Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

彈跳床行動界面!Trampoline Game Interface As An Exercise Support Systemsde

Scimage
・2012/07/02 ・267字 ・閱讀時間少於 1 分鐘 ・SR值 449 ・四年級

-----廣告,請繼續往下閱讀-----

儘管有各種體感方式,感受到自己動態在遊戲世界裡移動仍然沒有被實現,目前發展的一些行走移動介面都很難達到小型與真實運動感的結合。這影片介紹了怎麼利用簡單的彈簧跳床來做為身體運動移動的介面。在彈跳床下面四個角落安裝的四個紅外線距離偵測裝置,所以當人在上面行走或運動的時候可以偵測人踩的動態,在移動方向性上使用一個額外的偵測器感應腳步所面對的方向。影片上展示這樣的系統可以讓人在虛擬的世界有自由運動的感覺,或許不久以後可以開發出利用這種系統的遊戲裝置,或是運動慢跑導覽裝置!

原文發表於科學影像Scimage

-----廣告,請繼續往下閱讀-----
文章難易度
Scimage
113 篇文章 ・ 4 位粉絲
每日介紹科學新知, 科普知識與實際實驗影片-歡迎每一顆好奇的心 @_@!

0

0
0

文字

分享

0
0
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。

2

0
1

文字

分享

2
0
1
秋季星空中一抹光亮:北落師門殘屑盤的觀測史——《科學月刊》
科學月刊_96
・2024/01/19 ・4118字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

  • 謝承安/ EASY 天文地科團隊成員,因喜愛動畫《戀愛中的小行星》開始研究小行星,現就讀臺大物理系。
  • 林彥興/清大天文所碩士, EASY 天文地科團隊總編輯,努力在陰溝中仰望繁星。
  • Take Home Message
    • 殘屑盤是恆星周遭的盤狀結構,由於北落師門殘屑盤離地球僅 25 光年,數十年來天文學家時常會藉由觀測它以了解殘屑盤的特性。
    • 去(2023)年韋伯望遠鏡的觀測結果與過去不同,顯示北落師門殘屑盤其實分成多個部分,更讓他們相信北落師門中有多個行星環繞。
    • 韋伯望遠鏡提供的影像還揭露許多來源未知的構造及現象,例如內側殘屑盤與內側裂縫等,都有待繼續探索。

北落師門(Fomalhaut)又稱南魚座 α 星,是秋季星空中著名的亮星之一。去年 5 月,以美國亞利桑那大學(University of Arizona)天文學家加斯帕(András Gáspár)為首的研究團隊在《自然天文學》(Nature Astronomy)期刊上發表,他們藉由詹姆士.韋伯太空望遠鏡(James Webb Space Telescope, JWST,簡稱韋伯望遠鏡),在北落師門周圍殘屑盤(debris disk)中首次發現了「系外小行星帶」的存在。韋伯望遠鏡拍下美麗的照片,也瞬間席捲各大科學與科普媒體的版面(圖一)。

圖一:韋伯望遠鏡在波長約 25 微米(μm)的中紅外線拍攝的北落師門影像,首次呈現北落師門殘屑盤中的三層結構。(NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

天文學家選擇北落師門作為目標並非偶然。半個世紀以來,北落師門一直是天文學家研究殘屑盤時的首選目標之一。韋伯望遠鏡的新影像為我們帶來什麼新發現?過去與現在的觀測方式又有什麼差異?本文將帶著大家一起回顧北落師門殘屑盤的觀測史。

行星相互碰撞後的殘屑盤

殘屑盤是環繞在恆星周遭,由顆粒大小不一的塵埃所組成的盤狀結構。如果讀者們聽過行星形成的故事,也知道行星是從恆星四周、由氣體與塵埃組成的「原行星盤」(protoplanetary disk)中誕生,那你或許會認為殘屑盤可能就是行星形成後剩下的塵埃。但實際上並非如此,在恆星形成初期的數百萬年間,原行星盤中的氣體和塵埃會被恆星吸積或是吸收恆星輻射的能量後蒸發,同時也會聚集成小型天體或行星,這些原因都會使原行星盤消散。而殘屑盤則是由盤面上的小行星等天體們互相碰撞後,產生的第二代塵埃組成(圖二)。

圖二:殘屑盤想像圖(NASA/JPL-Caltech)

