Loading [MathJax]/extensions/tex2jax.js

1

10
1

文字

分享

1
10
1

裝滿的穀倉壓力有多大?靜摩擦力與楊森效應

linjunJR_96
・2020/08/20 ・2198字 ・閱讀時間約 4 分鐘 ・SR值 532 ・七年級

新聞畫面中倒塌的玉米筒倉(WKEF/WRGT)

總重一萬噸的玉米,灑落在美國俄亥俄洲的 571號公路。沒有人傷亡,不過被壓斷的電纜造成該地區斷電斷網,571號公路也被關閉了好幾天。這個意外發生在 2018 年一月,起因是一個倒塌的筒倉。

在美國和歐陸等溫帶地區,常見圓形的筒倉可以用來儲存各種穀物。在玉米與小麥的進出口業發達的國家,筒倉內的穀物噸數動輒上萬,一旦坍塌,造成的破壞十分可觀。(沒錯就是會造成道路封閉、斷電斷網的等級)因此,負責設計的工程師必須清楚知道,筒倉的側壁與底部能夠扛住多少壓力。

許多地區常見使用筒倉儲存玉米小麥等穀物。圖/piqsels

當穀倉裝滿,底部的壓力卻……

為此,德國的工程師楊森(H.A. Janssen) 特別設計了一個底部可活動的筒倉,並將底部連結至天平與砝碼(圖1)。

圖1 當年楊森的筒倉設計圖

利用如此簡單暴力的實驗裝置,楊森得到了出乎意料的結果:隨著他在筒倉中慢慢放入更多的穀物,底部的壓力成長卻逐漸趨緩,到最後幾乎變成平線(圖2)。當他放入的穀物總重來到 180 公斤,筒倉底部卻只承擔了 23 公斤的壓力!

圖 2 放入穀物重量對底部壓力的關係圖。隨著重量增加,底部壓力卻逐漸飽和,不再成長。

消失的重量究竟去了哪裡呢?我們預期底部壓力等於內容物重量,其實是因為,我們直覺地把細小的穀物當作滑順的流體。如果筒倉裡裝的是水,那麼底部壓力當然會等於水的重量。

-----廣告,請繼續往下閱讀-----

不過像是穀物或沙子這類的細小顆粒,儘管集體行為與液體很類似,個別顆粒之間卻有著可觀的摩擦力。像是沙漏中落下的沙子,會在下方堆成一個小沙丘,而不是像液體一樣形成水平面,就是因為其受制於顆粒間的摩擦力,無法像水分子一樣自由流動。

摩擦力如何影響底部壓力?

如果要想像穀倉中的摩擦力如何作用有點困難,我們可以先想像一個極端的例子:兩顆體積跟摩擦力都很大的瑜珈球(圖3)。在畫面中原本就已經有一個藍球,而當靠近邊緣的瑜珈球(白球)落下,會被「嵌入」牆壁與藍球的間隔。

從白球的角度來看,白球會有兩個摩擦力的來源:與藍球接觸面的摩擦力與與牆壁的摩擦力。靜摩擦力的方向會「抵抗」移動的趨勢,所以當白球向下擠,牆壁與球之間便留下了一個向上的靜摩擦力。這股向上的力量分擔了白球的重量,於是筒子底部承擔的重量就少了一些。

圖 3 一個筒倉內原本裝了一顆藍色瑜珈球。後來放入的白球嵌入空隙中,受到兩個向上摩擦力(紅色的箭頭)。要注意球與球之間的摩擦力只會將重量轉嫁給藍球,只有牆壁提供的摩擦力有助於減少底部所受的總壓力。

同樣的,當我們在筒倉中添加穀物,倉壁內側的摩擦力會撐起一部分的重量。隨著筒倉內穀物越來越多,接觸到的倉壁面積增加,摩擦力能分擔的重量也越多。因此當筒倉內的穀物多到一個程度,新加入的穀物重量幾乎不會對底部造成負擔。

