晶瑩剔透之中的顯微攝影 – 雪之精靈 I

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

全台第一、更是唯一專為表揚女科學家卓越貢獻的「台灣傑出女科學家獎」已邁入第 16 年。2007 年台灣萊雅聯合吳健雄學術基金會共同發起設置「台灣傑出女科學家獎」，以樹立典範，啟發並推動更多女性投入科學領域，促使科學界多元參與及發展，此獎項多年來的方向與成果更接軌國際聯合國永續發展目標（SDGs）之性別平等目標。

有台灣「女性諾貝爾獎」之美名的台灣傑出女科學家獎，截至 2023 年，本獎項共表揚傑出獎及新秀獎共計 49 位優秀台灣女性科學家。參照全球傑出女科學家獎模式的主辦單位，台灣萊雅總裁師逸樺表示，希望透過表彰台灣傑出女科學家，社會大眾看見多位女性科學家不但在科學界擔任團隊領導者，對科學研究領域有傑出成就，更在推動友善人才制度進步和培育科研領域人才發展均深具貢獻。

2023 年第 16 屆「台灣傑出女科學家獎」由中央研究院化學研究所特聘研究員陳玉如博士獲得最高榮譽「傑出獎」^[1]之殊榮。為支持優秀年輕女科學家而設立的「新秀獎」，則頒發給中央研究院天文及天文物理研究所研究員林俐暉博士及臺灣大學電機工程學系電子工程學研究所副教授胡璧合博士。鼓勵具科學潛力之年輕博士班學生的「孟粹珠獎學金」，則由中央大學物理研究所博士班謝妮恩同學(目前任職於日本北海道大學低溫科學研究所博士後研究員)獲得。

「傑出獎」得主 中央研究院化學研究所陳玉如特聘研究員

• 由美國與全球 13 個國家合作的「癌症登月計畫」，台灣隊由她領軍

在中研院化學所任職，專長儀器設計、質譜分析的陳玉如博士，因深受蛋白質體學的奧秘所吸引，跨領域由生物分子的分析，轉換跑道長期投入蛋白質體的探索，她的研究成果不僅創造領先國際之分析技術，在台灣建立世界級的蛋白質體研究技術，也提供生醫研究全新的研究路徑及轉譯經驗，進而獲得重大疾病關鍵突破。

陳玉如團隊開發了以質譜儀全面性定量細胞膜蛋白體的方法，可幫助科學家了解膜蛋白質如何造成疾病的機制，更進一步建立第一個癌症病人個人化的分析，開發疾病檢測或是藥物標靶蛋白質。以癌症為例，現在使用的癌症標識分子（biomarker）大多數是膜蛋白質。

陳玉如博士首創全世界第一個「奈米探針質譜檢測技術」，發現癌症中血清蛋白多重結構變異作為新型癌症標誌物的實用性，成為首例以單一蛋白質多重異構物結合演算法作為新型癌症檢測技術，應用於早期癌症檢測，該技術於 2022 年獲得國家新創獎。

「我不抽菸，為什麼也會得肺癌？」這是許多亞洲國家肺癌患者共同的疑問。肺癌是全球癌症死亡的主因，即使藥物治療近年有長足的進展，存活率仍低，長期為我國癌症死亡的頭號殺手。肺癌傳統上被認為與吸菸畫上等號，但在東亞地區，不吸菸者患病的比率卻遠高於吸菸者。

為釐清不吸菸肺癌患者可能的致病機轉，2017 年，陳玉如博士主持推動與美國臨床蛋白基因體學腫瘤分析聯盟（CPTAC）合作的「台灣癌症登月計畫」，讓我國成為該計畫首度國際合作國家之一。

