0

0
0

文字

分享

0
0
0

公開取閱科學資訊

國科會 國際合作簡訊網
・2012/06/07 ・2872字 ・閱讀時間約 5 分鐘 ・SR值 563 ・九年級

-----廣告,請繼續往下閱讀-----

一、摘要

網路發展徹底轉變科學研究訊息的流通,不論是收集、應用或傳播都有不同以往的新方法,社會大眾對資訊公開的要求也相對提高。「公開取閱」(Open Access)可以在網路上提供免費科學電子刊物、可以提供研究資料讓更多人再利用,藉此支持科學研究、創新,提高其對社會的影響力。

圖片來源:POST Note

二、背景

1990 年代全球資訊網(World Wide Web)的突飛猛進開創科學刊物傳播上的新契機,刊物發行者順應潮流投入大筆資金建造網路傳輸,並將既有資訊數據化,目前大約 95% 的刊物都可在網上閱讀。「公開取閱」的概念是要科學相關刊物透過網路免費流通,也希望公家出資贊助的研究能因此更加透明化,獲得最有效的利用,藉此促進研究與創新。

擴展科學刊物及資訊之閱讀管道對廣大社會和經濟有很大助益。2011 年 3 月英國大學科學部部長特別為此召開圓桌會議,承諾未來會將擴展研究刊物及資訊閱讀管道納入「透明化議程」(Transparency Agenda)。「公開取閱」是其中備受矚目的推動方式之一,本專題將分別檢視其優點和推動時可能面臨的挑戰。

三、公開取閱期刊發表

科學期刊是傳遞科學資訊的重要管道,發行者將文章收錄期刊之前會先進行同儕評鑑(peer review),審議過程完成後才開始製造、發送刊物並建檔。

-----廣告,請繼續往下閱讀-----

刊物訂閱模式

傳統上,刊物發行者向圖書館和個別讀者收取訂閱費以換取所提供的服務,然近幾十年來,訂閱費漲幅超過通貨膨脹率,加上圖書館預算下降,讀取刊物資訊越發不易。2004 年下議院科技委員會(House of Commons Science and Technology Committee)對此提出建議,目前研究人員、圖書館員、高等教育機構、贊助單位和刊物發行者已聯手合作,希望能改善刊物資訊的取閱管道。雖然情況已有大幅進展,但許多人仍相信訂閱型態可能是科學研究傳遞並發揮影響力的最佳模式。

一些研究人員、贊助單位和高等教育機構認為訂閱費阻礙英國研究社群的發展,許多小型大學研究人員因為資源不足無法獲得同等資訊取閱管道,而人民平均所得較低的國家也可能因為無法負擔昂貴的訂閱費而難以取得相關資訊。刊物發行者對此予以反駁,強調訂閱模式價錢合理、效益高,研究圖書館可節省其他開銷來補足訂閱費,另一方面也表示,為了讓開發中國家能同享資訊,目前網上已特別設立免費或收費低廉的取閱管道供其使用。

2011 年 9 月英國政府成立獨立工作小組探討擴展閱讀管道的最佳方式,預計將於 2012 年春公布結果與建議。許多研究人員、贊助單位和高等教育機構相信「公開取閱」是此中關鍵,也是最能有效提高研究影響力的管道。

-----廣告,請繼續往下閱讀-----

公開取閱科學刊物的推動緣由

支持公開取閱概念的人表示,收取公家贊助經費所獲得的研究知識本來就應該免費回饋社會,再者,免費取閱研究資訊還可促進知識轉化性與流通性,對經濟和社會有很大助益。根據最近一項研究數據顯示,公開取閱能大幅提高研究與開發的獲利,以政府、英國全民醫療系統(NHS)、中小企業、公司行號和大學為例,20 年內預計可達 1 億 8 千 4 百萬至 3 億 8 千 6 百萬英鎊之間。