-----廣告,請繼續往下閱讀-----

因此楊森的實驗中,最後才會達到飽和,底部壓力幾乎不再增加。這個現象後來被稱為「楊森效應(Janssen Effect))」

從穀物到雪崩,「顆粒物理」防守範圍超廣

我們剛剛看到的斑駁的設計圖和天秤的使用透漏了它的年紀,楊森的這份研究其實發表於兩世紀前的 1895 年。

雖然年代感有點重,不過這篇研究可是越陳越香,在 1977 年之前,它只被引用了 40 次。在最近三十年間,卻突然暴增了兩百多次引用。用簡單的實驗和理論,楊森開啟了新的領域,也就是近年蓬勃發展的顆粒物理。顆粒物理的防守範圍不只包含穀物和粉末等工業應用,也能分析沙丘與雪崩這類的地質現象。

就在今年三月,一份新的研究發表在物理評論快報 (Physical Review Letters)。該篇研究的作者發現在某些情況下,筒倉底部的重量竟然會大於內容物重量,被稱為「反楊森效應」!

-----廣告,請繼續往下閱讀-----

新的實驗使用較大的顆粒,比起筒倉中的穀物,比較像是兒童球池。先前有提到,新加入的球會帶來向上的摩擦力;不過有另一種情況,會造成向下的摩擦力,導致底部的壓力不減反增(圖4)。在圖4 中,白色球落下時,將藍色球向外擠,間接將最左側的黃色球沿著牆壁向上推,造成向下的摩擦力。

圖 4 反楊森效應示意圖。

你可能有想到:這時候白色的球不是會受到向上的摩擦力嗎?的確如此。而底部受到的總壓力,便是數百顆球互相磨來磨去的效應總和。這時便慶幸我們手上有楊森所沒有的工具:電腦模擬。

圖 5 電腦模擬結果。有接觸牆壁的球依據所受磨擦力方向上色;向上為紅色,向下為藍色。 (M. P. Ciamarra/Nanyang Technological Univ.)

利用電腦模擬筒倉中填入圓球的情況可以發現,當填充到特定深度時,被牆壁向下壓的球(藍色)明顯多於被牆壁撐住的球(紅色)。這時筒倉底部便會承受大於預期的壓力,造成崩塌的風險。

不過這個現象一般只會出現在顆粒較大的系統。也就是說,如果你家附近有裝滿穀物的筒倉,應該不需要太擔心;不過如果裡面裝的是西瓜,那就不好說了。

-----廣告,請繼續往下閱讀-----
    1. Sperl, Matthias. (2005). Experiments on Corn Pressure in Silo Cells — Translation and Comment of Janssen’s Paper from 1895. Granular Matter. 8. 10.1007/s10035-005-0224-z.
    2. Mahajan S, Tennenbaum M, Pathak SN, et al. Reverse Janssen Effect in Narrow Granular Columns. Phys Rev Lett. 2020;124(12):128002. doi:10.1103/PhysRevLett.124.128002
    3. Seattle Times: Silo collapse spills 10,000 tons of corn onto Ohio road
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
linjunJR_96
33 篇文章 ・ 914 位粉絲
清大理工男。不喜歡算數學。喜歡電影、龐克、和翻譯小說。不知道該把科普當興趣還是專長,但總之先做再說。

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。

0

3
2

文字

分享

0
3
2
【2023 諾貝爾物理獎】什麼是「阿秒脈衝雷射」?能捕捉到電子運動的脈衝雷射?
PanSci_96
・2023/11/28 ・5966字 ・閱讀時間約 12 分鐘

-----廣告,請繼續往下閱讀-----

林俊傑《江南》:「相信愛一天,抵過永遠,在這一剎那凍結了時間」

這一剎那持續了多久?這出自佛經的時間單位有多個解讀,其中最短,可以對應的國際單位制是阿秒。 1 阿秒又有多快呢? 1 阿秒等於一百萬兆分之一秒,是已經短到不行的飛秒的千分之一。在這段時間,別說是談戀愛了,連世界上行動最快的光,也只能移動一顆原子直徑的距離。

在阿秒的時間尺度裡,連光都得停下腳步,過去我們認為捉摸不定的電子,也終於將在我們眼前現身。 2023 年的諾貝爾物理學獎,正是頒給了三位帶領人類進入阿秒領域,探索全新世界的科學家。而這項技術,還可能讓電腦的運算速度加快一萬倍!

就讓我們一起來進入阿秒的領域吧,領域展開!

