銀暈：包圍銀河系的龐大熾熱氣體

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

•  文／泛科學編輯部（曹盛威、郭令鈞、雷雅淇、侯郁家、劉品萱）

你看過黑洞嗎？不論有沒有，你都可以再靠近一點！這張就是黑洞近照：

還記得 2019 年 4 月拍攝到的第一張黑洞照片嗎？那是來自 5500 萬光年以外的 M87 星系。三年後的現在，也就是臺灣時間 2022 年 5 月 12 日晚間，「事件視界望遠鏡（Event Horizon Telescope, EHT）」舉辦全球記者會，公布人類史上第二張黑洞照片。

• 延伸閱讀：【特輯】為什麼黑洞長得像甜甜圈？十個關於黑洞的快問快答，來測測你跟黑洞有多熟！

第二張黑洞照片主角的所在地，你一定很熟悉，因為它跟我們一樣都位在「銀河系」——沒錯，銀河系中心的超大質量黑洞首次亮相啦！這張轟動全球的照片為什麼如此振奮人心呢？一切都要從「銀河系中心」開始說起。

我們怎麼知道銀河系中心有黑洞？

銀河系的中心到底有什麼呢？整個 20 世紀，科學家都在猜測這個問題的答案。

1933 年，美國貝爾實驗室的工程師央斯基（Karl G. Jansky）在解決背景雜訊干擾無線電通訊的過程中，意外發現最強烈的干擾源是來自人馬座方向的無線電短波，而這個方向正好指向銀河系中心。後來，這個無線電波源的位置就被稱為「人馬座 A」。這是人類第一次使用可見光以外的電磁波段觀測銀河，從此開啟了無線電天文學的發展。

• 延伸閱讀：無線電天文學的誕生│科學史上的今天：5/5

二戰結束後，各國紛紛投入無線電天文學的領域。1970 到 1980 年代，隨著科技不斷進步，天文學家發現人馬座 A 是由多重結構所組成。

1974 年，巴利克（Bruce Balick）和布朗（Robert Brown）使用更精巧的電波望遠鏡，發現人馬座 A 的某特定區域釋放出明亮且緻密的無線電波，由於此特定區域是人馬座 A 最活躍的地方，因此以原子激發態—— *（唸作 Star 或「星」）來表示，將其命名為人馬座 A 星（Sagittarius A*）。

不知表面攝氏千萬度是何許天體也

根據不同波長的電波與射線得到的觀測結果，銀河系中心簡直是「金光閃閃、瑞氣千條」，各個波段的電磁波應有盡有！其中，最耐人尋味的是 X 射線。為什麼呢？

根據黑體輻射原理（Black-body radiation），如果一個物體主要發出的是 X 射線，那它的表面溫度估計超過攝氏 1000 萬度；相較於我們的太陽，主要發出的是可見光，表面溫度約為攝氏 5500 度。

天啊！這個「攝氏 1000 萬度以上」的天體究竟是何方神聖？

1960 年代，天文學家姑且把這些未知天體稱為「類星體（Quasar）」。一開始推測類星體可能是黑洞、中子星、脈衝星、超新星等等，而目前主流學界認為「類星體就是黑洞」。

在黑洞的吸積盤上，高速繞行的物質會因劇烈的摩擦、碰撞，而產生高溫與磁場，並且激發強烈的電磁輻射。因此，天文學家認為，銀河中心強烈 X 射線的來源可能是黑洞。

另外一種觀測黑洞的方式是長時間紀錄恆星的軌道。如果發現這些恆星正在繞著看不見的天體運行，這個天體就有可能是個黑洞。

2020 年的諾貝爾物理學獎得主是德國科學家根策爾（Reinhard Genzel）和美國科學家吉茲（Andrea Ghez）。他們透過當時世界上最大的光學望遠鏡，花了 30 年監看銀河系中心，追蹤附近恆星的軌道運動，發現人馬座 A 星附近，有很多恆星快速地環繞運行。

