覺得喘不過氣？當心氣胸找上門

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

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。

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。

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。

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。

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」。

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。

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。

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。

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。

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。

參考資料：

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

• 作者／劉育志 醫師
• 本文轉載自 Care Online 照護線上《喘不過氣的女孩》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔！

門診即將結束時，電腦上又冒出一位初診患者。

「咦？怎麼還有人掛號？」我回頭看看時鐘。

護理師若婷正要確認時，門外便傳來急促的腳步聲。

「動作這麼快啊。」若婷起身開門。

穿著套裝、高跟鞋，一身 OL 打扮的李小姐快步走進診間，上氣不接下氣地說：「掛號櫃台叫我趕快過來，幸好你們還沒離開。」

「醫生…我要做乳房超音波。」李小姐站著一邊喘，一邊說。

「有摸到異常腫塊嗎？」我問。

李小姐搖搖頭。

「有乳癌家族史嗎？」

李小姐同樣搖搖頭。

我依序問了幾個與乳房相關的問題，並在病歷上做紀錄。

「為什麼會想要做超音波呢？」我問。

李小姐坐了下來，不過還是有點喘，「因為我前天去給師父把脈……」

「把脈？」

「嗯，把脈完後他說有乳房腫瘤，叫我來檢查。」

「當時有檢查乳房嗎？」

「沒有，他把脈就知道了。」

「欸……」我的手懸在半空中，不知該如何下筆。若因為這種主訴而安排乳房超音波，肯定會被健保審查委員大筆一刪，順便放大罰扣幾十倍。

當我還在考慮該怎麼回答的時候，李小姐問：「醫生，能夠今天做超音波嗎？」

「今天？」我面露難色，「沒辦法耶，剛剛問過放射科櫃台，乳房超音波最快大概要排到三個禮拜後。」

「三個禮拜？！」李小姐一臉震驚。

「沒辦法，最近患者很多，所以要排比較久。」我道。

「那我可以去掛急診嗎？」

「恐怕沒辦法，乳房腫瘤沒有立即生命危險，急診應該不會受理。況且，急診室也沒有合適的機器可以替妳做乳房超音波。」

「真的不能立刻做嗎？」李小姐哭喪著臉道：「我想我可能撐不到那個時候……」

「小姐，妳先別緊張……」我委婉地解釋：「一來，妳不見得有乳房腫瘤；二來，即使有乳房腫瘤，肯定不是今天長出來的，也不會在這麼短的時間內出現大變化。」

「可是，我真的愈來愈喘，愈來愈不舒服，所以才會臨時跟公司請假，趕過來看門診。」李小姐道。

「愈來愈喘……」原本我以為是方才急急忙忙的奔跑讓她上氣不接下氣，但是，經過這段時間的歇息，她的呼吸還是有點急促。

「我就是覺得胸悶不舒服才去給人家把脈，聽他那樣說，我就掛了下禮拜的門診。可是今天覺得呼吸愈來愈不舒服，於是趕緊過來。」李小姐不死心地問：「其他醫院的乳房超音波也要排這麼久嗎？」

「小姐，妳先別說話，幫妳聽一下。」我從口袋裡拿出聽診器。她的呼吸聲完全符合我的預期。

見我放下聽診器，李小姐焦急地問：「有沒有很嚴重？能不能立刻做檢查？」

「小姐，我現在開單，妳立刻過去放射科。」我特別強調：「立刻！」

「太好了，謝謝醫師。」李小姐的臉上露出喜色。

我迅速輸入檢查代碼後，印表機便呼呼地開始運轉，「小姐，妳等一下要做的檢查不是乳房超音波。」

「什麼？」李小姐愣住了。

「妳需要去照張X光片。」

「是……乳房攝影嗎？」

「不是乳房攝影，是胸部X光。」我道：「讓妳胸悶不舒服的主因應該是氣胸。」

「氣胸？可是我想檢查乳房耶……」

「我們的胸腔裡有肺臟，肺臟由許多肺泡組成。」我在紙上畫了示意圖，「當肺泡破裂時，漏出的空氣會積在胸腔裡，讓人感到胸悶、呼吸不適。倘若沒有及時處理，愈積愈多的空氣使肺臟塌陷，將讓人喘不過氣，甚至可能危及生命。」

李小姐瞪大眼睛，完全說不出話。

「照完X光後，我們直接過去急診室，依妳的狀況應該需要趕緊插胸管引流胸腔裡的空氣。」我迅速說明了治療計畫。

這會兒，若婷已經準備好輪椅，道：「小姐，妳坐上來，我送妳過去。」

「我……我可以自己走……」李小姐有點遲疑。

「不要勉強，為了安全起見，還是坐輪椅吧。」聽完我的勸說，她才坐上輪椅。

「劉醫師，那我就順便把病歷帶過去囉。」若婷道。

「沒問題，我先請他們準備器械，待會兒急診室見！」

當我拿X光片跟李小姐解釋時，她依然半信半疑，直到插完胸管，延續多日的胸悶不適大大改善，她才相信問題真的出在肺臟。雖沒如願做到乳房超音波，但是既然撿回一條命，當然也就沒什麼好抱怨的了。

• 本文轉載自 Care Online 照護線上《喘不過氣的女孩》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔！
• 加入照護線上LINE官方帳號，健康資訊不漏接！
  https://line.me/R/ti/p/%40careonline

• 撰文｜許世穎
• 本文轉載自 CASE 科學報《天王星上的 X 光》

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。

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。

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。

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。

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。

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]。

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。

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。

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。

參考資料：

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