陳玉如認為，癌症研究的跨國分享非常重要，因為即使是同一種癌症，也會因為地域、人種及生活型態而有所差異，因此預防、檢測、治癌和預後方式可能不同。

陳博士發揮善於溝通、整合資源的人格特質，整合學術、政府資源及與醫院臨床合作，建立東亞第一個肺癌之蛋白基因體大數據，解析亞洲不吸菸肺癌患者的致病機制，開發新穎癌症精準醫療策略。該計畫利用深度蛋白質基因體技術和多體學數據整合分析，解析台灣不吸菸病人與西方不同的基因突變特徵、尋找內生性與外在環境致病機轉，並發現癌症早期出現的類晚期蛋白質分子特徵，為全世界第一個完整剖析東亞肺癌的研究。研究論文已發表於頂尖期刊《細胞》（Cell），並榮登當期封面，享譽國際。

陳玉如博士曾任中研院化學所所長，也是有史以來第一位女所長；於 2019 年獲選全世界最大的國際性蛋白質體學術組織（HUPO）理事長，為該組織 20 年來最年輕，更是亞洲第一位女性理事長，為台灣爭取第 15 屆世界蛋白體組織會議及亞太蛋白體組織會議；2020 年受邀為分析化學領域排名第一國際期刊 Analytical Chemistry 的副主編至今，是台灣有史以來唯一獲此榮譽職位者。她也見證了各國代表在台灣宣示啟動癌症登月計畫之歷史時刻，協助台灣成為質譜學及蛋白質體學社群交流重鎮。

陳玉如博士的學術歷程及成就凸顯了唯有基礎數理研究的突破，方能以創新的分子視野揭露人類複雜疾病的成因與進展，開啟生醫學界及產業發展新穎癌症檢測的新策略。

• 不設限、敢冒險，學習與溝通打通一關又一關

年少時喜愛作家三毛的陳玉如博士，從國中開始即養成寫日記的習慣，大學時期曾一度憧憬寫作的美好世界，成為科學家後，「寫作基因」帶給陳玉如博士敢於想像與冒險的念頭，讓她從設計質譜儀到分析 DNA，進而再挑戰以質譜儀開發更好的蛋白質體分析法，從摯愛的化學與跨領域到應用面、執行癌症醫學相關研究。

陳博士笑著說：「科學研究也是一種寫作，陳述一個完整的故事，讓人願意讀下去。」

除了如寫作敘事般建構規劃與想像，陳博士在研究上也發揮她善於溝通的特質，陳玉如博士表示，癌症研究是整合型的分析，需要蛋白體和基因分析技術、資訊分析、臨床醫學等各領域的專家跨領域合作，但要整合這麼多領域的領袖談何容易？陳玉如努力學習基因，並理解臨床醫師想問的問題及研究基因體學的科學家在做什麼，然後一起把基因和蛋白質的數據、以及臨床症狀整合、連貫起來，並不斷與不同領域的專家溝通，讓彼此互相了解，才打通一關又一關，取得研究成果。在學生眼中，積極熱情、樂於學習且執行力高的陳博士，是他們的精神領導，也是像媽媽和朋友的溫暖存在，永遠抱持正向開放的態度，鼓勵並協助他們堅持直至成功。

「新秀獎」得主 中央研究院天文及天文物理研究所林俐暉研究員

• 用光學及電波望遠鏡觀測宇宙奧秘，她是入選台灣女科學家新秀獎的首位天文學者

林俐暉博士於中央研究院天文及天文物理研究所擔任研究員，研究著重在大尺度環境對於星系演化的影響，包括星系之間的交互作用以及星系團中星系的性質。利用多波段的天文觀測，有系統地探討星系與星系碰撞的頻率、星系交互作用期間對於恆星形成之效應，以及星系碰撞與大尺度環境的相關性。

而近年來，林俐暉博士結合地面最大電波望遠鏡 ALMA 以及光學史隆巡天計畫第四代的「艋舺」（MaNGA）觀測計畫，領導近三十位國際天文學家，進行 ALMaQUEST（ALMA-MaNGA QUEnching and STar formation）的國際合作計畫。林俐暉博士是第一位入選台灣女科學家新秀獎的天文學者。