• 延伸閱讀：【快訊】你說的黑洞，是哪種黑？揭開宇宙最黑的秘密──2020 諾貝爾物理獎

地球的運行速度最快只有每秒 30 公里，但在人馬座 A 星附近，有一顆稱為「S2」的恆星，最快甚至能以每秒 7000 公里的速度運行！從 S2 的完整軌道與速度來計算，人馬座 A 星的質量相當於 400 萬個太陽，半徑卻只有太陽的 17 倍。這樣極端的密度指向了一種可能性，那就是超大質量黑洞。

所以啦，早在 1990 到 2000 年代，「銀河系中心有個超大質量黑洞」就成了整個天文界乃至全世界都有的共識。

至於超大質量黑洞是怎麼來的，目前還是個謎。

一般認為黑洞是恆星死亡後的產物，但根據觀測，這些超大質量黑洞在宇宙大爆炸後的七億年就存在了。矛盾的是，那時的宇宙可以說是處在幼兒階段，重力還在吸引星雲聚集，成形的恆星屈指可數，完全無法解釋為何會有恆星死亡變成黑洞。這也成了世界各地的天文學家爭相研究的謎團。

有圖有真相，人馬座 A 星有照片嗎？

這不就來了嗎？2022 年 5 月 12 號，事件視界望遠鏡（EHT）公佈了人馬座 A 星的影像，請大家掌聲鼓勵！就讓我們來解讀這個最新的黑洞寫真吧！

由於黑洞本身不發光，我們要觀測的是黑洞周圍的光線被吃掉的範圍，也就是黑洞中央黑色區域的大小。不過，黑洞本身的尺寸其實比中心那塊陰影區域更小！

首先，「黑洞本身的尺寸」正確來說是「事件視界」的大小。事件視界的半徑即為「史瓦西半徑（Schwarzschild radius）」，只要知道黑洞質量就能推算出來，像人馬座 A 星的史瓦西半徑是 1200 萬公里。

當光行經事件視界外圍，也會沿著因重力而扭曲的空間彎折，最終被吸進黑洞，成了我們看不見的那塊圓形陰影，而「黑洞吃掉的影像範圍」（或稱為「陰影」）指的就是除了事件視界本身以外，還有多少範圍是全然的黑暗。

根據廣義相對論，「陰影」的半徑是史瓦西半徑的 2.6 倍。

包傑夫（Geoffrey Bower）是中研院天文所的資深天文學家，同時也是 EHT 計畫的成員。他在記者會上表示，「這次公布的影像捕捉到被強大的黑洞重力所扭曲的光線，而亮環大小也吻合愛因斯坦的廣義相對論」。

EHT 如何捕捉黑洞影像？

天文影像的解析度將整個天空分成 180 度，每度有 60 角分，每角分有 60 角秒，每角秒分成 1000 毫角秒，每毫角秒再分成 1000 微角秒。以黑洞成像而言，人馬座 A 星與 M87 黑洞的陰影尺寸分別是 50 微角秒和 42 微角秒。

因此，從地球觀測這兩個黑洞的難度相當高，可以想像成從地球看月球上的一顆橘子，需要直徑非常大，甚至等同地球直徑大小的望遠鏡才能辦到。所以，EHT 真的在宇宙中建造了和跟地球一樣大的……（不要瞎掰好嗎！）

EHT 使用了特長基線干涉（VLBI）這項技術。簡單來說，就是透過結合兩座或多座無線電望遠鏡的觀測資料，重組出宛如單一望遠鏡的觀測結果。望遠鏡彼此之間的距離越大，組合出的解析度越好！根據中研院天文所郭駿毅博士的形容，EHT 的解析度銳利到足以從臺北看見東京的一粒沙！

