Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

嫌疑犯 X 的獻身!被消失的訂婚戒指與綠鬣蜥

PanSci_96
・2019/06/20 ・2749字 ・閱讀時間約 5 分鐘 ・SR值 452 ・五年級

「要是被變成一隻綠鬣蜥,你的日子就真的天翻地覆了。」

──奇幻小說作者雷克.萊爾頓(Rick Riordan)

支支吾吾的客戶

「有位客戶在電話上。」櫃檯總機珍妮急急忙忙衝進處理室。「她想找獸醫問綠鬣蜥的事,沒說是什麼事,但她聽起來很慌。我想應該可以找你吧。她在二線。」

「好,謝了。」我說著接起處理室的電話。

綠鬣蜥要多久才能消化?圖/pixabay

「喂? 我是獸醫強納森。需要什麼協助嗎?」

「喂,你好,呃,那個⋯⋯ 綠鬣蜥要多久才能消化?」

-----廣告,請繼續往下閱讀-----

「什麼意思?」我有點摸不著頭腦地說。

「就是⋯⋯ 如果綠鬣蜥吃了什麼東西,要花多久時間才會屙出來?」

「喔,我明白了。這個嘛⋯⋯ 要看這隻綠鬣蜥的尺寸、牠吃了什麼東西,還有生活環境的溫度等各種因素而定,但基本上大概是花一天半到四天。」

電話那頭一時陷入沉默,飼主本身正在消化我剛剛說的話。

-----廣告,請繼續往下閱讀-----

「那⋯⋯ 你要怎麼知道綠鬣蜥是不是吃了什麼東西?」

「這個嘛,照 X 光通常是最好的辦法。不是所有東西都會顯像,但如果具有不透光性,影像就會很明顯。不然就看看有沒有相關症狀,像是腸阻塞造成的脹氣之類的。」我接著問道:「可以請問一下是怎麼回事嗎?」

一隻懷有身孕的綠鬣蜥。圖/lbah.com

對方像是沒有聽到我的問題。「『不透光性』是什麼意思?」

「不好意思,這是指 X 光沒辦法穿透的物體,像金屬之類結構緊密的東西。舉例而言,骨頭顯現出來的影像就會是白色的。結構越緊密,X 光影像就越清楚。」解釋完,我又問道:「怎麼了? 妳覺得妳的綠鬣蜥吃了什麼東西嗎?」

-----廣告,請繼續往下閱讀-----

電話那頭頓時又沉默下來。接著,她沒頭沒腦地說了句:「瑞奇會殺了我!」說完這句莫名其妙的話之後,她才回答了我的問題:「我覺得我的綠鬣蜥⋯⋯ 呃,牠剛剛把我的訂婚戒指吃掉了。」

「啊⋯⋯ 我明白了。」

消失的訂婚戒指

圖/pixabay

「我在洗碗,所以我把訂婚戒指脫下來放在旁邊。蓋瑞就像平常一樣,在窗戶前面做日光浴。總而言之,有很多碗要洗,因為我從昨天晚餐後就沒洗碗。洗完之後,我要把訂婚戒指重新戴回去時,發現它不見了。我到處找,可是都找不到。然後,我注意到蓋瑞坐在那裡舔嘴唇。瑞奇會殺了我。我一再跟他強調,除非他找到完美的戒指,否則不要跟我求婚⋯⋯ 最後是他自己設計,專門找人客製,三星期前才為我戴上的。我該怎麼辦? 我是說,我愛蓋瑞,愛到心坎裡,但牠要是吃了我的訂婚戒指,我就⋯⋯ 我就⋯⋯」

莎拉正在一旁為上一位病患收拾善後,她顯然聽到了我們談話的片段。我和她四目交會時忍不住偷笑,但對著電話那頭的客戶,我以堅定的口吻說:「別急。我想妳最好帶牠來一趟。只要給蓋瑞照個 X 光,就能把戒指看得一清二楚。牠現在的行為表現都正常嗎?」

-----廣告,請繼續往下閱讀-----

「正常,完全正常,牠好得很,但話說回來,牠才剛剛吃下去而已。我一發現就立刻打電話來你們醫院了。如果戒指在牠肚子裡,那我們怎麼辦? 牠會自己屙出來嗎? 還是你們得動手術拿出來?」

