Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

近期臺灣西南部會發生大地震嗎?從斷層錯動與潛移談起

科學月刊_96
・2019/09/24 ・3912字 ・閱讀時間約 8 分鐘 ・SR值 530 ・七年級

-----廣告,請繼續往下閱讀-----

  • 文/景國恩,成功大學測量及空間資訊學系副教授。

從小,生活在西南部的人們時常會聽長輩說道:「斷斷續續的小地震是好事,這樣才能讓『能量釋放』,避免大地震的發生。」不僅如此,在新聞也經常能聽到「某某地震屬正常能量釋放」的說法。究竟,地震能量真能一點一滴地慢慢釋放、以防止大地震的發生嗎?而人們又該如何面對和因應?

臺灣西南部即將迎來重大災害性地震嗎?有個說法,認為地震有所謂的「能量釋放」,那麼 2010 年甲仙地震與 2016 年美濃地震是否已經釋放一部分能量,讓大地震發生時間可以延後,甚至是已經全釋放了?

之所以會有上述問題的出現,是因為臺灣西南部發生過數起災害性歷史地震。讀者耳熟能詳的可能包含 1906 年的梅山地震、1946 年的新化地震、1964 年的白河地震或 1998 年的瑞里地震(下圖)。

在最近一世紀,於臺灣西南部發生的地震所造成的死傷人數。圖/作者提供

從統計學的角度來看,似乎臺灣西南部每隔約 20~30 年就會發生一次重大地震事件(下圖);換言之,這幾年間似乎是臺灣西南部發生重大災害性地震的高危險期!

-----廣告,請繼續往下閱讀-----
近百年以來臺灣西南部的地震分布圖。資料來源/作者提供

斷層錯動是地震背後的兇手

如果從地震發生機制來看,地震的發生幾乎都和斷層錯動有關。由於斷層的錯動,導致累積在斷層上的能量以地震波的形式傳遞出去,才產生了威脅人身安全的地震。雖然目前人們還無法精確掌握斷層錯動的時間,以此進行地震預測,但可以尋找有可能產生地震的活動斷層(又稱發震斷層)為目標。因此,確認活動斷層錯動的可能性,成為人們評估某一地區地震發生機率的重要工作。

地震的發生幾乎都和斷層錯動有關,圖為車籠埔斷層槽溝剝片。source:wikimedia

那麼,要如何得知這條斷層會發生地震?首先,必須先從已知的地震歷史中觀察,知曉臺灣西南部發生過數次災害性地震,代表此區域有很多條發震斷層,並且也能暗示和幫助人們該往哪個方向去尋找發震斷層。此外,少數如 1792 年的嘉義地震和 1906 年的梅山地震由於發生位置非常接近,甚至連地震規模也近乎一致,若斷層釋放能量前的累積狀況類似,那麼這兩個地震則可能是在同一條斷層上重複發生。所以,將這些活動斷層的位置找出來,將確實能協助探討地震潛勢。

那麼,近 10 年來的大地震和過去的災害地震是否有相關?回顧過去重大歷史地震的位置,可以注意到一種地震空間分布特性:以新化-左鎮一線為界,在 2010 年的甲仙地震之前,主要的災害性地震幾乎都發生在此線以北的地方;直到 2010 年,才有 2010 年的甲仙地震與 2016 年的美濃地震在新化-左鎮一線以南造成嚴重的地震災害(下圖)。換言之,2010 年的甲仙地震與2016年的美濃地震,和過去的災害性地震應該是屬於不同的「發震斷層系統」。不僅如此,根據野外地質調查、鑽井、槽溝開挖、地形特徵判釋、地震觀測、地球物理探測和大地測量監測等活動斷層調查成果,也分析出類似於上述的判斷。

