歐洲 CERN 科學家發現「上帝的粒子」

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

作者︱黎偉健

2012 年 7 月 4 日，位於歐洲核子研究中心（CERN）的大型強子對撞機（Large Hadron  Collider（LHC））的 ATLAS 和 CMS 實驗團隊宣佈了希格斯玻色子的發現，轟動了整個物理學界。提出希格斯玻色子的希格斯（P. Higgs）、恩格勒（F. Englert）和布勞特（R. Brout）迅速在翌年獲頒諾貝爾物理學獎。

在粒子物理的標準模型裡，希格斯玻色子關係到基本粒子質量的來源，具有重大意義。此外，由於希格斯玻色子很可能與一些未知的物理有關，以後對該粒子的進一步研究很可能有助解開現今物理學的一些謎團。藉著希格斯玻色子發現十週年，讓我們回顧一下希格斯玻色子的研究在過去十年的進展，並前瞻未來對它的更深入探測與其蘊含的意義。

粒子物理標準模型

現代物理學的一項輝煌成就，是認識到物質皆由基本粒子（elementary particle）組成，而一切已知的物理現象可歸結為基本粒子之間基本交互作用（fundamental interaction）的結果。例如水，它由水分子組成，而水分子由氫原子和氧原子組成；原子則由電子和原子核組成，而原子核由質子和中子組成；質子和中子則由夸克組成。

從此可見，電子和夸克組成了我們日常接觸到的所有物質。它們是「基本」粒子，因為至今物理學家並未發現到它們有內在結構。基於夸克之間存在強交互作用，夸克能組成質子和中子，質子和中子能組成原子核；基於電子和夸克之間存在電磁交互作用，電子和原子核能組成原子，原子能組成分子。

基本交互作用有四種：重力交互作用（gravitational interaction）、電磁交互作用（electromagnetic  interaction）、強交互作用（strong interaction）和弱交互作用（weak interaction）。重力交互作用即萬有引力，它主宰著如星體的形成及運行等天文尺度的物理現象，由廣義相對論描述【註 1】；電磁交互作用、強交互作用和弱交互作用主宰著微觀世界的物理現象，由粒子物理的標準模型（Standard Model）描述。

圖一列出了標準模型中的基本粒子，它們分為三類：費米子（fermion）、規範玻色子（gauge boson）和希格斯玻色子（Higgs boson）。費米子分為兩種：夸克（quark）和輕子（lepton），有三個世代（圖一中左邊的首三列）。第一世代的費米子為最常見，上夸克、下夸克和電子組成了原子，從而組成了我們日常接觸到的物質。規範玻色子是傳遞基本交互作用的粒子，其中光子傳遞電磁交互作用，W 和 Z 玻色子傳遞弱交互作用，膠子傳遞強交互作用。希格斯玻色子是希格斯場（Higgs field）的激發。希格斯場與其他粒子的交互作用使得這些粒子具有質量，而希格斯玻色子會與帶有質量的基本粒子發生直接交互作用。

圖二顯示了標準模型中基本粒子的直接交互作用情況，其中藍線兩端的粒子會發生直接交互作用。例如光子（γ）和電子（e^–），它們之間有一藍線連接，即具有直接交互作用。粒子之間的交互作用可以形像地用費曼圖（Feynman diagram）表示。例如電子和電子之間的靜電排斥現象，可看作散射過程 e^–e^–→e^–e^–，其費曼圖如圖三，其中縱向代表空間，横向代表時間，時間流逝方向從左到右，左端為初態，右端為終態，實綫代表電子，波浪綫代表光子，而綫的交點（稱為頂點（vertex），圖中有兩個）代表電子和光子之間的直接交互作用。直接交互作用顯示為一頂點，即交互作用發生在某時空點上。

根據圖三的圖像，我們可以把電子和電子之間的遙距靜電排斥現象理解為一顆電子釋放出一顆光子，然後該顆光子被另一顆電子吸收，從中光子把能量和動量從一顆電子攜帶到另一顆電子，因此我們說光子傳遞電磁交互作用；這好比兩個籃球員在傳球，籃球員是電子，籃球是光子，而籃球員在拋球和接球時之所以感受到對籃球施了力，正是因為籃球傳遞了動量。

