0

0
0

文字

分享

0
0
0

石墨烯太陽電池創下效率新紀錄

NanoScience
・2012/07/26 ・794字 ・閱讀時間約 1 分鐘 ・SR值 531 ・七年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

美國科學家研發的新型石墨烯(graphene)太陽電池創下功率轉換效率的新紀錄。他們的作法是在太陽電池中的石墨烯層添加有機摻雜物,成功地將功率轉換效率提升至 9%,相形之下,未經摻雜的石墨烯太陽電池轉換效率僅有 2%。

加上有機塗佈的石墨烯太陽電池。圖片來源:nanotechweb.org

石墨烯為具蜂巢狀晶格結構的單原子厚平面碳材料,擁有許多獨特的電子與機械性質,這是由於電子能高速無阻地在材料內運動,行為類似無靜止質量的迪拉克(Dirac)粒子。拜迪拉克電子存在之賜,石墨烯還能吸收各種顏色的光線。

雖然科學家已經製作出石墨烯太陽電池,但其功率轉換效率始終無法突破 1.9%,不過就在最近,佛羅里達大學的 Sefaattin Tongay 等人一舉將轉換效率提升近 5 倍之多。他們將名為 TFSA 的有機化合物摻雜入石墨烯中,接著將其置於矽晶圓上以形成石墨烯/矽蕭特基接面(Schottky junction)。上述元件在陽光照射下會產生電子電洞對,蕭特基介面的存在會致使這些電荷載子分離,最後再分別由連接石墨烯與矽的電極所收集形成光電流,完成光電轉換的過程。

摻雜 TFSA 會改變石墨烯的費米能階(Fermi level),導致石墨烯/矽接面處的電荷重新調整。此舉會增強介面處的電場強度,使得元件能更有效率地收集電子與電洞,因而提升產出功率。Tongay 表示,此元件既耐用又便宜,而且製作簡單。此外,將石墨烯轉移至矽材料上對石墨烯表面的影響非常微小,因此介面處能保持原狀,這點對電荷的收集過程至為重要,因為材料晶格的缺陷會形成捕捉電荷的陷阱,降低電荷載子的生命週期,影響元件收集電荷的效率。

該團隊目前正嘗試進一步提升此石墨烯太陽電池的功率轉換效率。他們正在測試數種摻雜效果可能更好的有機塗佈材料,並且提出不同的元件結構。詳見 Nano Lett.|DOI: 10.1021/nl204414u。

譯者:翁任賢(成功大學物理系)
責任編輯:蔡雅芝
原文網址:Graphene solar cells break new efficiency record—nanotechweb.org [2012-06-12]

本文來自 NanoScience 奈米科學網 [2012-07-15] 

文章難易度
NanoScience
69 篇文章 ・ 2 位粉絲
主要任務是將歐美日等國的尖端奈米科學研究成果以中文轉譯即時傳遞給國人,以協助國內研發界掌握最新的奈米科技脈動,同時也有系統地收錄奈米科技相關活動、參考文獻及研究單位、相關網站的連結,提供產學界一個方便的知識交流窗口。網站主持人為蔡雅芝教授。

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

4
0

文字

分享

0
4
0
物聯網世代資安保護的熱門選擇——新型「加密金鑰」PUF 技術
科技大觀園_96
・2022/02/06 ・1831字 ・閱讀時間約 3 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

隨著萬物聯網時代到來,越來越多數據以數位化方式儲存共享,架構安全性也越來越受到重視。就在今年 5 月,美國賓州大學研究團隊開發出一種基於石墨烯的 PUF(Physically Unclonable Function),能夠有效防範利用 AI 模型的新型攻擊,使加密金鑰更難以被破解。

石墨烯是一種由碳原子以 sp2 混成軌域組成六角型呈蜂巢晶格的平面薄膜,只有一個碳原子厚度的二維材料。圖/pixabay

什麼是 PUF?