• 延伸閱讀：誰在海邊蓋天文台啊（惱）——世界第一座電波干涉儀、什麼是特長基線干涉儀？—GLT FAQs

那為何不是先拍到距離我們比較近的人馬座 A 星，而是先公布 M87 的影像呢？其實，在 2017 年時，EHT 就同時觀測 M87 星系和銀河系中心的超大質量黑洞。人馬座 A 星雖然離地球較近，約 27,000 光年，但質量較小，難以觀測。

美國斯圖爾德天文台（Steward Observatory）的 EHT 科學家陳志均解釋，黑洞附近的氣體移動速度接近光速，加上人馬座 A 星比 M87 黑洞小 2,000 倍，周圍的軌道也更小，其造成的氣體擾動導致影像變化速度過快，「就像在拍一隻追著自己尾巴跑的小狗」，必須使用更複雜的成像技術，才能取得足夠清晰的照片。

也因為這樣的速度差異，這次銀河系中心黑洞的照片才會跟 M87 長得不一樣，形成有三個亮點的圖片。不過，這些明暗差異並不是都卜勒效應造成的。師大物理系助理教授卜宏毅表示，只要拍攝物體移動過快，就會留下殘影。然而，這並不影響我們解析黑洞半徑。

這次並沒有明確觀測到噴流。科學家對於銀河系中心黑洞是否存在噴流，目前仍有待商榷。

特長基線干涉技術支援科學家黃智威表示，這次的黑洞圖像也替未來的黑洞觀測打下良好的基礎。目前，學界將「超大質量」定義為 100 萬倍到 10 億倍太陽質量的數量級，估計 M87 約為 35 至 66 億太陽質量，而這次的銀河系黑洞為 400 萬太陽質量。

也就是說，目前觀測到唯二有清晰影像的黑洞，正好就是超大質量黑洞的最小值與最大值，而這兩張影像所呈現的特徵有許多相似之處，比如皆具有黑洞剪影及光環。如果連極端值都具有這些特徵，那麼理論上，其他大小的黑洞也都會有。

另外，黑洞也扮演著孕育恆星的重要角色。只要能夠深入了解黑洞的結構，想必也能更加深刻地了解銀河系的歷史。

• 延伸閱讀：毀滅與新生：超大質量黑洞觸發的恆星形成

天文所紀柏特（Britton Jeter）博士將拍攝人馬座 A 星的過程描述為「將一部電影濃縮成為一張影像」。這整個過程費時 5 年，有賴美國、加拿大、歐洲及臺灣的努力，利用世界各地的超級電腦運算龐大的觀測資料，再經由多次模擬、調校，才得以成像，讓我們能夠親眼看到這個「潛伏在銀河系中心的巨獸」。

臺灣在黑洞計畫中扮演的角色

這次公布的黑洞影像，由全球各地 8 座望遠鏡共同完成，其中有 3 座和臺灣淵源匪淺，分別是由中研院參與建造或負責運轉的「次毫米波陣列（SMA）」、「馬克斯威次毫米波望遠鏡（JCMT）」，以及「阿塔卡瑪大型毫米及次毫米波陣列（ALMA）」。

從 2017 年黑洞計畫啟動以來，中研院天文所就參與其中，合作夥伴包括國立中山大學、國立臺灣師範大學、國家中山科學研究院。從觀測、分析數據到成像，尤其在疫情之下，能夠持續投入，並且有如此卓越的成果，實屬不易。

未來展望

目前，EHT 團隊正在分析 2018 與 2021 年的觀測資料。除了上表 8 座天文望遠鏡以外，這些觀測活動還有格陵蘭望遠鏡（Greenland Telescope）與另外兩個望遠鏡參與，想必可以讓我們更清楚地看到 M87 和人馬座 A 星的黑洞影像。未來，團隊也期許能夠透過更高頻率的觀測，一窺更小的黑洞。