從這角度看，世上並沒有遙距的力，一切基本交互作用都發生在某時空點上，即費曼圖中的頂點。這種交互作用的局域性（locality）是現代粒子物理學的特點，它是狹義相對論和量子力學結合——量子場論——的結果。類似地，圖二中的每條藍線都有對應的費曼圖頂點。

希格斯場與希格斯玻色子

根據量子場論，粒子是場的激發。這就是為什麼每顆電子都相同，因為它們都是同一個場——電子場——的激發。在量子場論中，真空被定義為能量最低的態。對於一般的場，它的值在真空中為零。例如，由於電磁場由光子組成，帶正能量，因此電磁場非零的態能量必定比電磁場為零的態高，所以真空中電磁場必為零。希格斯場則不同，它在真空中的值由一個勢能函數取極小值決定，該勢能函數對希格斯場 ϕ 的依賴形式如圖四中的紅線。

從圖四可見，勢能在希格斯場為一非零值時取最小值，即希格斯場的真空期望值（vacuum expectation value（vev））為非零【註 2】。也就是說，真空中充滿著希格斯場，而任何粒子在任何地方任何時間原則上都有可能與其發生交互作用。

在標準模型裡，只有特定幾種粒子能與希格斯場發生交互作用。這些粒子包括夸克、帶電輕子（e^–, μ^–,τ^–）以及 W 和 Z 玻色子。這些粒子因為與真空中的希格斯場發生交互作用，從而獲得質量。對於這些粒子，它們與希格斯場的耦合強度與它們自身的質量成正比。所謂的希格斯玻色子，其實就是希格斯場在其真空值背景上的激發。

因此，只有帶質量的粒子才能與希格斯玻色子發生直接交互作用（如圖二中與希格斯玻色子有藍線連結的粒子），而這些粒子與希格斯玻色子的耦合強度也正比於他們自身的質量【註 3】。值得注意的是，希格斯玻色子能與自身發生直接交互作用（見圖二）。

基本粒子的質量直接影響著宇宙中物質存在的形式。例如，我們知道，上夸克比下夸克輕，而質子由兩顆上夸克和一顆下夸克組成，中子則由一顆上夸克和兩顆下夸克組成【註 4】，因此質子比中子輕，從而質子是穩定粒子，這使得氫原子的組成變成可能。如果下夸克比上夸克輕，那麼質子會衰變成中子，即氫原子不穩定，宇宙便不可以如已知的含大量氫。又例如，原子的大小與電子的質量成反比，而原子的能階與電子的質量成正比，因此電子的質量直接影響著物質的化學特性。再例如，太陽中心核反應的其中一環取決於弱交互作用，其發生的機率正比於 1/m_w⁴，其中 m_w 為 W 玻色子的質量。可見，希格斯場作為基本粒子質量之源，對物質的存在形式扮演著決定性角色。 

希格斯玻色子於 2012 年在位於歐洲核子研究中心（CERN）的大型強子對撞機（LHC）中被發現，是標準模型中最後一顆被發現的基本粒子。

對希格斯玻色子的最新認識

我們對希格斯玻色子的認識源自大型強子對撞機（LHC）的實驗數據。在 LHC 中，兩束質子互相對撞，質子裡的夸克或膠子會發生散射，有可能從中產生希格斯玻色子。由於希格斯坡色子的壽命很短，只有约 10  ^-22 s 秒，被產生的希格斯玻色子在到達粒子探測器前已衰變成較穩定的粒子。

圖五 a 顯示了一個 LHC 中產生希格斯玻色子的典型過程的費曼圖。該過程的初態是兩顆來自質子的膠子（gluon），這兩顆膠子互相碰撞，產生了一對正反頂夸克，而由於頂夸克質量很大，從而與希格斯玻色子的耦合也很大，因而很有可能產生一顆希格斯玻色子，而該顆希格斯玻色子稍後衰變成兩顆 Z 玻色子，而這兩顆 Z 玻色子又各自衰變成一對正反帶電輕子（e⁺e^– 或 μ⁺μ^–），粒子探測器會探測到終態的四顆帶電輕子。

圖五 b 顯示了實驗中探測到的四顆帶電輕子的質心系總能量 m_4l 分佈。藍色的部分顯示了非希格斯玻色子產生過程的供獻，而紅色部分即為產生希格斯玻色子所致，其峰位於希格斯玻色子的質量（125 GeV）。 