• 「當你覺得別人都很厲害的時候更應該欣喜，表示自己還有進步的空間，這個世界可以更好！」正向態度讓她隨心選擇不設限

受雙親為物理學者的家庭環境薰陶，林俐暉博士雖自小接觸物理領域，但林博士的志向卻未因此設限。學生時期的她，除了是數理資優生，也喜歡古典文學，兼具理性與感性的她，一路從探索物理科學、宇宙星系到中國文學，累積了廣泛的興趣，豐富她的人生，也讓她對下一代的教育，延續原生家庭保持自由且開放的態度。此外，林博士分享印象很深刻的一句話：「當你覺得別人都很厲害的時候更應該欣喜，表示自己還有進步的空間，這個世界可以更好。」對林博士來說，有學習典範是科研路上一件很棒的事情。

近年來，林俐暉博士擔任台灣物理學會女性委員會的成員之一，為培育下一代女性科學家盡一份心力。她鼓勵有志從事科學的女性學子，除了培養足夠的熱情和興趣，更重要的是，永遠保持正向的態度。她特別感謝同事的支持，讓她投入家庭的同時，仍然可以從事研究工作。

林博士談到，期望將台灣萊雅致力推動多元共融、堅信多元化與包容性的企業精神也帶入學術界，有朝一日讓所有的女性研究員，都能無後顧之憂地投入科研工作。

「新秀獎」得主 臺灣大學電機工程學系電子工程學研究所胡璧合副教授

• 讓人類的世界更加安全便利，她獲台積電張忠謀親自頒獎

「你在英雄電影裡看見的未來高科技，就是我們想做的事情！」胡璧合博士的研究領域為前瞻奈米電子元件及記憶體電路設計，透過元件及電路的共同最佳化，使下世代電子元件及記憶體電路表現高密度、低功耗及高能效等特性。

談到最難忘的學術成就，胡博士於交通大學智慧型記憶體及晶片系統實驗室擔任助理研究員期間，擔任國科會計畫主持人，研究鍺通道鰭式場效電晶體靜態隨機存取記憶體之讀取寫入輔助電路設計，於 2014 年獲得台灣半導體產業協會頒發博士後研究員半導體獎，並由台積電董事長張忠謀博士頒發，該獎項給予胡博士在學術研究旅程中莫大的鼓勵。

半導體產業是台灣的支柱與優勢產業，為國家經濟與安全的基石。胡博士於頂尖國際會議及重要國際期刊的發表，展現其團隊豐沛的研究能量，研究成果具學理創新及前瞻性。在產業發展部份，胡博士持續與台灣半導體科技公司執行產學合作計畫，透過加強學界與業界的接軌，在電子元件及記憶體領域持續研發創新，共同培育未來半導體產業高階人才。

• 她是科學家，也可以是三寶媽！

胡璧合博士出生於台灣彰化，父母皆從事傳統產業。她感謝母親與婆婆的大力支持，讓她可以在孩子幼年時當假日母親，平日則全心投入研究工作。胡博士分享：「我們一直在做調整，在孩子2歲後接回身邊，由先生負責孩子上學，再由我接送放學，在實驗室，把兩張椅子併在一起，小孩也可以睡午覺。」這是身為女科學家，努力在工作與家庭之間取得平衡的生活面貌。

累積在中央大學與台灣大學任教的經驗，胡博士發現，碩士畢業後，許多學生會選擇投入產業端工作，繼續攻讀博士的人則越來越少。即使支持學生未來發展的選擇，但多數碩士人才都投入業界的情況也形成隱憂：「台灣的半導體產業有良好的發展環境，但需要有人不斷做研究找出方向，才能往前帶動整個市場持續蓬勃發展。」

另一方面，胡博士觀察到女性在成績和研究表現上都非常好，鼓勵女學生應保持自信和平靜的心態，關注自身的狀態和成長。同時也鼓勵女性加入實驗室，相信女性細心的特質，可以帶動實驗室的工作氛圍越來越好。