要解釋什麼是 PUF,就得先理解物聯網(Internet of Things , IoT)的概念。簡單來說,物聯網就是讓設備裝上感測器、軟體及技術來相互連接傳輸資料所形成的網路,是很多產業智慧化的基礎,然而很容易就可以想像這種便利性同時也帶來更高的資安風險,由於物聯網設備涵蓋的領域相當廣泛,駭客從許多層面都可以發動攻擊。

物聯網是讓設備相互連接傳輸資料所形成的網路。圖/pixabay

過去談到物聯網的資訊安全,許多人都會先想到軟體及網路加密連線,但其實除了網路層面的安全防護,實體設備同樣存在著威脅。一旦出現仿冒晶片或其他問題,駭客就可能透過網路遠端控制設備獲得金鑰和其他敏感資訊,進而造成企業損失。以軟體為主的資安設計已不再足以提供全面保障,這也是為什麼基於硬體的安全技術開始逐年受到青睞。

全名為「物理不可仿製功能」 的 PUF 就是這樣一種硬體安全技術。透過半導體製程中引入的隨機變數,讓晶片在微觀結構上產生些許差異,在變數無法預測及控制的情況下,複製該晶片成為幾乎不可能的事,減少遭人逆向工程或操作的擔憂。這樣的隨機性、唯一性及不可複製性,讓 PUF 彷彿成為一種「晶片指紋」的存在,因此自然也變成新世代資安「零信任」(Zero Trust)架構下的熱門選擇。

不同於傳統資訊加密技術將密鑰儲存在設備的方式,PUF 技術主要使用一個客製應用積體電路(Application Specific Integrated Circuit , ASIC)或現場可程式閘陣列(Field Programmable Gate Array , FPGA)就可以完成,透過製造時挑戰/反應數據庫(Challenge/Response)的建立,便能在無須加密認證演算法的情況下對設備進行驗證,防止身分被竊取、竄改的同時,也免除了將私鑰儲存在設備的額外成本以及金鑰遺失的風險。

自 2013 年開始,PUF 已經開始逐漸受到重視,只是就像所有的密碼學應用一樣,儘管 PUF 技術存在著這些驚人特性,駭客攻擊手法也仍在持續演化中。國外一些研究已經證明,透過機器學習,AI 技術還是可能預測出密鑰並獲取數據,因此針對 PUF 技術的改良研發也仍在持續進步中。

以賓州大學團隊 5 月公布在《 Nature Electronics 》的最新研究為例,工程科學與力學助理教授 Saptarshi Das 就進一步結合了石墨烯(Graphene)的諸多特性,開發出一種新型低功耗、可擴展及可重構的 PUF,在面對 AI 攻擊時也能保持顯著彈性不易被入侵。

據研究人員表示,透過石墨烯獨特的物理和電學性質,新型 PUF 更加節能、可延展,即使受到 AI 攻擊試圖預測金鑰,受損的系統也可以在不需要額外硬體或更換元件的情況下重新配置過程並生成新密鑰,藉此有效抵抗對傳統矽製 PUF 構成威脅的 AI 攻擊。

隨著物聯網走入各大產業、設備數量大規模增長,可想見更嚴峻的資安挑戰也即將到來。目前國內廠商及研究團隊許多針對 PUF 的努力正在進行,除了矽智財知名大廠力旺開發的 NeoPUF 技術,成功大學電機系張順志教授進行的研究也是其中之一。

在「具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作」整合型計劃中,張教授希望透過超低功耗之類比數位轉換器設計技術及內建物理密鑰技術、 AI 輔助訊號轉換電路設計技術的研發,來提升物聯網晶片的安全性與穩定性。據了解,該項目已經進入後期階段,將基於先前的經驗嘗試完成整個物聯網系統的實體整合與量測驗證。

資料來源

  1. 初探物聯網安全趨勢下PUF晶片安全發展機會|跨域資安強化產業推動計畫網站 ACW
  2. 具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作-子計畫三:應用於高安全性且低耗能物聯網系統的類比至數位轉換器之研製( I )
  3. Stabilization in Physically Unclonable Constants
  4. Graphene key for novel hardware security | Penn State University

科技大觀園_96
82 篇文章 ・ 1104 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

10
3

文字

分享

0
10
3
什麼是「近場光學顯微術」?為何它是開啟奈米世界大門的關鍵?
科技大觀園_96
・2021/12/01 ・2708字 ・閱讀時間約 5 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