什麼是阿秒脈衝雷射?

今年諾貝爾物理學獎的三位得主分別是 Pierre Agostini 、 Ferenc Krausz 、和 Anne L’Huillier ,表彰他們對阿秒脈衝雷射實驗技術的貢獻。

-----廣告,請繼續往下閱讀-----
圖/X

所謂的阿秒脈衝雷射,指的是持續時間僅有數十到數百阿秒的雷射。當我們能使用脈衝雷射來觀察目標,就好比使用快門時間極短的相機對目標拍照,能捕捉到瞬間的畫面。

2018 年的諾貝爾物理學獎,就頒給了極短脈衝雷射的研究。短短 5 年後,雷射領域再次得獎,但這次是更快的阿秒雷射,能捕捉到電子運動的超快脈衝雷射。

世界上沒有東西能真正的觸碰彼此?看見電子能帶來什麼突破?

為什麼看見電子的運動那麼重要呢?我們複習一下原子的基本構造,在原子核之外,帶有微小負電荷的電子,被帶正電的原子核束縛住。量子力學告訴我們電子沒有確切的位置,而是以特定的機率分布在原子核周圍的不同地方,也就是所謂的電子雲。

圖/YouTube

雖然電子的體積比原子核小很多,但電子雲的範圍,卻占了原子體積的絕大部分。在物理或化學反應中,真正和其他原子產生交互作用的,幾乎都是這些外面的電子。在電影《奧本海默》中,當男女主角手心貼著手心,奧本海默這時卻說:「世界上沒有東西能真正的觸碰彼此,因為我們觸摸到的物體,都只是其中原子的電子雲和我們手上的電子雲產生的斥力。」

-----廣告,請繼續往下閱讀-----
圖/screenrant

對了,這種話也只有奧本海默跟五條悟可以講,一般人請不要隨便亂牽別人的手。

除了和心儀的他牽手,不同的電子排列狀態也會直接影響物質的化學活性、材料的導電導熱等基本性質,各種化學和物理過程都和電子息息相關。從非常實際的層面來說,電子可以說是物質世界最重要的基本單位。所以不難想像,如果我們能看見電子,甚至獲得可以操縱個別電子排列與能量的技術,我們能真正成為材料的創世神,許多不可能都將化為可能,是相當重大的突破。

捕捉電子運動有多困難?

但要操縱電子可不是什麼簡單的事,不只是因為電子非常小,更重要的是他們動得非常快。具體來說,電子在原子周圍跳動的週期時間尺度大約是十的負十八次方秒,也就是一阿秒。一顆原子的大小約是十的負十次方公尺,速度等於距離除以週期,換算下來,電子雲差不多是以光速等級的速度在原子核周圍跳動。

圖/wikipedia

如果要捕捉到阿秒尺度的電子運動,就必須將實驗的時間解析度也提升到阿秒等級,否則就會像是用長曝光鏡頭拍攝亞運競速滑冰比賽一樣,只能拍到一團糊糊的影像,而沒辦法分出勝負。

-----廣告,請繼續往下閱讀-----

可是,在 1980 年代,脈衝雷射最快只能達到十的負十五次方左右,還只有飛秒等級。而且光靠當時的技術和材料優化,已經沒辦法再縮短脈衝時間了,因此這時候,就要從原理上重新打造一套方法了。

如何製造更快的脈衝?

首先,要製造更快的脈衝並不是用頻率更高的電磁波就好。你想,我們在拍照時,想要讓曝光時間更短,要改善的不是把室內光源從可見光改成頻率更高的紫外光,而是調快快門的開闔速度,讓光一段一段進入感光元件中,變成影片一幀一幀的畫面。而這一段一段進入像機的光訊號,就像是我們的脈衝。

不論是皮秒雷射、飛秒雷射還是阿秒雷射,一直以來在做的都是同一件事,在整體輸出功率不變的情況下,讓每一次脈衝的持續時間更短,同時單一次的功率也會更高。簡單來說,就是要從無數次的普通攻擊,變成每一次都是集氣後再攻擊。