「就外來異物而言,除非造成明顯的阻塞,否則我們不會動手術。蓋瑞多大隻? 戒指又有多大顆?」

圖/wikipedia

「唔,戒指是單顆鑽石鑲在白金戒圈上,完全就是我要的樣子。瑞奇會殺了我。」她又說了一次。

「那蓋瑞有多大隻?」

-----廣告,請繼續往下閱讀-----

「喔,蓋瑞啊,牠是我的寶貝,我從牠七個月大左右就開始養,現在兩歲了,臭小子很親人⋯⋯」

兩歲的雄性綠鬣蜥,所以可能有將近一公尺長。這樣的話,戒指是有機會順暢無阻地排出來,但她還要不要戴就是另一回事了。

「應該沒問題。」我說:「除非我認為有必要,否則我不會幫牠動手術。」

「喔,天啊! 所以,除非照 X 光,否則我搞不好要保密四天,不能讓我未婚夫知道?」

-----廣告,請繼續往下閱讀-----

「照過 X 光以後,至少妳就知道牠是不是真的吞了戒指。我今天還有幾場手術要做,但妳如果帶牠過來一趟,我還是能把妳安插進來,照 X 光很快,要不了多久。」

她說她馬上就過來,說完就掛斷電話了。莎拉和我看看彼此。

這真的有可能嗎?

「妳都聽到了嗎?」我問。

「綠鬣蜥吃了她的訂婚戒指之類的?」她笑道:「你認為戒指真的被牠吃了?」

-----廣告,請繼續往下閱讀-----

「誰曉得,但她好像很確定,反正我們很快就會知道了。」

「對了,如果真是被牠吃掉的,你知道你可以參加年度獸醫 X 光競賽嗎?」

「什麼競賽?」我問。

「在美國有一年一度的 X 光檢驗結果競賽,比賽哪隻動物吞下肚的東西最怪。我從報紙上看到的,去年的贏家是一隻吞了九顆撞球的狗!」

「真的假的? 還有這種比賽? 聽都沒聽過⋯⋯ 我倒是治療過一隻吞了橡皮小鴨的狗,X光片上可以清清楚楚看到鴨子的輪廓。把那隻狗麻醉之後,我試了試,看牠會不會呱呱叫,可惜牠沒有。」

「太妙了。嗯,那這次你又有機會了。」

「好,莎拉,重點來了:假設這隻綠鬣蜥真的吃了戒指,假設戒指通過牠的腸道,什麼事也沒有,好端端地排出來了,假設這枚戒指是妳未婚夫專門找人訂製的,在它通過綠鬣蜥的腸道之後,妳還會戴上它嗎?」

「我想我會先找專業人士清潔過⋯⋯ 但當然要戴啊! 非戴不可吧? 我是說,那可是訂婚戒指欸!」

「那倒是。依我看,戴這種戒指總好過把貓屎咖啡喝下肚。就是那種很貴的咖啡,印尼話叫做kopi luwak,經過椰子貓消化的那種⋯⋯」

「什麼啊?」

圖/pxhere

「貓屎咖啡呀,全世界最貴的一種咖啡。印尼人到處收集椰子貓屎,從貓屎裡面挑出咖啡豆,經過洗淨、曬乾、烘焙、研磨、沖煮,就像任何咖啡一樣,只不過一杯就要一百美金。」

「別鬧了,真的有人花大錢喝貓屎咖啡? 他們應該來這裡工作一天,就會打消這種念頭了。」

「椰子貓的消化作用顯然賦予咖啡豆一種獨特的風味,為了品嚐它純粹的風味,喝的時候不能加糖或奶精。」

「你好像很了解耶,阿強,你每天早上喝的就是貓屎咖啡吧?」

「妳沒看過傑克.尼克遜(Jack Nicholson)和摩根.費里曼(Morgan Freeman)主演的《一路玩到掛》(The Bucket List)嗎? 傑克.尼克遜演的那個角色只喝貓屎咖啡。確實是滿怪的癖好啦。」

「有道是活到老學到老,我今天長知識了。趁綠鬣蜥還沒來,我們閒著也是閒著,要不要我燒壺水啊?」

 

 

 

——本文摘自《獸醫超日常:犰狳、鬃狼,有時還有綠鬣蜥,《侏羅紀世界:殞落國度》特聘獸醫顧問的跨洲診療紀實》,2019 年 5 月,麥田出版

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
5

文字

分享

0
3
5
將一生毫無保留地奉獻給科學——瑪麗亞.斯克沃多夫斯卡.居禮
椀濘_96
・2022/03/21 ・3561字 ・閱讀時間約 7 分鐘

做測驗,就有機會獲得免費特製手搖飲品,現場還有大獎等你抽!