這些塵埃發光的機制主要有兩種。第一,塵埃本身可以散射來自母恆星的星光,從而讓天文學家能在可見光與近紅外波段看到它們。第二,塵埃在吸收來自恆星的星光之後,以熱輻射的形式將這些能量重新釋放。由於恆星的光強度與距離成平方反比,愈靠近恆星,塵埃的溫度就愈高,因此發出的輻射以近紅外線為主;反之,愈是遠離恆星,塵埃的溫度就愈低,發出的光就以中遠紅外線為主。

-----廣告,請繼續往下閱讀-----

觀測目標:北落師門

北落師門殘屑盤的觀測始於 1983 年。當時,美國國家航空暨太空總署(National Aeronautics and Space Administration, NASA)的紅外線天文衛星(Infrared Astronomical Satellite, IRAS)發現北落師門在紅外線波段的亮度異常高,代表周圍很可能有殘屑盤圍繞。由於北落師門離地球僅約 25 光年,這項發現引起眾多天文學家的關注,並在未來數十年前仆後繼地拿出各波段最好的望遠鏡,希望藉此深入了解殘屑盤的特性。其中,哈伯太空望遠鏡(Hubble Space Telescope, HST,簡稱哈伯望遠鏡)、阿塔卡瑪大型毫米及次毫米波陣列(Atacama Large Millimeter/submillimeter Array, ALMA)與韋伯望遠鏡擁有非常好的空間解析度,因此能夠清楚地觀測殘屑盤的結構。

● 哈伯的觀測

2008 年, NASA 公布哈伯望遠鏡在 2004 與 2006 年對北落師門的觀測結果(圖三),讓天文學家首次清晰地看到北落師門殘屑盤的影像。這張照片是哈伯望遠鏡以日冕儀(coronagraph)在 600 奈米(nm)的可見光波段下拍攝,中間的白點代表北落師門的位置,而周圍的環狀亮帶正是因散射的北落師門星光而發亮的殘屑盤,放射狀的條紋則是日冕儀沒能完全消除的恆星散射光。除此之外,天文學家還發現有一個亮點正圍繞著北落師門運行,並認為此亮點可能是一顆圍繞北落師門的行星,於是將它命名為「北落師門 b 」。很可惜在往後的觀測中,天文學家發現北落師門 b 漸漸膨脹消散,到 2014 年時就已經完全看不見了。因此它很可能只是一團塵埃,而非真正的行星。

圖三:哈伯望遠鏡於 2008 年公布的北落師門。中間白點代表北落師門的位置,周圍環狀亮帶是因散射北落師門的星光而發亮的殘屑盤,放射狀條紋則是沒完全消除的恆星散射光。右下角亮點當時被認為是圍繞北落師門的行星,但很可能只是塵埃。(Ruffnax (Crew of STS-125);NASA, ESA, P. Kalas, J. Graham, E. Chiang, and E. Kite (University of California, Berkeley), M. Clampin (NASA Goddard Space Flight Center, Greenbelt, Md.), M. Fitzgerald (Lawrence Livermore National Laboratory, Livermore, Calif.), and K. Stapelfeldt and J. Krist (NASA Jet Propulsion Laboratory, Pasadena, Calif.)

● ALMA 的觀測

ALMA 對北落師門的完整觀測於 2017 年亮相,他們展示出更加清晰漂亮的環狀結構,且位置與哈伯望遠鏡的觀測吻合。正如前面提到,殘屑盤中的塵埃溫度愈低,放出的輻射波長就愈長。因此 ALMA 在 1.3 毫米(mm)波段觀測到的影像,主要來自離殘屑盤中恆星最遠、最冷的部分。

圖四: ALMA 於 2017 年拍攝的北落師門殘屑盤,展示出清晰漂亮的環狀結構。(Sergio Otárola|ALMA (ESO/NAOJ/NRAO);M. MacGregor)

● 韋伯望遠鏡的觀測

最後則要來看去年韋伯望遠鏡所使用中紅外線儀(mid-infrared instrument, MIRI)拍攝的影像(圖五)。與之前的觀測不同,這次的影像顯示北落師門的殘屑盤其實分成幾個部分:

-----廣告,請繼續往下閱讀-----
圖五:韋伯望遠鏡在 25 微米波段觀測到的北落師門殘屑盤。(NASA GSFC/CIL/Adriana Manrique Gutierrez;NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