近百年以來臺灣西南部的地震分布圖。source:作者提供

為了解地震發生機率,除了運用前述地質與地球物理方法找尋斷層位置,還需要知道現今「斷層的能量累積速率」,才能計算斷層活動潛勢。利用大地測量手段獲得地表變形速率,則是其中一個評估斷層上能量累積速率的方式。一般而言,地表變形速率快,斷層累積能量的速率和斷層長期滑移的速率也會較快。根據目前的數據指出,除了東部縱谷地區之外,西南部是臺灣西側地表變形速率最快的區域,活動斷層能量累積速率也最高。

-----廣告,請繼續往下閱讀-----

在臺灣地震模型組織(Taiwan Earthquake Model, TEM)即將發表的 TEM 2019 地震潛勢評估中,顯示西南部幾乎是全臺地震危害潛勢最高且範圍最大的區域。這也說明 2010 年的甲仙地震與 2016 年的美濃地震對於西南部地震能量的釋放,其實並沒有特別的幫助。然而,這就是最終的地震潛勢分析結果嗎?

泥岩層是西南部地震的新變因?

斷層活動研究與地震潛勢分析的工作中,有一個很重要的假設,那就是斷層的錯動會對應地震的發生。這一個假設,對於世界上絕大多數的地區而言都是適用的,但是,此假設是否也適用於臺灣西南部?

「惡地地形」與厚層泥岩的發育有關,但西南部、東部縱谷的情形略有不同。source:pixabay

會提出這樣的疑問,首先,是因臺灣西南部有非常厚的泥岩層,例如有名的月世界地形(惡地地形)就和厚層泥岩的發育有關。值得一提的是,在臺灣東部縱谷也有一個月世界地形,雖然其地形發育和臺灣西南部有些差異,但大體上都與泥岩或泥質基質有關,而其中的池上斷層就具有「斷層潛移」特性。

所謂的斷層潛移,是指斷層在平時會透過不斷地緩慢錯動,在不產生地震的情況下釋放能量。潛移量升高時,此斷層的地震發生機率也會不斷地降低。巧合的是,如此的斷層活動行為也會產生很高的地表變形速率。也就是說,泥岩區中的高地表變形速率可能和高斷層能量累積速率無關;相反地,此結果可能和活動斷層的潛移行為有關,簡而言之,即臺灣西南部的地震潛勢可能沒有人們所想像的高!

-----廣告,請繼續往下閱讀-----

此外,過去臺灣西南部的構造發育被認為是脫逸構造(tectonic escape)在主導,簡單來說,就是高地表變形速率都和活動斷層的運動有關。但是,厚層泥岩的存在,至少還可能會發育出 2 種重要的構造型態:「活動背斜」與「泥貫入體(下圖)」。活動背斜指的是仍在發育中的背斜地層結構,同樣會造成高地表變形速率,然而也同時釋放承受的擠壓能量。

泥貫入體示意圖。source:作者提供

或許讀者不知道什麼是泥貫入體,但一定聽過泥火山。如果將泥貫入體與泥火山對應常見的火山活動,其就像是一個地底的大型岩漿庫,而泥火山就是地表的火山。再用擠牙膏來比喻,泥貫入體就是那一條正在被擠壓的牙膏,泥火山就像是牙膏口被擠出來的牙膏。在過去的想像中,泥貫入體的活動只存在於海域,陸地上的泥貫入體被認為不再活動。

但是,在成功大學測量及空間資訊學系與中正大學地球與環境科學系近期的合作研究成果中指出,國道三號的南二高中寮隧道與 2016 年的美濃地震地殼變形特性,都極有可能和陸域泥貫入體的現今活動有關,並透過和既有活動斷層發生交互作用來主導臺灣西南部的地表變形型態。不僅如此,泥貫入體的活動同樣也會造成高地表變形速率,並釋放掉部分擠壓能量。

儘管科學家進行眾多預測與分析,不過地震發生的背後,仍有許多大大小小的變因,牽動著每次地震的規模和型態。而泥岩層究竟在臺灣西南部的地震中扮演什麼樣的角色,仍需要地震學者更深入研究和評估,才能讓人們對西南部地底下的斷層有更詳細的了解。

-----廣告,請繼續往下閱讀-----

西南部該怎麼防震?