孟粹珠獎學金：中央大學物理研究所博士班謝妮恩同學

• 研究一氧化碳冰晶光脫附作用，她為天文學界提供嶄新視角

謝妮恩同學於大學三年級即進行星際冰晶在真空紫外光與 X 射線照射下的光脫附作用與光化學反應之專題研究，並在天文學相關議題研究上的表現卓越，於 2019 年獲得科技部博士生千里馬計畫與台西計畫的補助，前往西班牙馬德里皇家天文生物研究中心進行訪問研究。

期間，她師承 Dr. Muñoz Caro 進行二氧化碳紅外光譜之詳細探討，提供完整光譜數據庫與星際冰晶生成溫度歷史之參考，對於天文觀測中的分子結構標定是不可或缺的。2022 年，以第一作者身分發表論文，建立一個描述生長溫度對於一氧化碳冰晶光脫附作用影響的模型。此模型指出分子的真空紫外光吸收截面、能量傳遞深度、單層冰晶的光脫附貢獻量與有效表面積等參數須同時考慮，方能提供冰晶分子光脫附一個嶄新的視角。

謝妮恩博士展現優秀的團隊管理能力，協助指導多名碩士生和專題生，帶領團隊解決研究上的難題，並逐一完成論文。謝博士參與研討會的經驗豐富，除了台灣物理年會之外，也在國際研討會上多次獲選為口頭報告講者，曾於 2020 年第五屆亞洲分子光譜年會榮獲 LiHong Xu Award 之殊榮。優異的研究成果榮獲 2019 年吳健雄獎學金及 2021 年中技社科技獎學金(研究組)，在學生眾多的理工領域獲得這份殊榮實屬不易，更是對於謝博士的一大肯定與鼓勵。

關於台灣傑出女科學家獎

16 年來，本獎項共表揚傑出獎及新秀獎共計 49 位優秀台灣女性科學家，包括 2 位前、現任中研院副院長、多位中研院院士及大專院校教授及研究中心研究員等。

根據教育部的數據顯示，女性投考科學類組的比例持續成長，從 2007 年到 2021 年，大專院校科技類女學生占比上升了 5.5%。然而在男女受教權均等的台灣，女性投入科研領域成為科學家的比例，與全球女性科學家占比同樣只有不到三分之一，性別比例尚有很大的差距，因而仍需要持續推動鼓勵女性參與科學，盼透過「台灣傑出女科學家獎」鼓舞更多有志科學的女性投入科研，促進科學界多元發展，加速台灣科技精進。

了解更多台灣傑出女科學家獎

• 台灣傑出女科學家獎設置沿革及歷屆得主

2023 年第十六屆台灣傑出女科學家獎得主簡介

• 傑出獎-陳玉如博士
• 新秀獎-林俐暉博士
• 新秀獎-胡璧合博士
• 孟粹珠獎學金-謝妮恩博士後研究員
• 2023 年第十六屆傑出獎得主-陳玉如博士介紹影片

[1] 依據遴選辦法規定，按公元單雙數年，交替輪選物質科學、數學、與資訊科學領域（公元單數年）或生命科學（公元雙數年）領域的傑出研究者。今年為公元單數年，本屆各類獎項得主皆從「物質科學、數學、與資訊科學」領域的女科學家中選出。

文／蔡天新，本文摘錄自《數學的故事》，2019年時報出版

有些數學證明如此美妙，只能是上帝的創造，數學家不過是幸運地發現了它們而已。

——艾狄胥

探險家和作家雷利

沃爾特．雷利（Sir Walter Raleigh）是十六世紀後期英國著名的探險家，算得上是當時的風雲人物。他本是女王伊莉沙白一世的寵臣，三十一歲受封為爵士，後來被女王的繼任者詹姆斯一世指控謀反並囚禁於倫敦塔，最終被處以極刑。