近場光學顯微術可突破繞射極限,使我們看到奈米等級的光學影像。圖/孔瀞慧繪

傳統光學顯微技術發展幾個世紀之後,從 20 世紀後半⾄今,突破光學繞射極限成為顯微技術的重要課題。繞射極限是光波所能聚焦的最⼩尺寸(約為光波長的⼀半,以可⾒光來說約 200-350 nm),仍遠⼤於分⼦和奈米材料。顯微鏡的發明是進入微觀世界的⾥程碑,⽽突破光學繞射極限後就能開啟進入奈米世界的可能性。 

突破光學繞射極限的超⾼解析度顯微技術⼤致上可以分為遠場(far field)與近場(near field)兩⼤類,這兩者的差別在於是否利⽤探針在靠近樣品距離遠⼩於⼀個波長(約數⼗奈米)處進⾏量測,若有則為近場,其餘則屬於遠場。⽽遠場顯微技術若要達到奈米級別的超⾼解析度, 需要以特殊螢光標定加上大量電腦計算來輔助。 

中央研究院應⽤科學研究中⼼研究員陳祺,專攻近場光學顯微術,屬於探針掃描顯微術(Scanning probe microscopy, SPM)中與光學相結合的分⽀。 

探針掃描顯微術,家族成員眾多 

探針掃描顯微術泛指使⽤探針來掃描樣品的顯微技術,依照原理的差別再細分成多個類別。在整個探針掃描顯微術家族中,最早的成員為 1981 年問世的掃描穿隧顯微鏡(Scanning tunneling microscope, STM),其主要機制是偵測探針與待測物表⾯間的量⼦穿隧電流(註1),作為回饋訊號來控制針尖與待測物的距離,⽽得到待測物表⾯次原⼦級別的高低起伏。1986 年發明的原⼦⼒顯微鏡(Atomic force microscope, AFM)則是⽬前最廣為應⽤的探針顯微技術,其以針尖接觸(contact)或輕敲(tapping)物體,藉由偵測針尖和物體表⾯間之凡得瓦⼒,得知物體表⾯的高低起伏。 

探針掃描顯微術(SPM)家族。僅示意,並未包含所有的成員。圖/劉馨香製圖,資料來源:陳祺

在探針掃描顯微術中,控制針尖與物體的相對距離是重要的課題,STM 可控制距離在一奈米以下,AFM 則可在一奈米到數十奈米間變化。此外,要在奈米世界「移動」並不是⼀件簡單的事。因為⼀般以機械⽅式的「移動」,其尺度都會在微米級別以上,這就像是我們沒有辦法要求⼤象邁出螞蟻的⼀⼩步⼀樣。所幸 1880 年居禮兄弟發現壓電材料會因為外加電場,⽽導致晶格長度的伸長或者收縮,即可造成奈米級別的「移動」。⽬前所有的探針顯微術都是以壓電效應達成對針尖或樣品「移動」的控制。 

近場光學顯微術,探針加上光 

依 STM/AFM 控制針尖的技術基礎,外加光源於針尖上,即為近場光學顯微術(Scanning near-field optical microscopy, SNOM),依照光源形式的不同可區分為兩⼤類: 

1. 微孔式近場光學顯微術(aperture SNOM,簡稱 a-SNOM) 
2. 散射式近場光學顯微術(scattering SNOM,簡稱 s-SNOM)

a-SNOM 是利用透明的 AFM 針尖,先鍍上⼀層⾦屬薄膜,並打上⼩洞,讓光從⼤約 50-100nm 左右的⼩洞穿出,得到⼩於光學繞射極限的光訊號。s-SNOM 則是外加雷射光源聚焦於針尖上,並量測散射後的光訊號。其中,針尖增強拉曼散射光譜顯微鏡(Tip-enhanced Raman spectroscopy, TERS)是屬於 s-SNOM 的⼀種特殊近場光學模式,主要為量測拉曼散射光譜,即可識別分⼦鍵結的種類。由於拉曼訊號相對微弱,透過探針鍍上⾦屬薄膜,即可利⽤針尖端局域電場的放⼤效果,來增強待測物的拉曼訊號,並利用針尖的移動來得到奈米級空間解析度的拉曼成像。 