但要怎麼為光集氣呢?光和其他波動一樣,可以和其他波動疊加。把不同頻率的光疊加在一起,波峰和波谷會抵消,波峰遇上波峰則會增強。只要用特定的比例組合許多不同頻率的光,就可以在整體總能量不變的情況下,產生一個超級窄的波峰,其他地方全部抵銷。

-----廣告,請繼續往下閱讀-----

1987 年,本次諾貝爾獎得主之一的 Anne L’Huillier 教授發現,當紅外線雷射穿過惰性氣體時,氣體會被激發放出整數倍頻的光。也就是氣體放出許多不同頻率的光,而這些頻率都是原本光源頻率的整數倍,從兩倍三倍到三十幾倍以上的高倍頻光都有。而橫跨這麼大頻率範圍的光,就能組合出時間長度很短的脈衝光。

不過這聽起來未免也太好康了,真的有那麼簡單嗎?

這個看似魔法的實驗背後其實有著相當簡潔的物理圖像。電子原本是被電磁力束縛在原子中,當一道強度夠強的雷射通過氣體原子,原本抓住電子的電位能被雷射削弱。

雖然這道牆只是矮了一些可是還是存在,但此時,在電子的大小尺度下,量子力學發揮了作用。調皮的電子有機會透過量子穿隧現象,穿過這道束縛,暫時逃離原子核的掌控。關於量子穿隧效應的介紹,我們近期也會再做一集節目來專門介紹。

-----廣告,請繼續往下閱讀-----

但電子還來不及逃遠,雷射光已經從波谷翻到波峰。電磁波的波谷與波峰,不是指能量的高和低,而是指方向相反。因此在相反的電磁場方向下,不幸的電子被推回原子核附近,再度被原子核捕獲。但在這欲擒故縱、七擒七縱的過程後,電子並非一無所獲,他所得到的動能會以光的形式重新放出。

而因為這些能量最早都來自雷射,因此電子放出的光波長,也剛好會是雷射的整數倍。再說的細一些,你可以理解為這些電子在吸收一顆顆光子後,一口氣釋放這些能量,所以能量都是一開始光子的整數倍。

在 1990 年代,科學家已經掌握了這個現象背後的原理。但一直到千禧年過後。這次諾貝爾獎得主之一 Pierre Agostini 教授和他的研究團隊才終於在適當的實驗條件之下,利用高倍頻光打造出了一連串寬度只有 250 阿秒的脈衝。同時第三位得主 Ferenc Krausz 也使用不同方法,分離出 650 阿秒的脈衝。

最後,獲得阿秒脈衝這個祕密武器之後,我們的世界將迎來哪些變化呢?

-----廣告,請繼續往下閱讀-----

阿秒脈衝在各領域的應用

其實啊,有在關注諾貝爾獎都知道,諾貝爾獎通常不會頒給時下正夯的新興研究,前面講的研究,實際上都已經是二十多年前的往事了,而這些辛苦的科學家會在這麼多年後拿下諾貝爾獎的榮耀,正是因為阿秒雷射的發明經過了時間的考驗,成為非常普及的實驗技術,而且被大家公認為重要的科學貢獻。

當然,今年生醫獎的 mRNA 是個超快例外,有興趣的話,別忘了點擊下方影片,看看編劇都編不出來的 mRNA 研究歷程。

說了那麼多,阿秒雷射究竟對人類生活有什麼幫助呢?當然,它能讓我們更深刻了解物質還有光的本質,但是除了幫電子拍下美美的照片放在期刊的封面上,阿秒雷射可以用來做什麼?

在過去這二十年,許多研究已經找到了相當有潛力的應用。

-----廣告,請繼續往下閱讀-----

舉例來說,在醫療方面,阿秒雷射可以用來分析血液或尿液樣本。控制良好的超短脈衝可以精準的刺激生物樣本中的各種有機分子,讓這些分子震動並放出紅外線訊號。如果使用的脈衝長度太長,分子釋放的訊號就很容易和原本施加刺激的雷射混在一起,造成量測的困難。唯有阿秒等級的超短脈衝能夠實現這樣的量測。

這些紅外線光譜就像是質譜儀一樣,能幫助我們快速分析血液中的蛋白質、脂質、核酸等重點物質的關鍵官能基狀態。並透過機器學習的方式整合,成為個人化的健康狀態報表,或是做為診斷的依據,將精準醫療提升到全新的層次。