雷利少年時即參加法國宗教戰爭，後就讀牛津大學，畢業後又參與鎮壓愛爾蘭人的起義。他坦率批評英國對愛爾蘭人的政策，引起了伊莉莎白女王的注意。女王欣賞雷利的才幹，也被他的個人魅力吸引。

伊莉莎白女王賜予雷利倫敦特勒姆旅館的部分租借權、各色絨呢的出口權，讓他擔任錫礦主管、海軍中將和議員，乃至王宮侍衛長、英吉利海峽的澤西島總督。後來雷利瞞著女王與她的侍女偷偷結婚生子。女王發現後，把他和妻子雙雙關入倫敦塔，雖然不久後就釋放了他們，但雷利從此失去了比他年長二十一歲、終身未嫁的女王的恩寵。

雷利為了航海曾學習數學，也學過化學和醫術。與女王決裂之前，他曾遠距指揮在美國的北卡羅萊納和維吉尼亞建立殖民地。北卡羅萊納沿海的羅阿諾克島原本是英國人在新大陸最早的定居點，可惜一百一十六名移民某天卻突然人間蒸發，包括在新大陸誕生的第一名英國嬰孩維吉尼亞．戴爾（Virginia Dare），至今依然是未解之謎。那時距離「五月花」號駛往麻薩諸塞尚有半個多世紀。

如今，北卡羅萊納州的首府羅利就是以雷利的名字命名，羅阿諾克島上也有羅利堡國家歷史遺址，該島隸屬的縣名叫戴爾，即以那位新生兒的名字命名。有趣的是，同屬戴爾縣的小鷹鎮是一九○三年十二月十七日萊特兄弟首次成功試飛飛機的地方，小鷹鎮的沙洲與羅阿諾克島相距不超過十公里，中間隔著羅阿諾克海峽。

寫到這裡我想順便說，人名、地名、物名的中文譯名各異相當常見，例如義大利汽車製造商費拉里和他生產的跑車、賽車法拉利其實源於同一個單詞 Ferrari。而叫費拉里的義大利人中，還有十六世紀的一位助理醫生，他因為率先提出四次方程的代數解，成了那個時代最偉大的數學家之一。

一五九四年，雷利聽說南美洲有金礦，決定再次出海。他懷疑上一次的殖民行動之所以失敗，是因為彈藥不足以致全軍覆沒，這次打算準備足夠的食物、淡水、火藥、槍彈和炮彈。

那時的炮彈均為直徑相同的鐵球，雷利為此命令他的科學顧問、數學家哈里奧特（Thomas Harriot）找出在有限空間內盡可能堆放炮彈的方法，並計算船隊的彈艙能夠堆放多少發炮彈，由此產生了堆球問題和克卜勒猜想，我們將在後文中介紹。

雷利率領的遠征軍抵達蓋亞那以後，沿奧利諾科河航行到西班牙殖民地的腹地。奧利諾科河是南美洲四大河流之一，發源於委內瑞拉與巴西接壤處，上游是哥倫比亞與委內瑞拉的界河。

二○○○年我第一次去哥倫比亞時，搭乘的飛機便是從此河入海處進入南美大陸。西班牙人的文件和印第安的傳說使雷利相信，南美洲有一座「黃金之城」。他的確也找到了一些金礦，但沒有一處足以讓他殖民開發。

返回英國後，雷利出版了《蓋亞那的發現》一書。在他被處死（與他冒犯了英國國王不願得罪的西班牙人有關）以後，人們發現雷利還有許多文學著作，包括五百六十行遺詩。詩中他稱伊莉莎白女王為月亮女神，但也指責她絕情，很可能是影射她將他囚禁一事。此外他還寫了一些散文與一部《世界史》（從創世紀一直寫到西元前二世紀）。