當然，在 LHC 中，希格斯玻色子的產生和衰變不是只有如圖五 a 的過程，所有可能的產生和衰變過程的費曼圖如圖六。

在圖六中，（a）至（f）是產生一顆希格斯玻色子的過程，（g）至（j）是希格斯玻色子的衰變模式，（k）至 （o）是產生兩顆希格斯玻色子的過程。在這些圖中，粒子的記號如圖一，而 q 代表夸克，V 代表 W 或 Z，f 則代表質量非零的費米子，粒子 X 與希格斯玻色子的歸一化耦合強度記為 κ_X【註 5】（標準模型對應 κ=1）。值得注意的是，希格斯玻色子可以透過因量子漲落而產生的粒子迴圈與質量為零的膠子和光子發生間接交互作用（見圖六（a）、（i）和 （j））。產生過程（a）至（d）以及衰變過程（g）至（j）都已被實驗證實。我們可以從這些眾多的過程所獲得的數據推斷出粒子與希格斯玻色子的歸一化耦合強度 κ。

圖七 a 中的點顯示了從實驗數據中抽取出來的 κ 的值，紅色直線則表示了標準模型的預測。從圖可見，對於 W 玻色子、Z 玻色子、頂夸克（t）、底夸克 （b）和濤子（τ^–），它們與希格斯玻色子的耦合強度已被精確量度，並且其值與標準模型預測一致。 

圖七 b 顯示了 κ_f 和 κ_V 的量度精確度在過去十年內的改善。紅色的圈表示 2012 年剛發現希格斯玻色子時的數據，藍色表示至 2015 年的數據，而黑色表示至 2018 年的數據。從圖可見，耦合強度的精確度在過往十年被大幅改善，並且其值與標準模型預測（κ=1）一致。 

未來對希格斯玻色子的探測 

圖八總結了至今對不同基本粒子與希格斯玻色子的耦合強度的量度進度以及未來展望。正如以上所述，我們已確定 W、Z 玻色子，以及第三世代費米子與希格斯玻色子的耦合強度與標準模型一致。對於第二世代費米子，由於它們比第三世代費米子輕很多，因此與希格斯玻色子的耦合強度也小很多，所需的數據也多很多。

對於緲子，我們預計在未來五至十年間能確定它與希格斯玻色子的耦合強度是否與標準模型一致。在將來 15 至 20 年間，在升級後的高亮度 LHC（HL-LHC）中，圖六中未被觀察到的過程都會被觀察到，如同時兩顆希格斯玻色子的產生。可是，這都不足以測量出希格斯玻色子的自耦合強度。要量度魅夸克與希格斯玻色子的耦合強度，或希格斯玻色子的自耦合強度，我們需要 LHC 以外的新一代對撞機。

對於奇夸克和第一世代夸克，由於它們非常輕，現時並沒有確切方法探測它們與希格斯玻色子的耦合強度。未來的正反電子對撞機或有機會探測到電子和奇夸克與希格斯玻色子的耦合強度。對於上夸克和下夸克，我們可能需要對撞機以外的方法，如對原子物理的精確量度，但這都只處於討論階段。 

有助解開的物理學謎團

我們對希格斯玻色子的進一步認識很可能有助解開一些現今粒子物理學和宇宙學的謎團，這些未解問題可大概歸為以下五個主要問題：

1. 層級問題

在標準模型裡，弱交互作用比重力交互作用強 10³² 倍。為何重力這麼弱？這問題稱為層級問題（hierarchy  problem）【註 6】。基於重力如此弱的事實，可以在理論上證明，如果在弱電尺度（～200 GeV）附近沒有標準模型以外的新物理的話，在未知的終極理論裡的基本參數須被準確微調至 32 個小數位。很多物理學家把這種基本參數的精確微調視為不自然，從而推斷在弱電尺度附近必定有新物理。

因此，林林總總的新物理理論被提出，如一派理論提出希格斯玻色子並非基本粒子，而是由更基本的粒子組成的複合粒子；另一派理論提出在高能量尺度下存在超對稱【註 7】；還有一派理論提出宇宙存在額外維度。希格斯玻色子的發現以及至今對它特性的量度，排除了很大部分這些新物理理論。現今的理論家提出新理論時需要更謹慎，使得新理論與有關於希格斯玻色子的實驗數據吻合。