首先,哈伯望遠鏡與 ALMA 之前就已觀測到的塵埃環,它的半徑約 136~150 天文單位(AU)、寬約 20~25 AU,而溫度則落在約 50~60 K,與太陽系的古柏帶(Kuiper belt)十分相似,因此被稱為「類古柏帶環」(KBA ring)。雖然在觀測上的溫度相似,但其實此塵埃環與北落師門的距離是古柏帶到太陽的四倍;不過北落師門光度約為太陽的 16 倍,根據前述提及的平方反比關係,才導致兩者的溫度相近。此外,在更外層名為「暈」(halo)的黯淡結構則對應古柏帶外圍天體密度較低的區域。

再來,韋伯望遠鏡還發現了更多未解的謎團:內側殘屑盤(inner disk)與中間環(intermediate ring)。其實早在本次韋伯望遠鏡的觀測之前,天文學家就已經從北落師門的光譜推測,北落師門的殘屑盤中除了存在前面提過的類古柏帶環之外,應該還有另一批更靠近恆星、溫度更高的塵埃,溫度與大小對應太陽系中的環狀小行星帶。但當韋伯望遠鏡實際觀測後,卻發現與太陽系的環狀小行星帶相比,北落師門有著相當瀰散的內側殘屑盤。為什麼會有這樣的不同呢?目前天文學家也不清楚,仍待進一步研究。

最後,在類古柏帶環與內側殘屑盤之間,還存在著一個半長軸約 104 AU 的「中間環」,在太陽系中則沒有對應的結構,這項新發現也需要進一步的研究來了解它的來源。

此外,雖然北落師門 b 最終被證實並不是一顆行星,但這並不代表北落師門旁沒有行星環繞。最初,殘屑盤的形成原因是由小行星等天體不斷碰撞所產生,經過不斷地碰撞合併,其實就有可能已經產生直徑數百到數千公里的行星。從北落師門的殘屑盤還可以推論,在內側殘屑盤與中間環之間可能有一顆海王星質量以上的行星,它就像鏟雪車般清除軌道上的塵埃,從而產生「內側裂縫」(inner gap)的結構。

-----廣告,請繼續往下閱讀-----

另一方面,天文學家也藉由數值模擬發現,如果僅考慮來自北落師門的重力影響,類古柏帶環應該要比觀測到的更寬才對。因此他們推測,很可能在類古柏帶環內外兩側有兩顆行星,像控制羊群的牧羊犬一樣以自身的重力限制塵埃移動,才產生了這麼細的塵埃環。

● 更多的殘屑盤觀測

北落師門雖然是一顆年齡僅4.4億年的年輕恆星,卻已經是一個擁有殘屑盤、形成行星的成熟恆星系統。而來自韋伯望遠鏡的最新觀測結果,無疑讓天文學家更深入地認識殘屑盤中複雜的結構,也更令他們相信北落師門系統中有多個行星環繞。

不過,北落師門系統仍舊有許多未解之謎。例如為什麼太陽系有著環狀的小行星帶,北落師門卻是瀰散的內側殘屑盤?在無數的恆星中,究竟是太陽系還是北落師門的殘屑盤構造比較常見?殘屑盤中是否有行星存在?如果有,在北落師門的演化歷史中又扮演著怎樣的角色呢?這些問題都有待更多的觀測與理論模擬來解答。

在北落師門之後,觀測團隊預計將韋伯望遠鏡指向天琴座的織女星(α Lyr, Vega),以及位於波江座的天苑四(ε Eri),兩者都是離地球非常近且擁有殘屑盤的恆星。其中織女星的溫度與質量比北落師門更大,而天苑四的質量與溫度雖然比太陽小,卻有強烈的磁場活動。藉由觀測不同系統中殘屑盤的性質差異,並與太陽系進行對比,不僅能更加認識殘屑盤的起源、與行星的交互作用,更能理解我們自己的恆星系中,數百萬顆的太陽系小天體從何而來。

-----廣告,請繼續往下閱讀-----

JWST 原始資料的處理過程影片介紹,非常值得一看!