瑪麗亞.斯克沃多夫斯卡-居禮(Maria Skłodowska-Curie,1867-1934),看姓氏不難聯想到,她就是我們所熟知的居禮夫人。她開創了放射性理論,發明分離放射性同位素技術,以及發現兩種新元素,是第一位獲得諾貝爾獎的女性,也是首位獲得兩座獎項的學者,在科學上的貢獻對後世影響深遠。

瑪麗亞.斯克沃多夫斯卡-居禮(1867-1934)。圖/Wikipedia

艱難困苦的童年

瑪麗生於波蘭華沙的書香世家,排行老么,家中有布朗斯拉娃(二姐)與索菲亞(大姐)兩位姊姊。父親是一名中學老師兼理事,母親原為一名校長,祖父亦是位受人尊敬的數學與物理教師。

當時的波蘭已被俄羅斯帝國佔領,在沙皇的統治下,波蘭人民的生活處處受限,也影響了瑪麗一家的命運。瑪麗的父親因濃烈愛國精神而被俄國上司打壓,校方撤除了他的理事一職,並將他們全家趕出宿舍;加上雙親的家庭參與波蘭獨立民族起義,家中又遭遇投資失利,經濟頓時陷入困境。

隨後瑪麗一家搬進廉價的住所,父親為貼補家用便招收了多名寄宿生,平時除供應食宿外,從學校下班後還替他們補習來賺取更多收入。生活看似漸漸好轉,但遺憾的是,短短三年內瑪麗的大姐及母親皆因病去世。

1890 年,瓦迪斯瓦夫.斯克沃斯基與女兒們的合影,左起:瑪麗亞、布朗斯拉娃(二姐)、索菲亞(大姐)。圖/Wikipedia

因性別在求學路上受阻

天資聰穎的瑪麗亞自幼就是個相當用功的學生,尤其在數理方面更是表現亮眼;在她 15 歲那年,便以第一名的成績從女子文理學校畢業。

-----廣告,請繼續往下閱讀-----

然而,因當時波蘭的正規高等院校拒收女性學生,波蘭女子若想繼續接受正規的大學教育,唯一一條路就是出國留學,但這對瑪麗家中的經濟條件而言,是筆相當大的開銷且難以負擔。

成績同樣優異的二姐曾想過前往巴黎學醫,夢想成為一名懸壺濟世的醫師,但礙於家中經濟狀況遲遲無法如願。瑪麗想幫姐姐盡早完成學業,決定先當家教來資助其學費,兩人也約定,待畢業後再協助瑪麗出國求學。在瑪麗的支持下,二姐終於得以前往巴黎一圓醫師夢。

爾後的幾年,瑪麗一面做著家教工作,一面自學,期間閱讀了大量化學相關書籍,也是在這時獲得了第一份實驗室工作機會,這消息對她相當振奮;儘管實驗室設備簡陋,但能把在書中讀到的知識親手實作就已心滿意足,此經歷也影響了她未來將走上科學研究這條路。晚年瑪麗回憶起這段的時光:

「就是因為這第一次的實驗室工作,使我肯定自己在實驗研究上的興趣。」

突破重重阻礙取得學位

1891 年,24 歲的瑪麗在進行實驗室工作的同時,也終於踏上留學路,前往巴黎大學修讀物理學。剛到巴黎的她人生地不熟,對語言不熟悉外,又因過往在波蘭所受的教育無法應付大學課程,初期學業表現遠遠不及同儕。瑪麗便在課業上下足功夫,閒暇時間也都泡在圖書館裡,終於皇天不負苦心人,靠著清晰的思維加上勤奮苦讀,成績漸漸有了起色。

-----廣告,請繼續往下閱讀-----

1893 年瑪麗以第一名的佳績成功取得了物理學碩士學位,原先是想再取得一個數學學位,但此時她已將留學用的積蓄花光,也就放棄了這份念頭。幸運的是,在友人的協助下,華沙當局頒發給瑪麗海外優秀留學生「亞歷山大獎學金」,使她得以重返巴黎大學繼續深造,並在隔年順利取得第二個碩士學位。值得讚揚的是,在畢業的幾年後她將這份獎學金歸還給委員會,這舉動令人相當震驚,從未有任何一名學子歸還過,而瑪莉是第一位。