2. 正反物質不對稱

在我們身處的宇宙中，物質都由正物質組成。可是，根據量子場論，一切粒子皆有其對應的反粒子【註 8】，而反粒子可組成反物質。那麼，為什麼宇宙中的物質只有正物質，沒有反物質呢？從理論推斷所知，在宇宙初期的高溫情況下，正反物質數量大致相同。現在我們所見到的正物質，是在宇宙因膨脹而冷卻後，正反物質互相湮滅後剩餘的。也就是說，宇宙很早期的時候正反物質數量存在些微不對稱，導致現今宇宙中只有正物質。

正反物質不對稱的大小依賴於宇宙早期弱電相變的細節。相變現象在日常隨處可見，如水蒸氣遇冷時凝結成液態水，或天然磁鐵遇熱時喪失磁性。在宇宙初期，溫度極高，希格斯場得到連續激烈的激發，因而其值不會停留在勢能（圖四）的最低點，而是作大幅度擺動，導致其平均值（即統計期望值）為零。隨著宇宙膨脹，溫度下降，希格斯場的擺動減小，直到某臨界溫度以下時，希格斯場的期望值取勢能的最小值處。希格斯場的期望值從零變為非零，這是一個相變過程，稱為弱電相變（electroweak phase transition）。

在標準模型裡，希格斯勢能導致的弱電相變為一連續相變（即所謂的二階相變），其結果是所造成的正反物質數量不對稱太小，不足以解釋所觀察到的不對稱值。因此，物理學家提出了一些新理論，這些理論涉及到新粒子的引入，而這些新引入的粒子會與希格斯場發生交互作用，從而改變希格斯場的勢能形式（如圖四中的藍線），使弱電相變變得不連續（一階相變），這也順帶的改變了希格斯玻色子的自耦合強度。所以，未來實驗對希格斯玻色子的自耦合強度的量度將有助解開正反物質不對稱之謎。

3. 暗物質

我們從天文觀察中得知，宇宙中存在著大量暗物質，其總質量約為普通物質的五倍。可以肯定，暗物質並非由標準模型粒子組成。因此，很多新的粒子理論被提出，當中引入了新的粒子。一個很自然的問題是，既然希格斯場負責給予標準模型粒子質量，它會不會也負責給予暗物質粒子質量呢？如果真的是這樣，那麼這些新的粒子會以量子迴圈的方式改變希格斯玻色子的壽命和自耦合強度，或者希格斯玻色子會衰變成這些新粒子，而這些都有機會在未來被測量到。

4. 費米子質量問題

在標準模型裡，費米子分為三個世代，三個世代的質量截然不同：第二世代比第一世代重，而第三世代比第二世代重（見圖一）。標準模型並不能對此作解釋。為此，物理學家提出一些新理論，而在這些新理論中希格斯玻色子具有一些標準模型不允許的衰變模式，如 H→μ⁺τ^–。如果這些新的希格斯玻色子衰變模式存在的話，有可能在未來被實驗探測到。

此外，在標準模型裡，微中子沒有質量。可是，我們從近年的微中子振蕩實驗中得知，微中子具有微小質量。希格斯場有可能在賦予微中子質量上扮演重要各式。

5. 宇宙暴脹之源

我知道，希格斯場的真空期望值取決於它的勢能形式，這是希格斯場與其他場截然不同的特點。有趣的是，根據現時所知的希格斯玻色子質量，我們可以推斷現今的希格斯場真空期望值只是勢能的局部最小值（又稱為錯真空（false vacuum）），而不是全局最小值（即真真空（true vacuum））。也就是說，我們所處於的真空並非最低能量態，而且不穩定，有機會衰變成更低能的最低能量態。

可是，這個錯真空衰變的機率極小，導致錯真空的壽命遠長於宇宙年齡，即我們所在的真空處於一種亞穩定狀態。我們知道，在宇宙的極早期曾經發生過暴脹，即宇宙以指數式急速膨脹，而這導致了現今宇宙在大尺度下的平均性。我們很自然會問，是甚麼導致暴脹呢？理論上，類似於希格斯場的錯真空衰變現象很可能就是暴脹的原因。究竟希格斯場與宇宙早期的暴脹有關嗎？物理學家對此仍未有答案。