「公開取閱」在英國和世界各地已漸成趨勢。2009 年時平均大約有 20% 的文獻以「公開取閱」模式流通,目前英國也有越來越多贊助單位採納此模式,其中包括:惠康信託基金(Wellcome Trust)、英國研究委員會(Research Councils UK)和許多高等教育機構等,這些贊助單位都已開始要求研究人員將發表的文章放在網上免費流通。許多索取訂閱費的發行者也適度將公開取閱模式納入自己經營的生意型態,協助研究人員達到贊助單位的要求。公開取閱模式現所面臨的最大挑戰在於如何回收刊物發行所需的開銷,尤其是發行前必須通過的同儕評鑑。

公開取閱科學刊物模式

-----廣告,請繼續往下閱讀-----

現行「公開取閱」模式大致可分為兩類,一般認為未來會合併為一類與訂閱模式共存。

• 「綠」公開取閱:文章作者將獲准收錄期刊的文章上存於網路指定儲存庫,文章因此得以免費流通於網上。一些索取訂閱費之期刊發行者要求要有一段 6 ~ 48 個月的「網路禁閉期」,該期間內文章只可見於紙本期刊上,藉此確保刊物發行者能透過訂閱費回收投注的發行經費。
• 「金」公開取閱:向期刊發行者繳交一筆「文章行政處理費」(article processing charge,APC)後,文章可即刻免費流通於網路上。這是目前許多索取訂閱費之期刊發行者對旗下發行的一些期刊所採行的混和型「公開取閱」模式。

「公開取閱」意指文章在網路上免費任人閱讀,但深一層來說,這代表的是解除某些著作財產權的限制,允許資訊重新被利用。智慧財產權期刊 Hargreaves Review on Intellectual Property 於 2011 年報告中曾指出,現行與出版有關的智財法在某些層面上有礙經濟成長與創新發展,其中一例為:對「文字探勘」(text-mining)和「資料探勘」(data-mining)的限制。公開取閱則不受限於此。

「綠」模式與「金」模式的可續性

-----廣告,請繼續往下閱讀-----

在「綠」模式之下,發行刊物所需的花費仍需由索取訂閱費來承擔,然不論是否訂閱期刊,任何人都可透過網路儲存庫取得刊物文獻。高等教育機構在此模式之下所需負擔的費用較高,除了訂閱費用之外,還須出資贊助網路儲存庫的運行。然而,支持者強調公開取閱在研發上的盈利足以超越這樣的投資。為了取得最大獲利,此模式的「網路禁閉期」必須越短越好,然而索取訂閱費之刊物發行者則無法苟同,擔心這樣的開放模式會造成訂閱數量銳減,影響訂閱收入,最終導致刊物缺乏財力無法發行。許多期刊的訂閱數量已不如以往,但目前尚且無法證實這是否與公開取閱的推動有關。歐盟贊助的研究已深入探討此間關連性。

在「金」公開取閱模式之下,發行刊物所需的花費透過「文章行政處理費」由讀者轉嫁到作者身上,一般這筆費用會由作者的研究贊助單位或學術機構來負擔。相較於「綠」公開取閱模式,英國研究委員會 RCUK 以及一些刊物發行者認為此模式的財務運作較符合商業模式,可行性高。然而,要在英國全面推行「金」公開取閱模式需要一筆高達 7 百萬英鎊的基本費,包含高等教育機構必須因應籌措的「文章行政處理費」預算,以及贊助單位、高等教育機構和刊物發行者之間通行的「文章行政處理費」運作體系。

即便如此,「金」公開取閱模式能否全面推動仍有高度不確定性,除了未來演變方向不易預測之外,整體刊物發行費會隨之增加或減少亦不得而知。高等教育機構在此模式下所需負擔的刊物訂閱費應該會下降,所省下的費用洽可挪用於文章行政處理費。然而,文章行政處理費因刊物不同價差大,開銷的節省與否不易計算。舉例來說:一般文章行政費大約為 1,500 英鎊,但最高也可能達 3,000 英鎊。近來一份報告分析高等教育機構從訂閱模式轉為「金」公開取閱模式可能經歷的開銷變化 ── 當文章行政費平均略低於 2,000 英鎊時,這筆開銷洽可由省下的訂閱費來補足;索費比 2,000 英鎊低廉許多時,機構能省下大筆開銷;但當費用超過 2,000 英鎊時,機構所需承擔的開銷將會比原來的訂閱費高出許多。