• 延伸閱讀：北極圈內唯一！格陵蘭望遠鏡開張，連線「全球陣列計畫」把宇宙看得更清楚

• 文／施奇廷│東海大學應用物理系暨研究所 教授兼系主任

y編按：一日科宅，終生科宅。而身為終極科宅，只有科學家這個身份還不夠！當然要製作一部滿滿熱血的動畫啊！

而這麼科宅的計畫，泛科學怎能缺席！不只電影要看，更要讓我們一起來好好吐槽聊聊《重甲機神》裡的那些科學與不科學！這次就讓我們來看看，身為科宅，到底該怎麼幫角色取名字吧（無誤）XD

當《重甲機神 Baryon》的企劃決定了之後，馬上就要開始為故事裡面的角色、機械、地點取名字了⋯⋯實際上並不是這樣。

一開始討論劇情大綱的時候，都還是以「主角機」、「男主」、「女主」、「男二」、「博士」、「基地」⋯⋯這種普通名詞來進行，因為要為這麼多人事地物取名字真的是一件很傷腦筋的事情啊！所以大家第一個動作都是先逃避現實。

不過真的開始進行製作之後，就無法迴避了。首先當然是「片名＝超級機器人的名字」啦！既然我們走的是像「無敵鐵金剛」的「超級系」，而不是像「鋼彈」的「寫實系」路線，講究的當然就是「威力與氣勢」了！

而且因為是海洋及海底的故事，所以需要「厚重的裝甲」（耐壓殼）抵抗水壓；再來是「巨大機器人」這種意象，影射了「人依照自己的形象創造了機械神」，「人憑藉著科技的力量逆天行事」的意涵，所以是「有著厚重裝甲的機械之神」，因此「重甲機神」這個名字就浮現了！

當然啦，我們也不會否認是向「超獸機神」、「魔裝機神」這些名作致敬啦！

能「變形合體」是阿宅的終極夢想：Baryon 的命名由來

決定了中文名字之後，接下來就是英文了。「巨大機器人魂」發作完，當然就輪到「物理魂」爆發了，既然有「重」這個字，當然就是用「Baryon」（重子）囉！

物理學是研究「物質的基本組成」與「物質之間的交互作用」的科學，目前的物理學已經知道的基本粒子包括「夸克」、「輕子」、「規範玻色子」與「希格斯玻色子」這幾個種類。

我們日常看到的各種物質，都是由原子組成的，原子又由電子（輕子的一種）以及質子、中子所構成的原子核組成，質子與中子都是有三個夸克透過「膠子」（一種規範玻色子）傳遞的強交互作用力「黏」在一起。

凡是由三個夸克結合而成的粒子都是「重子」。重子的質量比輕子大很多（看名字就知道），也就是說，我們目前看到的大部分的物質，質量幾乎都來自重子。

其實會用「Baryon」這個名字還有一個原因，「無敵鐵金剛」固然經典，但是講到超級機器人，能夠「變形合體」，才是阿宅們究極的夢想啊！所以重甲機神一開始的設定是「三機合體」的機器人，這三部合體前的機械就稱為「真夸克」（Truth）、「魅夸克」（Charm），以及「奇夸克」（Strange），分別由男、女主角以及第二男主角駕駛。

目前夸克一共有六種，分成三代。組成質子與中子的 up 跟 down 是第一代；第二代則是 charm 與 strange；第三代 bottom 與 top，它們一度被部分人稱為 beauty 跟 truth，不過可能大部分的物理學家覺得這兩個名字太過浮誇，所以採用了比較平實的名字。

但是我們要用的話，當然要用浮誇版的「Truth」啦！至於女主角本來應該用相對於「Truth」，同一代的「Beauty」，不過比較起來「Charm」似乎在語感上更勝一籌，所以在懂得粒子物理的人眼中，採用「Charm」的女主角跟採用同屬第二代的「Strange」夸克的第二男主角反而被「送作堆」了。