結語

希格斯玻色子的發現為粒子物理學研究展開了新一頁。在希格斯玻色子被發現後的十年裡，透過在對撞機實驗中對它的深入探測，我們對希格斯場和希格斯玻色子有了更豐富的認識。至今，一切有關希格斯玻色子的量度均與標準模型預測一致。我們可以肯定的說，正如標準模型所述，希格斯場的確賦予質量給W、Z玻色子以及第三世代費米子。這證明宇宙中存在第五種基本交互作用——希格斯交互作用。在未來的實驗裡，對希格斯玻色子的進一步探測將有助解開一些未解決的物理學謎團。

註釋

1. 對於基本粒子，電磁交互作用的強度約為重力交互作用的 10³⁰ 至 10⁴³ 倍。因此，在粒子物理裡，重力交互作用可以完全被忽略。
2. 希格斯場能具有非零真空期望值，關鍵在於它的自旋為零，從而非零真空期望值不會與勞侖茲不變性抵觸。希格斯場取非零真空期望值，是一種自發規範對稱破缺，這使得 W 和 Z 既是傳遞交互作用的粒子，又帶有質量。這種賦予規範玻色子質量的機制稱為希格斯機制（Higgs mechanism），是弱電理論能成為一自恰理論的關鍵。
3. 事實上，我們可以把希格斯玻色子與其他粒子的直接交互作用視為第五種基本交互作用，稱為希格斯交互作用，或湯川交互作用（Yukawa interaction）。
4. 注意，質子和中子內除了夸克還有大量膠子，而質子和中子的質量絕大部分源於這些膠子的交互作用能，但這部分的貢獻在質子和中子裡是幾乎相等的。
5. 歸一化耦合強度 κ 定義為耦合強度除以標準模型的耦合強度。因此，對於標準模型，歸一化耦合強度為 1。
6. 關於層級問題是否一個合理的物理學問題，學術界仍存在爭論。
7. 超對稱是一種理論上可能存在的時空對稱和內在對稱的混合，至今未被實驗發現。
8. 反粒子與其對應的正粒子有相同質量和自旋，但帶相反的荷，如電荷。

1. G. P. Salam, L. T. Wang, and G. Zanderighi, Nature 607 (2022) 7917, 41-47
2. ATLAS Collaboration, Nature 607 (2022) 7917, 52-59 
3. CMS Collaboration, Nature 607 (2022) 7917, 60-68

對撞機能夠給出什麼答案？

物理學家想用大型強子對撞機來解答的重要問題，可以總結如下：在大型強子對撞機的能量級下，粒子物理的標準模型是否有效？「對撞機能量級」是個大大的躍進，因為其能量大小超越了電弱對稱破缺尺度；在這個尺度之上，兩種基本作用力相互統一，而 W 和 Z 玻色子、甚至所有其他基本粒子的質量，也許都是起源於此。

如果標準模型可以成功描述新能量範疇的現象，希格斯粒子應該就會存在，但看來不會有什麼其他的新發現；反之，如果標準模型失效，也許就沒有希格斯粒子了，不過背後一定會藏著稀奇古怪的事物。其實有個不易察覺的問題會左右這件事：我們究竟有多了解標準模型在此能量級下預測的現象？這並不容易回答。

一般而言我們並沒有能耐百分之百準確地解出標準模型。所有人都是用近似法。而絕大多數的近似方法之所以可行，是因為基本作用力的「耦合」，也就是強度，沒有很大。「耦合」就是在物理過程對應的費曼圖中，每個作用頂點帶有的值。（參見【科學解釋 8】）

微擾理論的應用

作用力的強度可以用一個數值來表示。如果說這個數值是 0.1，那麼兩個粒子交互作用的機率就會和 0.1 乘上 0.1，也就是 0.01 成正比。要是有三個粒子，機率就變成 0.1 的三次方，0.001，四個粒子的話就是 0.0001，如此這般。由此可知，如果耦合值很小，你就可以忽略比方說四個粒子以上的粒子交互作用―超過這個臨界值的項對於主要結果都只是極小的微擾罷了，因為前面至少會乘上 0.1 的五次方，也就是 0.00001。

可見更多粒子的反應項只會些微改變原本的結果而已。這就是「微擾理論」的例子，微擾理論廣泛運用於解決物理界和化學界中許多的問題。只要耦合值很小、也就是作用力很弱，這個理論就十分準確。