雖然在厚層泥岩的影響下,臺灣西南部實際上的地震潛勢可能需要重新檢視,但是目前學界仍在研究該如何估算被釋放的能量,因此,地震風險的評估,仍應該以現有地震潛勢的角度來進行防震規劃。

除了現今常見的防震準備與對防震教育的落實,如何改善地震保險機制,應該是另一件需要大家重視的焦點。就如同常見的意外險、醫療險或火災險,透過地震險的規劃,可以分散坐落在地震發生高風險區中建物的損害風險。然而,現有地震保險的計算方式,並沒有考慮到各地不同的地震風險,同時也普遍不被民眾所重視,是現階段需立即改善的地方。

西南部在遭遇重大地震時會伴隨土壤液化,使建物受到更大的威脅。source:wikipedia

傷人的往往不是地震,而是倒塌的建築物,而建築物是否會倒塌,主要和地震造成的地動強度有關。然而,根據 2016 年的美濃地震及歷史地震所造成的災害型態指出,過去臺灣西南部地震的地動強度可能都被低估。此外,不論是 2010 年的甲仙地震、2016 年的美濃地震、1946 年的新化地震,還是更早 1906 年的梅山地震,都指出臺灣西南部在遭遇重大地震時會伴隨土壤液化,像是 2016 年的美濃地震所造成的傾倒或受破壞的數棟大樓皆是直接和土壤液化有關。

儘管在中央地質調查所的努力下,全臺土壤液化潛勢圖已經公告,但圖的精確度仍需靠各界後續的研究工作來驗證與精進;而土讓液化所造成的危害,更需要被各界關注,不僅如此,在建物的設計上也需要審慎考量。

-----廣告,請繼續往下閱讀-----

結語:確認重要建築是否位於潛移斷層

最後,如本文前面所提及的,斷層潛移是臺灣西南部一個重要的地殼變形特性,雖然斷層潛移並不會對於遠離斷層的人員與建物造成任何損壞,但是,對於坐落在潛移斷層上的建物,卻會在平時持續性地受到斷層錯動而造成破壞,例如位於池上的大坡國小、玉里的玉里大橋與國道三號南二高的中寮隧道。因此,確認重要公共設施、重要工廠廠房或住家並沒有坐落在潛移斷層上,也是臺灣西南部面對地震與斷層相關災害時需考慮的重點。

延伸閱讀

  1. Ching, K.-E. et al. , Rapid deformation rates due to development of diapiric anticline in southwestern Taiwan from geodetic observations, Tectonophysics, Vol. 692: 241-251, 2016.
  2. 洪怡貞,〈利用2002~2015年大地測量資料探討臺灣西南部現今構造之運動特性〉,成功大學,2017年。
  3. 楊名等人,〈廣域大地變位之利用GPS監測分析與解算─以國道3號田寮3號高架橋及中寮隧道大地變位監測為例〉,《中華技術》,第119期,122~135頁,2018年。

 

本文摘自《科學月刊 09 月號/2019 第 597 期:正視震知識》科學月刊社出版

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3742 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

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

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

1
0

文字

分享

0
1
0
任意添加光學元件 為研究打開大門的無限遠光學系統
顯微觀點_96
・2025/01/30 ・1763字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖 / 顯微觀點

顯微鏡在科學發展中扮演關鍵的角色,讓人們得以突破肉眼的限制,深入微觀的世界探索。而隨著時間推進,顯微技術也日新月異,其中現代顯微鏡設計了所謂的「無限遠光學系統」(Infinity Optical Systems),更是提升了顯微鏡性能和突破過去的觀察瓶頸。因此主要的顯微鏡製造商現在都改為無限遠校正物鏡,成為顯微鏡的技術「標配」。

1930 年代,相位差顯微技術出現,利用光線在穿過透明的樣品時產生的微小的相位差造成對比,使透明樣本需染色就能更容易被觀察。1950 年左右,則出現使用兩個 Nomarski 稜鏡,將光路分割再合併產生 干涉效應的 DIC 顯微技術,讓透明樣本立體呈現、便於觀察。