  • 〈本文選自《科學月刊》2024 年 01 月號〉
  • 科學月刊/在一個資訊不值錢的時代中,試圖緊握那知識餘溫外,也不忘科學事實和自由價值至上的科普雜誌。

延伸閱讀

  1. Galicher, R. et al. (2013). Fomalhaut b: Independent analysis of the Hubble space telescope public archive data. The Astrophysical Journal, 769(1), 42.
  2. MacGregor, M. A. et al. (2017). A complete ALMA map of the Fomalhaut debris disk. The Astrophysical Journal, 842(1), 8.
  3. Gáspár, A. et al. (2023). Spatially resolved imaging of the inner Fomalhaut disk using JWST/MIRI. Nature Astronomy, 1–9.
-----廣告,請繼續往下閱讀-----
所有討論 2
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。

3

12
3

文字

分享

3
12
3
淺談 JWST 的科學意義:探索宇宙深處與塵埃後的外星世界!——認識韋伯太空望遠鏡(四)
EASY天文地科小站_96
・2021/10/21 ・4876字 ・閱讀時間約 10 分鐘

  • 作者/林彥興|清大理學院學士班,努力在陰溝中仰望繁星 

在談完了韋伯太空望遠鏡(JWST)的源起、技術與運行軌道之後,本系列的終章就帶大家一起來了解,天文學家花費上百億美金之後,究竟希望韋伯能為哪些領域帶來突破?

背景圖片/illustris simulation。製圖/林彥興

追尋起源:早期宇宙與星系演化

月亮距離我們大概 380,000 公里,光需要花費 1.3 秒左右才能到達地球,因此我們看到的月亮,是 1.3 秒以前的月亮;同理,我們看到的太陽,是 500 秒以前的太陽;我們看到的仙女座星系,是 250 萬年前的仙女座星系。在宇宙中,我們看得越遠,看到的東西就越古老。某種意義上,望遠鏡就像是一座時光機,可以讓我們一窺宇宙從誕生到現在的演化歷程。

在 1995 年,一組天文學家申請哈伯太空望遠鏡進行一次瘋狂的觀測。他們選擇將哈伯太空望遠鏡對準天空中一片看似什麼都沒有的區域,接連進行了 140 個小時的曝光。他們得到的影像,日後成為天文史上最重要的照片之一,其名為:哈伯深空(Hubble Deep Field)。

哈伯深空影像。圖/Robert Williams (NASA, ESA, STScI)

天文學家們驚訝的發現,這片看似空無一物的區域,其實充滿了數以千計遙遠、古老且黯淡的星系。比起銀河系這種中老年星系,哈伯深空中拍到的許多星系才形成不久,相當的年輕有活力。瘋狂誕生恆星的星系,與現在宇宙中的星系相當不同,非常有趣。望遠鏡就好像時光機一樣,帶我們一窺宇宙過去 130 多億年的演化歷史,而哈伯深空影像,正因此成為早期宇宙與星系演化研究的一個重要里程碑。

然而,當哈伯想要往更遙遠、更古老的宇宙望去的時候,就漸漸顯得力不從心了。原因是典型的星系發出的光主要以可見光為主,但是這些古老星系發出的可見光,在前往地球的過程中,會隨著宇宙的膨脹而發生紅移。越是遙遠的星系,紅移的情況就越嚴重。因此對於非常遙遠的星系來說,它們發出的可見光到達地球時,就已經被宇宙紅移拉到紅外線波段了。因此,只能觀測紫外線到近紅外的哈伯,就很難看到它們。

-----廣告,請繼續往下閱讀-----

這時,就是韋伯出場的時候了。專司紅外線波段的韋伯,將能夠幫助天文學家看見宇宙中第一批恆星與星系的形成,以及這些恆星與星系如何與它們周遭的環境互動。

JWST 將幫助天文學家揭密宇宙早期演化的過程,包括宇宙的再游離(Reionization)以及第一批恆星與星系的形成等。圖/STScI

在宇宙學方面,JWST 將能讓宇宙學家深入探索宇宙「再游離(Reionization)」的過程。這是當前早期宇宙研究最重要的課題之一。大霹靂後 38 萬年,宇宙中的氫是以原子(稱為中性氫)的方式存在,然而在當今的宇宙中,多數的氫都是以游離態存在的。天文學家猜測,是宇宙中第一批形成的星系與黑洞發出的強烈輻射,游離了宇宙中的中性氫,才使得宇宙中多數物質的狀態發生了這樣的改變。但是再游離的過程究竟如何發生,現在無論是觀測還是理論都還無法給出統一的答案,仍待 JWST 等新一代望遠鏡的進一步探索。除此之外,就像前文所述,JWST 將能讓我們看到哈伯太空望遠鏡所見更古老的星系,這些仍在襁褓中的星系長有甚麼特色?又是怎麼演化成為我們在現在的宇宙中所看到的星系?這些也是 JWST 將幫助天文學家回答的問題。