考慮我們的觀眾群中，粒子物理專家應該不多（吧？），所以還是以「語感」作為命名的優先考量。

包辦陸、海、空：男女主角命名由來

然後三個主要角色的名字，以海為家，因劇情需要經常得怒吼的男主角就叫「雷鳴海」。

身為偶像歌手，擁有天籟歌聲的女主角則是「苗天音」。

第二男主角是個「出生於英國的前美國空軍飛行員」，加上要向「蓋特機器人」的「陸、海、空」三機合體致敬，所以就把「全世界試飛過最多飛機、在航空母艦起降最多次的世界紀錄保持人，英國傳奇飛行員 Eric Brown」加上英國的名門飛機製造商「Westland Aircraft」合起來，叫做「Eric Westland」好了！

附帶一提，Westland 出品最有名的是活躍於 1950 年代的泛用艦載攻擊機「Wyvern」（飛龍），這個代號也使用於押井守導演的名作「機動警察」電影版第二集中，「疑似叛變」的日本空軍 F-16J 戰鬥機，所以本片出現的 F-35 戰機，自然就是叫做「Wyvern」囉！

不過雖然機器人以及主角的名字想了這麼多，可是很不幸的，「三機合體」這個設定被取消了，因為這會讓作畫複雜度與製作成本大幅增加，只好忍痛放棄！

不只如此，一開始「由各種物理研究儀器拼裝而成的機器人」也因為機械設定與作畫的難度太高而做罷，改成探勘海底資源的作業機器人「重甲機兵」以及對抗侵略者的戰鬥用超級機器人「重甲機神」，不管哪一個，都是「一開始就是個機器人的機器人」！

再會了！我們的「物理儀器拼裝機器人」！

還好至少「重甲機神 Baryon」這個名字就這樣定下來了，三個主角也沒有特別要改名的理由，維持「陸海空」三人組。

創造重甲機神的博士：命名「司空」、「弦」來自「物理語感」

接著是兩位物理系老師的代言人，製造出重甲機神的瘋狂博士，取名為「司空弦」！「司空」字面上可以引申解釋成「掌管宇宙的物理定律」之意，「弦」則是影射目前試圖統一解釋所有物理現象的「弦論」（string theory），當然，本片中並沒有碰觸到任何跟弦論有關的物理學，純粹只是「語感」很物理！

另一方面，阿宅們大概也猜得到，是在向「無敵鐵金剛」中的「光子力研究所」所長「弓弦之助」致敬。

最後是重甲機神的家，為人類開拓海洋新邊境的海底都市。決定這個海底基地的名字花的時間連一秒鐘都不到就達成共識，當然是叫「鸚鵡螺」啦！鸚鵡螺是存活在地球上已經數億年，有「活化石」之稱，是古生物學家與演化學家眼中的寶物。

因此，法國科幻小說先驅凡爾納，在他的經典名著「海底兩萬哩」中的超先進潛艇，就命名為「鸚鵡螺號」。之後美國海軍第一艘服役的核子潛艦，也以此命名。目前在太平洋巴布亞新幾內亞海域水面下 1600 公尺，執行人類第一個深海採礦計畫「Solwara 1」的公司，名字就叫做「鸚鵡螺礦業」……

嫌老氣又誇張？這種文字的魔力中二中年才懂得

在創作的過程中，「命名」其實是一個相當奇妙的作業。「名字」只是一個代號，不管名字怎麼取，故事都不會改變，但是「語感」還是有可能會微妙的影響閱聽者看這個故事時的感受，這就是文字的魔力吧！

此外，趁著為角色命名時，可以任意加入自己的各種惡趣味與執念，也算是創作者的特權。至於本片陸續公開情報之後，不時有聽到這樣的抱怨：「雷鳴海、司空弦什麼的，也太老氣又誇張了吧！」由於創作者是幾個中二中年，想出來的名字會有這種感覺也是剛好而已，還請各位多多包涵啊！