科學界的佳偶——居禮夫婦

學成後,瑪麗留在法國並開啟了她的科研生涯。當時為了能夠順利進行工作,正尋找著合適的實驗室;在同鄉物理學家約瑟夫.科瓦爾斯基介紹下,她結識了未來的丈夫,法國青年科學家——皮耶.居禮。對科學滿懷熱情的兩人情投意合,彼此欣賞著對方的個性及才華。

1894 年,瑪麗返回波蘭生活,原以為能在家鄉繼續從事喜愛的科研工作,然而波蘭的大學仍以性別為由將其拒絕。在皮耶的說服下,瑪麗回到巴黎並協助他完成了磁性研究,兩人也在同年結為連理。

當時總有人打趣得說:「皮耶最大的發現就是瑪麗」。

在實驗室裡的居禮夫婦。圖/Wikipedia

帶領科學邁向新篇章

婚後夫婦倆一面養育女兒,一面做科研。瑪麗首要目標就是取得博士學位,她選定了當時剛發現的X射線以及鈾射線作為研究主題。後續在研究鈾礦時,透過驗電器的測量結果,瑪麗推斷鈾礦必定含有其他活性比鈾大的物質,於是開啟了她尋找其他放射性物質之路。

-----廣告,請繼續往下閱讀-----

皮耶對瑪麗亞的工作越來越感興趣,隨後也加入了太太的行列。他們用酸液分解研磨過的瀝青鈾礦,再用化學分析方法分離出瀝青礦中可能含有比鈾更具放射性的物質。不久後,成功從實驗裡發現了比鈾的活性高 300 倍的新元素。隨後居禮夫婦發表了一篇聯合署名論文,正式宣布以「釙」(Polonium)命名所發現的新元素,以紀念波蘭。

在發現釙之後不久,她從實驗中發覺似乎有更強烈的放射性物質,便認定這也許是另一個新元素,這時物理學家亨利.貝克勒也加入了居里夫婦的研究行列。他們終於找出這個放射性比鈾大 900 倍的物質,三人將新元素命名為「鐳」(radium),拉丁文意為「射線」,也在研究過程中創造出單詞「放射性」(radioactivity)。

在當時居禮夫婦聯合及單獨發表的 32 篇論文中,其中一篇就為:在鐳輻射下,病變或腫瘤細胞比健康細胞死得更快。可說是若沒有這份的研究成果,就不會有現在用來治療癌症的放射性療法了。

得來不易的諾貝爾獎

在一系列研究及發現後,1903 年瑪麗終於獲得巴黎大學物理博士學位。同年瑞典皇家科學院授予居禮夫婦及亨利.貝克勒諾貝爾物理學獎,起初委員會僅表彰皮耶和貝克勒,不過有位倡導女性科學家權利的委員通報並向上申訴,瑪麗亞才能獲得提名,成為了首位獲得諾貝爾獎的女性。

-----廣告,請繼續往下閱讀-----
1911 年諾貝爾獎證書。圖/Wikipedia

隨著瑪麗亞成功從金屬中提煉出鐳,1911 年瑞典皇家科學院授予她第二座諾貝爾獎(此次為化學獎),以表彰:「發現了鐳和釙元素,提煉純鐳並研究了這種引人注目的元素的性質及其化合物」。此次的獲獎肯定也使她能夠說服法國政府支持並建立鐳研究所,該研究所於 1914 年建成,研究領域涉及化學、物理、醫學等。

將自己毫無保留地貢獻給科學與社會

一戰期間瑪麗為協助戰地外科醫生,便在靠近前線的地方設立了戰地放射中心。她的身影穿梭在戰地醫院中,指導著 X 光裝置的組裝及使用,據估計,超過 100 萬受傷士兵受過她的流動式 X 光機治療。

瑪麗與她的 X 光車。圖/Wikipedia

在戰後的歲月裡,瑪麗亞將時間奉獻將所學與經驗傳授給學生,也包括許多遠從世界各地慕名而來的後進學者。在她的指導下,鐳研究所培育出了四位諾貝爾獎得主,女兒伊倫.約里奧-居禮及女婿弗雷德里克.約里奧-居禮也在其中。

1934 年,瑪麗亞因再生不良性貧血逝世於療養院,後世普遍認為是因長時間暴露於輻射中而造成的,當時科學上並未了解到游離輻射會對人體產生危害,也未開發任何防護措施。瑪麗亞的生活處處充滿放射性物質,幾十年間患上了多種慢性疾病,然而一直到去世,她從未意識到這會危及自己的健康甚至是生命。