宇宙學模擬團隊 THESAN 所進行的宇宙再游離模擬。可以看到星系們像吹泡泡一樣把中性的氫轉變成游離態。影/THESAN Simulations
天文學家模擬韋伯和哈伯以近紅外波段的觀測類星體(Quasar)與其宿主星系(Host galaxy)的效果。可以看到在近紅外波段,韋伯的解析度明顯勝於哈伯,讓天文學家可以清楚的將類星體與其宿主星系區分開來,以利進一步研究。圖/M. Marshall (University of Melbourne)

恆星搖籃:看穿恆星形成區

初生恆星所發射的噴流 HH 212。圖/ESO/M. McCaughrean

恆星是天文物理最古老的研究對象之一。數十年來,天文學家對於恆星的類型、內部結構、演化歷程都有相當詳細的了解。然而,星際間瀰漫的雲氣究竟是如何聚集成一顆一顆的恆星,以及其周圍的行星系統,卻還有很多不清楚的地方。

典型的觀點認為,恆星誕生於巨大分子雲(GMC)之中。當分子雲中的氣體在重力的影響下逐漸聚集,就會形成紊亂而複雜的纖維狀(filament)的結構。

-----廣告,請繼續往下閱讀-----

而在這些結構的高密度區域,隨著溫度、壓力與密度不斷提高,最終會點燃核融合反應,形成一顆顆的恆星。雖然大致的圖像有了,但是這整個過程不僅橫跨巨大的時間與空間尺度,更牽涉到磁流體力學、輻射、化學反應鏈等一系列複雜的物理與化學過程,因此上述的許多細節,仍是天文學家們努力研究的題目。

STARFORGE 團隊的天文學家借由超級電腦模擬恆星形成的過程。影/STARFORGE Simulation

然而,由於這些恆星的形成區,往往被濃密的氣體與塵埃所包圍,因此當天文學家使用可見光觀測時,往往只能看到黑壓壓一片,難以窺探雲氣神秘的核心之中,恆星究竟是怎麼演化的。此時,紅外線的優勢再次展現。由於波長較長,紅外線比可見光和紫外線,更能夠穿過層層的星際雲氣而不被吸收,因此可以幫助天文學家直擊初生恆星的核心區域。

哈伯太空望遠鏡利用可見光與近紅外線拍攝的創生之柱(Pillars of Creation)。可以看到利用紅外線觀測時,望遠鏡能夠更好地看穿厚重的星際雲氣。圖/NASA, ESA, and the Hubble Heritage Team (STScI/AURA)

除了恆星本身之外,恆星形成時環繞在其周遭的「原恆星盤(Protoplanetary disk)」也是行星誕生的溫床。利用 ALMA 等次毫米波(介於遠紅外線到無線電波之間)望遠鏡,天文學家發現許多初生的恆星系統旁,都圍繞著濃密的氣體與塵埃盤。不僅如此,它們還發現這些盤面上,常有許多大小不一的間隙(gap),很可能就是來自正在形成中的行星。在少數的系統中,天文學家甚至能夠直接拍攝到這些正在襁褓中的系外行星們。而 JWST 在紅外波段的觀測,將能夠讓天文學家更進一步了解這些行星(尤其是靠近恆星的類地行星們)的形成。

ALMA 在遠紅外線/次毫米波波段拍攝的多個原行星盤(protoplanetary disk)影像。它們是恆星旁殘留的塵埃與雲氣,且被認為是系外行星誕生的搖籃。JWST 將以中紅外線對這類天體進行更多的觀測。圖/ALMA (ESO/NAOJ/NRAO), S. Andrews et al.; NRAO/AUI/NSF, S. Dagnello
中紅外波段存在許多重要的分子的發射譜線,如甲烷(Methane)、氨(Ammonia)、乙炔(Acetylene)等等,這些了解這些分子的分布與含量,能幫助天文學家了解行星的形成時原行星盤的環境,以進一步了解行星的形成機制。圖/NASA, ESA, CSA, Leah Hustak (STScI)

外星世界:凝視太陽系與系外行星

「我們在宇宙中是孤獨的嗎?」

這個問題雖然至今仍沒有答案,但過去 25 年,天文學家對外星世界的認識已經有了巨大的進展。曾經,系外行星是只存在於假想中的天體;但現在,天文學家已經發現了超過 4,000 顆,隨著資料的不斷更新(主要歸功於 TESS 衛星的努力),這個數量還會持續上漲。

-----廣告,請繼續往下閱讀-----

想了解系外行星學的發展歷史?這首 Acapella Science 的作品絕對是最棒的入門!