蓋亞那位於南美大陸東北部，西鄰委內瑞拉，南接巴西，東邊是說荷蘭語的蘇利南和說法語的法屬圭亞那，雖然人口只有七十多萬，國土面積卻幾乎與英國本土一樣大。如今，可能會讓雷利比較欣慰的是，蓋亞那不僅是英聯邦成員國，也是拉丁美洲二十個國家裡唯一以英語為官方語言的。而在日本著名漫畫《海賊王》裡，雷利變成了海盜，而且只是個副船長，後來還成了鍍膜匠。

家庭教師哈里奧特

現在我們來說說隨雷利遠征蓋亞那的首席科學顧問哈里奧特。哈里奧特出生於牛津，就讀牛津大學的聖瑪麗學堂，在學生時代就展現出超凡的數學才能，畢業後不久就進入雷利家，成為一名家庭教師。

哈里奧特參與了雷利家族船隻的設計，並用自己的天文學知識為導航提供建議。一五八五年，雷利派他參加新大陸的羅阿諾克島探險，聘他為科學顧問，主要負責測量。

哈里奧特繪製了後來被稱為維吉尼亞州和北卡羅萊納州的地圖，考察報告出版後也多次重印。返回英國後，哈里奧特受雇於著名的珀西家族成員、諾森伯蘭九世伯爵，在伯爵家成為多產的數學家、天文學家和翻譯家，尤其擅長翻譯印第安人的阿爾岡昆語。

哈里奧特率先繪製出月球的地圖，日期標注為一六○九年七月，比伽利略早了四個月。一六○七年哈雷彗星的回歸也引起了哈里奧特對天文學的關注，他自製（另說購買）了一架望遠鏡，與伽利略各自獨立發現了太陽黑子和木星衛星。

他還率先發現了光的折射理論，只不過沒有發表。哈里奧特生前已是享有盛譽的天文學家和數學家，一九七○年，月球的一個隕石坑以他的名字命名。

身為數學家，哈里奧特被公認是英國代數學學派的奠基人，他在該領域的巨著《使用分析學》（Artis analyticaepraxis）在他去世十年後才出版。

書中改進了方程理論，注重根與係數的關係，詳細論述了如何由已知根建構方程式，並揭示出任何 n 次方程與 n 個線性方程之積是等價的，接近高斯在十九世紀證明的代數基本定理。特別的是，哈里奧特還創造了不等號「>」和「<」，這兩個符號也沿用至今。

如何在最小空間內堆放最多炮彈？

前文提到，雷利要求哈里奧特找出在有限船艙內堆放最多炮彈的方法。哈里奧特很快就給出了答案：先以三角形狀排好最低一層，然後讓第二層的球心盡可能地低，依次增加層數，就能得到一個盡可能最高效率的堆疊法。

我們從中可輕易看出，按照這樣的堆放方式，每個非邊緣的炮彈恰好與十二顆炮彈相切，即同層六顆，上一層和下一層各三顆。關於一顆球能否與十三個同樣大小的球相切，一個世紀以後，牛頓與蘇格蘭天文學家格雷果里（James Gregory）有過爭論，牛頓的否定答案無疑是正確的。

這十二個切點形成的十二面體包緊了一個球體，所有這些十二面體可以填滿整個空間。把十二面體分成十二個全等的錐體，可以求得它的體積為 $4\sqrt{2}$。再按照阿基米德的球體積計算公式，每一顆球的體積是 4π/3。兩者相除即得球堆的密度為 $\frac{\pi}{\sqrt{18}}$。德國人克卜勒則給了更簡潔的方法，我們將在下節介紹，現在先來看平面的情形。

假如我們考慮二維的問題，即在平面上填塞圓。首先，我們讓每一個圓與四個同樣大小的圓相切，那麼在 m 行 n 列個圓的長方形排列中，圓的面積總和為 mnπ，而長方形的面積為 4mn，於是兩者的比值為 π/4。不難看出，只要平面的範圍（相比小圓的半徑）夠大，那麼小圓的半徑大小不影響這一比值。