-----廣告,請繼續往下閱讀-----

瑪麗亞.斯克沃多夫斯卡-居禮一生不慕名利,奔波於科學研究、教育學子,將畢生毫無保留地貢獻給科學與社會。直到今日,世人仍持續讚賞她的付出與貢獻,紀念這位偉大的科學家。

  1. 維基百科—瑪麗.居禮
  2. 科學名人堂—居禮夫人
  3. 居禮夫人:大家都聽過的科學家,與她充滿波折的人生和感情路
  4. 科技大觀園—開啟輻射醫學大門的居禮夫人
  5. 傑出的科學貢獻與多舛波折的人生:瑪麗.居禮誕辰|科學史上的今天:11/7
-----廣告,請繼續往下閱讀-----
椀濘_96
12 篇文章 ・ 20 位粉絲
喜歡探索浪漫的事物; 比如宇宙、生命、文字, 還有你。(嘿嘿 _ 每天都過著甜甜的小日子♡(*’ー’*)

2

15
3

文字

分享

2
15
3
來認識「躺著自轉」的天王星!——太陽系內唯二的冰巨行星
ntucase_96
・2021/10/31 ・2771字 ・閱讀時間約 5 分鐘

天王星是非常有趣的行星。希臘羅馬神話中,它是土星的爸爸、木星的爺爺、火星的曾祖父。比起其他行星是「站著自轉」,天王星是「躺著自轉」。太陽系 8 顆行星當中大多都觀測到了 X 光的訊號。唯獨兩顆冰巨行星:天王星、海王星沒有。終於,研究團隊從 2002 年以及 2017 年的資料中找到了天王星上 X 光訊號的證據。本文帶大家認識一些天文星有趣的歷史、文化、以及認識這一篇 X 光的研究成果。

天王星的發現與特色

天王星的視星等大約為 5.5,是一顆非常暗的星,幾乎接近人眼的極限。平時在一般都市環境中非常不容易直接用肉眼看到,只有在晴朗、沒光害的夜空中比較有機會。

航海家 2 號於 1986 年拍攝的天王星。圖/維基百科

正式的發現、命名者是英國的威廉.赫雪爾(William Herschel)。一開始猜測是個彗星,後來才確認是個行星。英國國王喬治三世還因此以一年 200 英鎊的薪水聘僱他,依照零售物價指數(Retail Prices Index)來推算的話,相當於現今一年一百萬台幣的薪水 [2]

這筆薪資顯然相當優渥,本來赫雪爾想要將這顆星命名為「喬治之星」(Georgium Sidus)。不過當時除了喬治三世和赫雪爾以外,當時喜歡這個點子的人並不多。畢竟其他的行星都用希臘神話來命名,突然冒出一顆用英國國王命名的行星怎麼樣看都不合適。

最後由柏林天文學家約翰.波德(Johann Bode)的建議定案為「Uranus」,這個字的詞源是希臘神話中的天空之神「烏拉諾斯」。幾乎每個希臘神話中的腳色都能在羅馬神話中找到對應。「烏拉諾斯」對應到的就是「凱路斯(Caelus)」,是「薩圖恩(Saturn,即土星)」的爸爸;是「朱比特(Jupitar,即木星)」的祖父;更是「馬爾斯(Mars即火星)」的曾祖父。

-----廣告,請繼續往下閱讀-----

因此在希臘羅馬神話當中,天王星、土星、木星、火星可是祖孫四代呢。

恆星一般在天空中的相對位置幾乎是不變的,要花千年、甚至萬年才有可能看到一些變化。離太陽愈遠的行星,在天上的相對位置變化愈慢。木星要回到原來的位置要花 12 年、土星更要花上 30 年,天王星更慢,要 84 年!因為天王星在天上的相對位置實在變化得太慢了,以至於早期先民即使看到了天王星,也認為它是一顆恆星。

航海家 2 號(Voyager 2)即將跟隨它的前輩航海家 1 號(Voyager 1)離開太陽圈(Heliosphere)了。圖/NASA[3]

與其它的行星比起來,天王星離地球非常遙遠。唯一抵達天王星過的太空探測器是 1977 年發射,飛了將近 9 年後才抵達的航海家 2 號(Voyager 2)。這台探測器從地球出發,觀測了木星、土星、天王星、海王星之後,繼續一路向外飛,現在幾乎已經離開了太陽系。