影/acapellascience

但是,天文學家雖然知道這些系外行星的存在,對這些外星世界的了解卻還相當有限,原因是系外行星實在是太小太暗了。對於多數的系外行星,天文學家都只能用一些間接的方法,測量它們的質量、半徑、軌道週期等相對粗略的特性,並且估計這個行星是否處於適合生命生存的「適居帶(Habitable Zone)」之內。

NASA 的 Kepler 與 TESS 望遠鏡是專司以「凌日法」搜尋系外行星的獵手。目前已知大半的系外行星都是由它們兩個發現。但是他們的觀測能夠提供的資訊相對有限。圖/NASA/JPL-Caltech

JWST 強大的能力將幫助天文學家突破困境。它能夠以兩種主要的方式觀測系外行星:一種是趁著系外行星繞行到其母恆星前方時,觀測整個系統的光譜,並找出其中由系外行星的大氣所貢獻的吸收譜線,這種方法被稱為「凌日光譜學 (Transit Spectroscopy)」;另外一種方式是藉由「日冕儀(Coronograph)」遮擋住來自母恆星的光線,直接拍攝並取得系外行星的光譜,這種做法被稱為「直接影像法(Direct Imaging)」。結合這兩種方式,JWST 將能夠讓天文學家對系外行星的認識不再只有多大、多重、多遠這些淺顯的描述,而是能知道大氣的組成、溫度與垂直結構,以及它們隨著季節、軌道半徑等其他因素的變化,深入地了解這些外星世界,甚至是尋找生命可能存在的跡象。

藝術家對 Kepler-1649c 行星的想像圖。圖/NASA

除了遙遠的系外行星之外,JWST 對於太陽系內的觀測其實也能有很大貢獻喔!舉例來說,JWST 擁有的中紅外波段的光譜觀測能力,既然可以分析系外行星的化學組成,當然也可以拿來分析太陽系內的小天體,如小行星、彗星、古柏帶天體等等,補足地面天文台無法觀測中紅外線留下的資訊空缺。此外,對於火星、四大巨行星、以及土衛六泰坦的研究,都是 JWST 可能的觀測目標。

-----廣告,請繼續往下閱讀-----

未來精彩可期

從 1996 到 2021,從「新世代太空望遠鏡」到「詹姆士.韋伯太空望遠鏡」,天文學家的超級紅外線太空望遠鏡之夢,走過了漫長而曲折的發展歷程。25 年後的今天(10 月 17 日),JWST 已經搭乘海運抵達位於南美的法屬圭亞那太空中心,準備在 12 月 18 日搭乘亞利安 5 號火箭(Ariane 5),前往日地第二拉格朗日點(L2),以前所未有的性能,展開對宇宙、星系、恆星與行星的深入研究。更重要的是,每當一代更新、更強大的儀器成軍,天文學家不僅期待它回答上述「現有」的問題,更希望它能將人類的視野,開拓至我們從未想過的領域。韋伯究竟會帶來怎樣的驚喜,就讓我們拭目以待!

延伸閱讀

  1. 為何 NASA 不惜大撒幣也要把它送上太空?——認識韋伯太空望遠鏡(一) – PanSci 泛科學
  2. 史上最大口徑的 JWST 要如何塞進火箭?——認識韋伯太空望遠鏡(二) – PanSci 泛科學
  3. 太空巨獸 JWST 升空後的 150 萬里長征—— 認識韋伯太空望遠鏡(三) – PanSci 泛科學
-----廣告,請繼續往下閱讀-----
所有討論 3
EASY天文地科小站_96
23 篇文章 ・ 1578 位粉絲
EASY 是由一群熱愛地科的學生於 2017 年創立的團隊,目前主要由研究生與大學生組成。我們透過創作圖文專欄、文章以及舉辦實體活動,分享天文、太空與地球科學的大小事