其次，我們讓每一個圓與六個同樣大小的圓相切，由畢氏定理可知，每行圓的高度為 $\sqrt{3}$，但每隔一行會減少一個圓，因此圓面積總和為 $\frac{m\left ( 2n-1 \right )\pi }{\sqrt{3}}$，而長方形的面積仍為 4mn，於是兩者的比值趨近於 $\frac{\pi}{\sqrt{12}}$，比第一種排列方式更緊密。當然，無論哪一種，都比空間球的堆積密度要大。

哈里奧特也是一位原子論愛好者，該學說源於古希臘哲學家德謨克利特（Demokritos）。德謨克利特相信，萬物的本原是原子，原子是一種不可分割的物質微粒，且毫無空隙。哈里奧特認為，研究球的堆放問題有助於理解物質的結構和組成。

一六○一年前後，他寫信把這個想法和堆球問題告訴了比他年輕十一歲、正在布拉格擔任羅馬帝國皇家天文學家的克卜勒，不巧那會兒克卜勒正埋頭研究天體理論，沒有太多興趣和時間考慮微觀世界。

克卜勒的雪花和猜想

一五七一年某個冬日，克卜勒出生於德國西南部的符騰堡公國（現巴登 – 符騰堡州的一部分），與愛因斯坦可謂正宗老鄉。他是一樁不幸婚姻的早產兒，父親是庸碌的傭兵，母親是一家小酒館老闆的愛吵架女兒。克卜勒身材矮小、體弱多病，但天資聰穎，幸運獲得了符騰堡公國領主專為貧困家庭的聰明孩子設立的豐厚獎學金，否則可能根本沒機會接受良好的教育。

克卜勒十六歲時進入圖賓根大學，之後屢獲幸運女神眷顧。首先，他的天文學老師是德國唯一一位堅信哥白尼「日心說」的人。

其次，在他拿到文學學士和碩士學位，準備成為牧師時，奧地利格拉茨市某間中學剛好需要一位數學老師，他在學校的推薦下前往補缺。再次，隔年夏天二十三歲的克卜勒在幫學生上課時，腦袋裡忽然閃過一個奇妙的念頭。

如前文所言，古希臘人只知道有四面體、六面體、八面體、十二面體和二十面體這五種正多面體（柏拉圖多面體），從畢達哥拉斯到柏拉圖都信奉「數學和諧論」，這一點啟發了克卜勒，深信行星的運行軌跡也應該是完美的幾何圖形。

四年後，他發現了行星運動的第一定律和第二定律：所有行星分別在大小不同的橢圓軌道上運行；在同等的時間裡，行星的矢徑在軌道平面上掃過的面積相同。這兩個定律以及後來發現的第三定律，為克卜勒贏得了「天空立法者」美名。

一六一一年，也就是收到哈里奧特來信五年後，克卜勒出版了小冊子《六角雪花》（The Six-Cornered Snowflake）。

他不僅在書裡解釋了雪花為什麼是六角形，還探討了諸如蜂窩的結構、石榴果實為何是十二面體等現象，是最早從幾何出發研究自然的著作之一。克卜勒認為，雪花之所以呈六角形，是因為一個圓盤最多能與六個相同的圓盤相切，正六邊形可以平鋪整個平面。

尤其值得一提的是，正是在這本書裡，克卜勒提出了一個著名的猜想。

克卜勒猜想

在一個容器中堆放同樣的小球，所能得到的最大密度是 $\frac{\pi}{\sqrt{18}}$。

克卜勒是這樣敘述球體堆放方法的：考慮一個邊長為 2 的正方體，它的體積為 8。分別以它的全部八個頂點及全部六個面的中心為球心，以 $\frac{\sqrt{2}}{2}$ 為半徑作十四個球體，由畢氏定理和每個面的對角線長為 $2\sqrt{2}$可知，每個面中心的球體與該面尖角上的四個球體剛好相切。