在傳統「有限遠系統」中,單純的物鏡凸透鏡構造,會直接將光線聚焦到一個固定距離處,再經過目鏡放大成像。也因此過去顯微鏡的物鏡上通常會標示適用的鏡筒長度,通常以毫米數(160、170、210 等)表示。

-----廣告,請繼續往下閱讀-----

而在過渡到無限遠校正光學元件之前,選用的物鏡和鏡筒長度必須匹配才能獲得最佳影像,且大多數物鏡專門設計為與一組稱為補償目鏡的目鏡一起使用,來幫助消除橫向色差。

但是問題來了!當這些光學配件要添加到固定鏡筒長度的顯微鏡光路中,原本已完美校正的光學系統的有效鏡筒長度大於原先設定,顯微鏡製造商必須增加管長,但可能導致放大倍率增加和光線減少。因此廠商以「無限遠」光學系統來解決這樣的困境。

德國顯微鏡製造商 Reichert 在 1930 年代開始嘗試所謂的無限遠校正光學系統,這項技術隨後被徠卡、蔡司等其他顯微鏡公司採用,但直到 1980 年代才變得普遍。

無限遠系統的核心在於其物鏡光路設計。穿透樣本或是樣本反射的光線透過無限遠校正物鏡,從每個方位角以平行射線的方式射出,將影像投射到無限遠。

-----廣告,請繼續往下閱讀-----
有限遠(上)和無限遠(下)光學系統的光路差別
有限遠(上)和無限遠(下)光學系統的光路差別。圖 / 擷自 Optical microscopy

透過這種方法,當使用者將 DIC 稜鏡等光學配件添加到物鏡、目鏡間鏡筒的「無限空間」中,影像的位置和焦點便不會被改變,也就不會改變成像比例和產生像差,而影響影像品質。

但也因為無限遠系統物鏡將光線平行化,因此這些光線必須再經過套筒透鏡在目鏡前聚焦。有些顯微鏡的鏡筒透鏡是固定的,有些則設計為可更換的光學元件,以根據不同實驗需求更換不同焦距或特性的透鏡。

除了可以安插不同的光學元件到光路中而不影響成像品質外,大多數顯微鏡都有物鏡鼻輪,使用者可以根據所需的放大倍率安裝和旋轉更換不同的物鏡。

傳統上一旦更換物鏡,樣本可能就偏離焦點,而須重新對焦。但在無限遠光學系統的設計中,物鏡到套筒透鏡的光路長度固定,也就意味著無論更換哪個物鏡,只要物鏡設計遵循無限遠系統的標準,光路長度和光學路徑的一致性得以保持。

-----廣告,請繼續往下閱讀-----

因此無限遠光學系統也有助於保持齊焦性,減少焦距偏移。這對需要頻繁切換倍率的實驗操作來說,變得更為便利和具有效率。

不過使用上需要注意的是,每個顯微鏡製造商的無限遠概念都有其專利,混合使用不同製造商的無限遠物鏡可能導致不正確的放大倍率和色差。

改良顯微技術,使研究人員能夠看到更精確的目標;以及如何讓更多光學配件進入無限遠光學系統中的可能性仍然在不斷發展中。但無限遠光學系統的出現已為研究人員打開了大門,可以在不犧牲影像品質的情況下輕鬆連接其他光學設備,獲得更精密的顯微影像。

  1. M. W. Davidson and M. Abramowitz, “Optical microscopy”, Encyclopedia Imag. Sci. Technol., vol. 2, no. 1106, pp. 120, 2002.
  2. C. Greb, “Infinity Optical Systems: From infinity optics to the infinity port,” Opt. Photonik 11(1), 34–37 (2016).
  3. Infinity Optical Systems: From infinity optics to the infinity port
  4. Basic Principle of Infinity Optical Systems
  5. Infinity Optical Systems

延伸閱讀選擇適合物鏡 解析鏡頭上的密碼

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
28 篇文章 ・ 5 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