(左)a-SNOM 所使用的探針,針尖上有微孔。(中)a-SNOM 原理:綠色箭頭表示光從上方經微孔射入樣品,紅色箭頭表示偵測器接收光訊號。(右)s-SNOM 原理:綠色箭頭表示光聚焦於針尖,紅色箭頭表示偵測器接收光訊號。光源與偵測器的位置可互換。圖/陳祺提供

陳祺的研究歷程與觀點

在陳祺就讀博士期間,其研究領域主要為結合低溫超高真空 STM 的單分子光學量測,需要極度精進探針掃描顯微鏡的穩定與解析度。畢業之後將⽬標轉向室溫室壓下的探針掃描顯微術與光學的結合,用以量測更多種類和不導電樣品。

陳祺在博⼠後期間的⼯作以 TERS 為主,曾發表解析度⾼達 2 奈米以下的成果,維基百科的 TERS 條⽬,也引⽤了陳祺當時發表在《Nature Communication》的論⽂。回國進入中研院之後,陳祺也開始 a-SNOM 的研究。

無論 TERS 或 a-SNOM,兩者的實驗設計都是建構在 AFM 上,因此陳祺會⾃⾏架設更精準的 AFM,以達成近場光學顯微術更佳的穩定性。 

近場光學實驗操作上的困難除了針尖的製作之外,穩定的 AFM 掃描其實也相當不容易,是維持針尖品質的關鍵。傳統上 a-SNOM 都是以接觸式(contact mode)的 AFM 方式掃描,以防止輕敲式(tapping mode)起伏會干擾光訊號,代價就是 AFM 的解析度極差。陳祺將⾃架的近場光學實驗放進⼿套箱裡,能讓針尖在輕敲式時維持極⼩的振幅(在⼀個奈米以下),可以大幅提高 AFM 的形貌解析度,也幾乎不損傷針尖。由於陳祺有非常豐富⾃架儀器的經驗,才能很⼤程度突破⼀般商⽤儀器的限制。 

不同的顯微影像比較。樣品為一種二維材料異質結構,左為結構示意圖,中為 AFM 影像,右為 a-SNOM 影像。AFM 能精確解析樣品的高低起伏,然而 a-SNOM 可解析樣品的光學特性。圖/陳祺提供

⼀般認為 TERS 有較佳的解析度,但由於 TERS 在散射訊號影像上有很大程度的不確定性,經常導致假訊號或假解析度的發生。近年來陳祺反⽽把研究的主軸轉向 a-SNOM,因為她更看重是否能由 AFM 得到的材料結構和高度,來解釋近場光學所量測的結果,以期研究材料背後的物理或化學現象。

另外,陳祺近期最重要的突破是在⽔中完成 a-SNOM 的量測,將針尖與光學元件整合在自製的腔體(cage system)之中,得以在保持生物樣品的活性之下得到超高解析度的影像,這將是開啟利用近場光學研究⽣物課題的重要⾥程碑。

最後,⾝為擁有兩個孩⼦的女性研究員,「如何兼顧⼯作與家庭」或許是⼀般新聞媒體會問的問題。然⽽,陳祺分享⾃⼰的⼼得:「是不可能兼顧的啦!先集中精神做好⼀件事,等另⼀件要爆掉的時候再去救它。」可能坦承⾃⼰沒有辦法做好每件事, 反⽽讓陳祺在實驗上永遠能找到促使⾃⼰改進的動⼒。 

註解

註 1:量⼦穿隧電流:在量⼦世界中,物質同時具有波動和粒⼦的特性。因具有波動的性質, 當電⼦撞擊⼀層很薄的障礙物時,有不為零的機率穿過去,並產⽣穿隧電流(tunneling current )。穿隧電流與障礙物厚度成指數函數遞減,因此可藉由量測穿隧電流強度計算出待測物表⾯極微⼩的⾼低起伏。

科技大觀園_96
82 篇文章 ・ 1104 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。