上面大多數的儀器都已經缺少電力、無法運作,只保留了最基本的功能。去年底對它發射訊號時,在將近 35 小時之後還是收到了回應。

-----廣告,請繼續往下閱讀-----

天王星在太陽系的八顆行星裡面,有著一個非常奇特的性質:「躺著自轉」。其他七顆行星的自轉與公轉差不多是在同一個平面上,以地球為例子,地球的自轉軸與公轉軸只差了 23.5° 左右。

但是天王星的自轉軸與公轉軸相差了 98°。如果把公轉面想像成水平面的話,地球的自轉就像是一個旋轉的陀螺,而天王星則是電風扇的扇葉。

太陽系各顆行星的自轉方向及轉軸,大多數的行星都像陀螺一樣、自轉平面與公轉一致,但是天王星卻是躺著的。圖/NASA[4]

天王星上的 X 光訊號!

太陽系的行星成員當中,除了地球以外,水星、金星、火星、木星、土星都偵測到過 X 光的訊號,甚至連彗星、以及矮行星冥王星都偵測到過 X 光。在最近這篇研究出來之前,行星當中就只剩下兩顆冰巨行星:天王星、海王星還沒有量測到 X 光。

最近,研究團隊檢視了「錢卓拉 X 射線天文台(Chandra X-ray Observatory)」的觀測數據,研究團隊量測到了天王星上的 X 光,研究結果發表在期刊《地球物理研究期刊:太空物理學(JGR: Space Physics)》當中 [5]

-----廣告,請繼續往下閱讀-----
圖/NASA [1]

錢卓拉 X 射線天文台是當代最重要的 X 射線望遠鏡。自 1999 年發射升空服役到現在,累積了非常多的觀測資料,有許許多多 X 光的重要觀測貢獻都來自於這台望遠鏡。然而宇宙間能觀測的天體實在太多啦,對天王星的觀測其實非常稀少。截至 2020 年 6 月,只有三次對天王星的觀測:2002 年 1 次、2017 年 2 次。到了這一兩年研究團隊才從這些資料中找到了天王星上 X 光的訊號。

錢卓拉 X 射線天文台(Chandra X-ray Observatory)。圖/NASA [1]

X 光是電磁波頻譜上高頻率、高能量的波段。要產生 X 光,一般來說要有特殊的環境才可以。天王星上 X 光最主要的來源是對太陽光的散射。太陽光本身是一個很強的 X 光光源,即便天王星離太陽這麼遠,太陽所發出來的X光到了天王星以後,被天王星的氣體分子散射開。這個機制是天文學家已知的,過去在木星、土星上面看到的 X 光也都是這一類。

特別的事情是,天文學家藉由木星、土星的數據推算了一個天王星上可能量測到的 X 光強度。但研究量測後卻發現 X 光的強度比推算的數值還要更強。這有幾個可能,一個是天王星對太陽 X 光散射的效果比木星、土星更好。另外一個可能性就是天王星有額外的 X 光產生機制。

目前推論與天王星周遭的帶電粒子有關。比方說,天王星和土星一樣,周圍有一圈環。當帶電粒子撞擊到天王星環的時候,就有機會放出 X 光。另外一個可能性是「極光」,當帶電粒子因為磁場等效應掉進大氣層、與大氣分子相撞後,也有機會放出 X 光。這個現象在木星上也看到過。不過到底是哪個機制就仰賴未來更多的觀測了。

-----廣告,請繼續往下閱讀-----

天王星在太陽系是很重要的存在,它是離我們最近的冰超巨星、而且還躺著自轉,讓我們有機會以不同的角度觀測行星。太陽系的冰超巨星只有兩顆,由於距離遙遠,都很不容易觀測。現在好不容易在天文星上看到了 X 光的影像,使我們得以更全面地了解冰超巨星的性質。對太陽系內、太陽系外的行星都能有更全面的理解。

  1. NASA / First X-rays from Uranus Discovered
  2. Measuring Worth
  3. NASA Planetary Photojournal / NASA Voyager 2 Could Be Nearing Interstellar Space
  4. WASP Planets
  5. R. Dunn et al., A Low Signal Detection of X-Rays From Uranus, Journal of Geophysical Research,  (2021)
  6. SciTechDaily / First Detection of X-rays From Uranus
-----廣告,請繼續往下閱讀-----
所有討論 2
ntucase_96
30 篇文章 ・ 1482 位粉絲
CASE的全名是 Center for the Advancement of Science Education,也就是台灣大學科學教育發展中心。創立於2008年10月,成立的宗旨是透過台大的自然科學學術資源,奠立全國基礎科學教育的優質文化與環境。