圖/attoworld

不只如此,發送超短脈衝的技術也可能革新當今的電腦運算。電腦運作的方式就是利用電晶體這種微小的開關,不斷的開開關關去發送一跟零的訊號,所以開關電流的速度便決定了你的運算速度。以半導體為基礎的電晶體,工作頻率通常不超過上百 GHz ,在時間上也就是十的負十一次方秒。

自從阿秒雷射技術普及之後,就有科學家想到:既然雷射脈衝的速度更快,那不如就別用半導體了,改用光學脈衝來控制電流作為運算的媒介。這個概念叫做光學電晶體(Optical Transistor)。

今年初,亞利桑那大學的團隊便發展示了如何利用小於十的負十五次方秒的超短雷射脈衝,來開關電流並傳送一與零的位元,這個頻率比現有半導體電晶體快了一萬倍以上。這顯示了光學方法的操作頻率可以有多快,或許能讓我們突破訊號處理和運算上的速度瓶頸。

看完這些便可以理解,阿秒等級的超快雷射脈衝的確是相當近代的一個科學里程碑。就像是科學革命時望遠鏡和顯微鏡的發明,讓人們看見那些最遠和最小的事物,超快脈衝用最快的時間解析度,讓我們看到許多人類從未看過的景象。

阿秒脈衝雷射的出現,是科學上的一個里程碑,讓我們能用更高的時間解析度,讓我們看到許多過去從未看到的景象。最後也想問問大家,在雷射這一塊,你最期待有哪些應用,或者最希望我們接著來講哪個主題呢?

  1. 為什麼醫美、眼科手術那麼喜歡用飛秒、阿秒雷射,真的有比較好嗎?
  2. 使用雷射脈衝的光學電晶體真的有可能取代傳統電晶體嗎?
  3. 除了光學電晶體,最近很夯的矽光子技術,聽說裡面也有用到雷射,可以一起來介紹嗎?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

10
1

文字

分享

0
10
1
最讓水珠站不住腳的塗料
胡中行_96
・2023/11/06 ・2183字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

不少影視作品,善用水滴暗喻流淚。離散的場面哀戚,暗夜裡風雨飄搖。雨絲打在窗上,衝擊著觀眾敏感的心。主觀鏡頭宛如主角的目光,透過玻璃望向遠方。可是任誰都無法忽略,前景那一顆在表面移動的雨滴,默默地、緩緩地滑到一半,止住了。雨過天晴,窗外的玫瑰花瓣托著晨露,晶瑩剔透,水珠怎麼飽滿,也沒溜下來。如此揪心的情緒渲染,倘若換作荷葉或鐵氟龍鍋具,效果肯定蕩然無存。稍稍傾斜,便把持不住一滴,三兩下流得乾乾淨淨,不著痕跡。於是,被騙得一把鼻涕一把淚的觀眾,拭乾雙眼,體會刻骨銘心:摩擦力大的表面,即使垂直,水滴也可能攀附;摩擦力小,則些微的斜度,就會流失水滴。[1]

圖/Gary Ellis on Unsplash

接觸線摩擦力

想留住水滴,就如同要挽回即將離去的戀人,免不了得談客觀條件。芬蘭阿爾託大學(Aalto University)和于韋斯屈萊大學(University of Jyväskylä)合作的團隊,在《自然化學》(Nature Chemistry)期刊上,介紹新創塗料時,列出下面 4 個影響水滴流動的要素:[1]

  1. 接觸線摩擦力(contact line friction):受到水滴的大小、表面張力、接觸面的形狀,以及水滴後退角(receding contact angle)與前進角(advancing contact angle)(如下圖)的差距所影響。接觸線摩擦力是這裡羅列的項目中,唯一會導致靜摩擦力(static friction),[1]阻礙移動發生的力量。[2]接下來的幾個,都是在水滴已經開始移動後,才會出現。[1]
  2. 黏滯耗散(viscous dissipation):流動的過程中,其黏性將部份動能,不可逆地轉換成熱能。[3]
  3. 氣阻(air resistance):通過氣體的時候,氣流對其表面產生的阻力。[4]
  4. 靜電力(electrostatic forces):某些物體相互摩擦後會帶電,因而有推或拉的力量。[5]當水滴在疏水性的表面上移動,引發電荷分離(charge separation),水滴通常帶正電,該表面則帶負電。靜電力對斜面上水滴下滑速度的影響,甚至可以超過重力。[6]
a. 水滴在(左)親水性和(右)疏水性表面上的情形;b. 水滴後退角(θR)與前進角(θA)的差距,會影響接觸線摩擦力。圖/參考資料 7,Figure 1(CC BY 4.0