這樣一來，在這個正方體內，球體佔有的體積等於四個球體的體積（八個角，每個角有1/8個球體；六個面，每個面有1/2個球體）。故而密度是

$\frac{4\left ( \frac{4}{3}\pi \left ( \frac{\sqrt{2}}{2} \right )^{3} \right )}{2}= \frac{\pi }{\sqrt{18}}= 0.740480…$

雖然在上述方法中，正方體內沒有一個完整的球，但若換成一個大箱子，以這些正方體為基本單位來填滿箱子時，不完整球體的體積與中間那許多完整球體的體積相比就是微不足道的。同樣道理，箱子的形狀也不會影響密度。然而，克卜勒猜想的充分性卻難以證實。

一八三一年，「數學王子」高斯證明了克卜勒猜想在「格點型」的特殊情形下是成立的。所謂格點型是指用座標表示時，所有球心也落在座標和偶數整點上。

一九○○年，德國數學家希爾伯特（David Hilbert）在巴黎國際數學家大會上提出了二十三個有待解決的問題，其中第十八個問題的第三部分就涉及堆球問題。

從那以後，有許多數學家（包括美國華人數學家項武義）都曾宣布、發表或以為自己證明了克卜勒猜想，但都未能獲得一致的認可。

二○○五年，美國《數學年刊》發表了一篇長達一百二十頁的論文，宣布克卜勒猜想已經獲得證明。該篇論文的作者是美國數學家赫爾斯（Thomas Hales），他在著名的「朗蘭茲綱領」問題上有過重要貢獻。赫爾斯將堆球問題分為五千多種情況，考慮了十萬多個線性規劃問題，他的電腦程式運行了兩年，其複雜性超過一九七六年地圖四色問題的證明。

一個顯而易見的現象是，絕大多數幾何學家都不懂電腦程式，而電腦專家又難以理解深奧的幾何學。就連審稿小組的負責人都承認，他們對於這篇論文的正確性只有 99％的把握。鑑於此，我們繼續期待（如同期待費馬定理）將來會有更簡潔有效的證明方法。

——本文摘自《數學的故事》，2019 年 5 月，時報出版。

今天炎炎的夏日，剛剛朋友一直在喊熱，今天就來分享一個關於雪花結晶的顯微攝影。

雪花是在雲內由微小的冰晶互撞黏在一起後形成豐富多樣的形狀。沒有兩個雪花是完全相同的，但雪花仍然謹守著最初的冰晶基本的六角形對稱標準結構。透過顯微鏡可以看見雪花錯綜複雜的構造大多都是六角形的，而雪花的中心一定呈現出對稱的六角形，它之所以有這樣的形狀，是因為它要在平面上以最有效率的方式佈置，它是結晶學的研究對象之一。

天氣非常寒冷時，冰晶不易黏在一起，雪呈細粉狀的小雪珠。雪珠是雲中溫度低於攝氏零度的許多小雲滴在冰晶上互相碰撞凝結而成，仔細觀察雪珠的形狀，可以看出小雪珠是由許多細白的冰粒聚集而成的。當冷空氣逐漸向前推移，上升氣流減弱，雲中水氣直接在冰晶上凝結成較大的形態，此即我們所見到的雪花。如果溫度接近冰點，則會落下溼雪，形成較大的雪花，特別是無風的時候。大型的星形雪花直徑可達5到7公分。多數的雪花在落下地面的途中會融化成雨，只有當接近地面的空氣夠冷，才能讓雪花落到地面成雪。

每次看到這些照片都是令人驚奇，而且漂亮美麗，每張看起來都像一顆顆晶瑩剔透的寶石。

這些照片是來自 Northern Ontario, Alaska, Vermont, the Michigan Upper Peninsula, and the Sierra Nevada mountains，這是在阿拉斯加的一個地名，由 SnowCrystals.com was created by Kenneth G. Libbrecht, Caltech 所建立的，我們來一同欣賞這些美麗水晶珠寶吧！

照片來源：SnowCrystals.com

點選圖片可開大圖