持距離。例如,他提出氟應該和氯、溴、碘放在一起,形成一個至少四個元素的族。

洛塔爾.邁耶爾專注於物理原則,主要關注元素的物理性質,而門得列夫則非常熟悉元素的化學性質。然而,說到分類元素最重要的標準時,門得列夫堅持以原子量排序,不容許有任何例外。當然,許多在門得列夫之前的人,例如尚古多、紐蘭茲、奧德林,以及洛塔爾.邁耶爾都承認原子量的重要性,儘管程度不一。但是門得列夫對原子量與元素的本質有更深層的哲學理解,得以一探尚未被人發現的元素,進入這個未知領域

——本文摘自《【牛津通識課10】元素週期表:複雜宇宙的簡潔圖表》,2023 年 4 月,日出出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

日出出版
13 篇文章 ・ 7 位粉絲