水滴對固體表面的依附,使它處處惹人嫌。比方說,在汽車的擋風玻璃,以及先進駕駛輔助系統的鏡頭上,會妨礙視線,干擾行車安全。[7]常言道:「所有感情問題,一律建議分手。」研究團隊想利刀斬孽緣,則所開發的塗料,要能有效減少物體表面的接觸線摩擦力,使水滴在上頭「站不住腳」。過往的研究認為,關鍵是降低形貌或化學的異質性[1]

開發新塗料

研究團隊調節時間、溫度和水份等變因,讓疏水性的辛基三氯矽烷(octyltrichlorosilane),在親水性的二氧化矽(SiO2)板上,自然「生長」成自組裝單層膜(self-assembled monolayer)。[1]無論這層膜在矽板上的密度低,也就是表面大多都是二氧化矽;或者密度高,即辛基三氯矽烷佔多數,都可以視為異質性低的情形。反之,若表面密度中等,則異質性高。理論上,異質性低對削弱接觸線摩擦力有幫助,但是研究團隊認為塗料密度低的時候,表面親水性過高,效果可能不彰。[1, 8]

-----廣告,請繼續往下閱讀-----

然而實驗結果有些出乎意料:當這層膜在矽板上的表面密度較低,水竟然自由地於塗料的分子間流動,很容易滴落;而表面密度高時,水則停留在塗料上面,也可以輕易滑下來。唯有介於兩者之間,水才會緊巴著矽板。[1, 8]

表面塗料低、中和高的密度,造成不同的異質性(heterogeneity)與摩擦力(friction)。圖/參考資料 1,Figure 1a(CC BY 4.0

防潑水塗料的用途

芬蘭研究團隊的成品,應該是目前全世界最滑溜的塗料,防潑水的能力超級好。[8]麻煩的是厚度太薄,耐用性有待提升。將來如果成功改善,有望廣泛運用於除冰、抗霧、暖氣管線等諸多方面。[1, 8]

表面塗料密度低,斜度漸增,攝影機跟著轉動。影/參考資料 1,Supplementary Video 2(CC BY 4.0
表面塗料密度中等,斜度漸增,攝影機跟著轉動。影/參考資料 1,Supplementary Video 3(CC BY 4.0
表面塗料密度高,斜度漸增,攝影機跟著轉動。影/參考資料 1,Supplementary Video 4(CC BY 4.0
  1. Lepikko S, Jaques YM, Junaid M, et al. (2023) ‘Droplet slipperiness despite surface heterogeneity at molecular scale’. Nature Chemistry.
  2. Müser MH. (2008) ‘How static is static friction?’. Proceedings of the National Academy of Sciences, 105(36):13187-8.
  3. Malik MY, Hussain A, Salahuddin T, et al. (2016) ‘Effects of viscous dissipation on MHD boundary layer flow of Sisko fluid over a stretching cylinder’. AIP Advances, 6, 035009.
  4. Oxford University Press. ‘Air Resistance’. Oxford Reference. (Accessed on 27 OCT 2023)
  5. Electrostatics: A non-contact force’. (31 DEC 2018) Department of Education, Victoria State Government, Australia.
  6. Díaz D, Li X, Bista P, et al. (2023) ‘Self-generated electrostatic forces of drops rebounding from hydrophobic surfaces’. Physics of Fluids, 35(1):017111.
  7. Hodgson G, Passmore M, Skarysz M, et al. (2021) ‘Contact angle measurements for automotive exterior water management’. Experiments in Fluids, 62, 119.
  8. Researchers create the most water-repellent surface ever’. (23 OCT 2023) Aalto University, Finland.
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。