然而，這種近似法並不是永遠有效。微擾理論失效的地方大多涉及強核力、也就是量子色動力學。這就是為何大家要把這種作用力稱為強核力。我們不是故意要混淆視聽的，強核力的確和它的名字一樣難以應付。

舉例來說，在我們對撞質子，想一探其內部夸克及膠子的種類分布時，某些方面的資訊其實無法從先前所提的原則計算得到（參見 4.5 節）。除此之外，我們也無法算出夸克和膠子最後是如何結合成新的強子的。雖然大家手上有量子色動力學的限制條件，也有一些基本的能量守恆、及動量守恆定律，以及不少從其他地方得到的數據，卻無法用微擾理論。

原因在於強核力的耦合值非常接近一，不論幾次方都還是一。因此，不管你計算的對象是幾個粒子，得到的結果都不會收斂到某個可信的值。最終我們只好依據自己的經驗來猜測結果、或建立模型。而這樣的結論一直都有調整空間。

因此我們要嚴肅看待一個問題：大家在調整模型的時候，實際上可能會遮蔽了令人興奮的新物理。要避免這個問題，你得拿自己熟悉、以微擾理論計算的結果，連結上自己還不太明白、有調整空間的模型。我想像出一個比較毛骨悚然的情景來譬喻這件事――一具以精準預測架構的骨架，嵌在以最佳猜想組成的濕軟肉體內。

肉體的形狀可以改變。你可以重搥它的肚子，或捏它的臉頰（相對來說比較不痛）；但是它有兩隻手兩隻腳，如果你打斷了某根骨頭，自己一定會知道。

用既有的知識探索未知

無論如何，大家利用電腦程式來把可塑的模型、與不易動搖的微擾理論整合在一起，而且絕大部分的工作都已經完成了；這種程式就是蒙地卡羅事件產生器（Monte Carlo event generator）。程式不但能編譯大部分我們擁有的粒子對撞現象的相關知識，同時也是個珍貴的工具，能協助物理學家設計新的實驗，並釐清既有的實驗對不同模擬數據會如何反應與解讀。「蒙地卡羅」這個名字有其典故^＊，因為就和俄羅斯輪盤賭注一樣，這種事件產生器用上了很多隨機的數字。

這一切其實都牽涉到一點有趣的科學社會學。身為一位理論學家，有時你會因為投入某類蒙地卡羅事件產生器相關的研究而吃虧。你的一篇論文可能已經被引用了數千次，大家還是會說：「不過是電腦軟體罷了。」或是「這只是蒙地卡羅那類的玩意兒。」反之，要是你是發表一篇弦論的論文，又被引用這麼多次的話，你就能像個巨人般橫行全世界了。但說到底，弦論努力想預測的現象距離實證還是很遙遠，蒙地卡羅事件產生器卻可以實際解釋數據。

蒙地卡羅事件產生器雖然不是唯一的辦法，大致上仍是物理學家在理解標準模型的意義、與儘量試著利用模型精確預測現象時，所付出的一份心血。

雖然和大型強子對撞機的學界相比，蒙地卡羅事件產生器的研究社群規模較小，但相對來說，這個領域的成員盡的心力甚至不會比大家建造對撞機的付出還要少。美國物理學會也許是考量到了這一點，將 2011 年的櫻井獎（J.J. Sakurai Prize）頒給在這個領域工作的三位理論學家，分別是韋伯（Bryan Webber）、阿塔瑞利（Guido Altarelli）、斯舍斯特蘭（Torbjörn Sjöstrand）。頒獎典禮的引言如下：

因為三位物理學家的洞見，我們得以縝密驗證粒子物理的標準模型，實現高能物理實驗的目標、並從中學習量子色動力學、電弱交互作用、與可能的新物理的確切知識。

我很開心他們獲獎，因為其中兩位是我很親近的朋友，也更是因為三人所寫的計算方法及程式對大型強子對撞機幾乎所有的研究都十分重要，像是確保大家不會在不知情的情況下遮蔽任何新的物理。當前，我們正在嘗試確認希格斯粒子搜尋實驗的不定變數大小，並縮減其數量；人人都在尋找關鍵的三標準差證據、甚至是五標準差的大發現。為了這個目標，許多人夜以繼日持續比對新的數據和蒙地卡羅事件產生器的結果。

——本文摘自《撞出上帝的粒子：深入史上最大實驗現場》，2022 年 12 月，貓頭鷹出版，未經同意請勿轉載。