索取訂閱費的刊物發行者強調,知名期刊文章行政處理費必須包含處理大量退稿件的開銷;但一些研究贊助單位、圖書館和公開取閱發行機構表示,這些發行者是以目前訂閱模式所得獲利來設定文章行政費,並非真正從處理費用的角度來計算。另有一些研究社群擔心「訂閱 ─ 公開取閱」混合型模式會演變為「雙重收費」 ─ 訂閱費加上文章行政費,造成研究機構的負擔變大。索取訂閱費的發行者回應表示,訂閱費勢必會隨「金」公開取閱模式的廣泛推動而隨之遞減。

-----廣告,請繼續往下閱讀-----

[下一頁]

文章難易度
國科會 國際合作簡訊網
47 篇文章 ・ 3 位粉絲

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

-----廣告,請繼續往下閱讀-----

  • 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

1
0

文字

分享

0
1
0
解密 Wi-Fi、WLAN、802.11:網路通信的差異與演進
數感實驗室_96
・2024/06/21 ・774字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

在現代社會,如果我們到咖啡廳或其他公共場所,打開筆電坐下來後,通常的第一句話都是「請問這裡有 Wi-Fi 嗎?」。

沒除了 4G、5G 行動通信以外,Wi-Fi 是我們日常生活中常用的上網方式。那麼,Wi-Fi 到底有什麼特點呢?

首先,來解釋一下幾個常見的名詞:Wi-Fi、WLAN、802.11。

-----廣告,請繼續往下閱讀-----

你或許都聽過這些詞,特別是 Wi-Fi,但它們之間有什麼差別呢?

LAN 是 Local Area Network,區域網路的意思。通常指的是像一間網咖這樣的範圍。而 WLAN 就是 Wireless LAN,無線區域網路,這是現在的主流用法。而 802.11,則是專門針對區域網路中無線部分的技術標準。而 Wi-Fi 呢,則可以看作是 802.11 這個技術標準的口語化說法。而 Wi-Fi 的 logo 一黑一白,與太極圖非常相似並非巧合,其 logo 衍生自太極圖,就是想取其相容於任何設備、平台,不管在哪裡都能順利連上網的意象。

有人說 Wi-Fi 在現代已經像空氣、陽光、水和電一樣,成為不可或缺的基本需求。

除了 Wi-Fi 我們還介紹 MIMO 這個關鍵技術,如果對更多技術細節感興趣,或是想聽聽像 Bluetooth 是以國王名字命名的科技小故事,都歡迎在留言告訴我們,期待與你們繼續分享更多有趣的科技知識!

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
1

文字

分享

0
1
1
電磁波全揭秘:了解頻帶、頻寬、頻率和通信技術的基礎知識
數感實驗室_96
・2024/06/13 ・672字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

先前我們介紹了多位為通信科技發展做出貢獻的科學家。現在,我們要深入探討無線通信的技術層面。

無線通信,顧名思義不像傳統的電話或電報那樣需要一條實體的線路來傳遞信號。但這些信號並非憑空傳遞,它們依賴的正是電磁波。

電磁波在現代社會無處不在,從微波爐、手機到基地台,這些設備都會發射電磁波。但其實即使沒有這些科技裝置,電磁波依然存在於我們周圍。什麼意思呢?答案就是:當我們白天走到戶外,看到的光,它其實也是電磁波的一種。

-----廣告,請繼續往下閱讀-----

希望大家掌握了這些電磁波、頻帶、頻寬等基礎知識後,未來在閱讀相關的電信新聞時更加了解他們提到的術語,以及各種縮寫。以後無論是科技發展的動態還是市場新技術,都能更有概念地理解。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/