0

0
0

文字

分享

0
0
0

堆放蘋果(球體)的最佳方式

國科會 國際合作簡訊網
・2012/09/01 ・1406字 ・閱讀時間約 2 分鐘 ・SR值 579 ・九年級

圖片來源:rustman@Flickr,根據創用CC-By 2.0條款使用

為了將蘋果置於架上,水果攤販很「自然地」將蘋果擺成底部為三角形的標準金字塔。一個法德團隊日前證明,選擇這種擺放方式是基於力學穩定性。該團隊的參與者包括由巴黎第十一大學(UPS)與法國國家科學研究中心(CNRS)共組的固態物理學實驗室。研究成果已刊登在《物理評論快報》(PRL)的網站上,應該可用來設計有組織性的多孔材料。

堆放蘋果或珠子的最佳方式是疊成一層層的金字塔狀,才能將最大的球體擠入最小的空間內。目前已經有好幾種方式,可以將相同的球體與同樣的體積擺成最大的密度。其中兩種廣為人知的方式,一種稱為「面心立方」(FCC),底部必須是三角形,以便盡可能堆出最小的金字塔;另一種稱為「六方最密堆積」(HCP),要堆出最小的金字塔時,底部須為六角形。面心立方是在每一層中規律性地重複三個不同的位置,成為「ABCABC……」的模式;六方最密堆積則是規律性地重複兩個不同的位置,成為「ABABAB……」模式。1611 年,科學家克卜勒(Johannes Kepler)藉著觀察砲彈的堆積模式,得出面心立方乃是最佳的球體堆積方式,後來也被果菜商廣為應用。

「面心立方」(face centered cubic,FCC)的堆積方式。圖片來源:CNRS
「六方最密堆積」(hexagonal close-packed,HCP)的堆積方式。圖片來源:CNRS

面心立方是六方最密堆積隨時間逐漸演變而來,特別是同等體積的氣泡、水滴或固體顆粒自動形成的模式。為何這兩種具有同樣密度的結構,最後會產生這樣的偏好?目前,研究人員針對這個問題找到的解答是:這是一種紊亂現象,又稱為「熵」(entropie),這種現象在面心立方中,比在六方最密堆積中更常出現。但這樣的說法僅適用於極小的物體,例如奈米尺寸或者顯微鏡底下才可見的物件,卻不適用於氣泡或水滴等肉眼可見的物體。

研究人員針對不同尺寸(大於 10-6 公尺)且肉眼可見的球體,進行數據模擬與實驗。他們將球體放進盒子裡,觀察自然形成的堆積模式,再利用力學系統進行測試之後,確認面心立方與六方最密堆積的排列概率是一樣的。然而,加入新的球體後,由於六方最密堆積結構比較容易潰散,就自然轉變成較牢固的面心立方結構。研究員因而證實,就力學而言,面心立方比其他結構更為堅固,因為金字塔形的堆積平面缺乏左右側邊的支撐力。在面心立方堆法中,力量會以直線方向傳導,讓整體系統更為平衡。然而,在其他的堆法中,球體邊緣會出現一種向外的聚合力量,使得系統往周圍潰散。

-----廣告,請繼續往下閱讀-----

如果這股力量沒有獲得重力或足夠摩擦力的補償,就會導致六方最密堆積結構坍塌。以六方最密堆積方式排列的四層金字塔,會因本身的重量而倒塌。相反地,我們卻可以在面心立方結構上無限堆積。外在現象如晃動、急速通過建築物旁的人群,都有可能造成六方最密堆積結構的不穩定,因此面心立方的排列方式較佳。科學家正在研究這個機制是否可應用於其他狀況,例如建築物的切口、軟質球體的使用等等。這項機制在規律網絡的有組織性多孔材料上,亦扮演重要的角色。

作者:駐法國代表處科技組
資料來源:Quelle est la meilleure manière de disposer des pommes?—法國國家科學研究中心 CNRS [2012-04-19]

* 編註:英譯請見 phys.org 的報導

轉載自國科會國際合作簡訊網 [2012-08-17]

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
國科會 國際合作簡訊網
47 篇文章 ・ 3 位粉絲

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。