地核快速變化：來自衛星的磁場與重力觀點

• 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。

東晉的葛洪，號抱朴子，是位道家人物，也是位醫藥學家、博物學家。

他寫過一本《神仙傳》，書中介紹女神仙麻姑，說她壽命極長：

「已見東海三為桑田」（已三度見到東海變成桑田）。

這就是成語「滄海桑田」的由來。

滄海桑田，字面的意思是：大海變成桑田，桑田變成大海。桑田，泛指農田。這個成語比喻環境變遷，人事無常，讓我們造個句吧。

• 新北市五股區一帶，原有大片沼澤，現已消失殆盡，不免有滄海桑田之嘆。
• 滄海桑田，有時我們有生之年就能看到，新竹香山的海埔新生地就是個例子。

知道了成語滄海桑田的含意，也學會了怎麼使用這個成語，接下去要談談它的科學意義了。小朋友首先得了解，滄海桑田確有其事，不僅僅只是個形容詞而已。

當年章老師在國中任教時，曾帶領學生到山上採集昆蟲標本。在山路一側的崖壁上，無意中看到貝類化石。細看之下，有牡蠣、貽貝、蛤蜊、海扇等，還有棘皮動物類的海膽。牠們可都是海洋生物，怎會跑到山上？章老師趁機給同學們上了一堂地球科學課程。

地球從地表到地心，明顯分成三層：地殼、地函和地核。地殼由板塊拼合而成，可說是「浮」在地函上。約 600 萬年前，菲律賓海板塊向北移動，撞向歐亞板塊，將中國大陸東南沿海的大陸斜坡抬高，逐漸形成一座島嶼——就是我們台灣啊！到 300 萬年前，大致已成為今天的樣貌。

既然台灣島是大陸斜坡隆起形成的，我們在山上找到海洋生物化石也就不足為奇了。菲律賓海板塊撞向歐亞板塊，這一造山運動迄今仍在進行，中央山脈每年仍升高約 3 公分呢！

台灣海峽很淺，大部份不到 100 公尺。冰河時期，大量的水變成冰，堆積在南北極和高緯度地，造成海水減少，海面下降，這時台灣海峽就露出海面。冰河期結束，大地回暖，海面上升，台灣和大陸再次隔海相望。自從台灣島形成以來，已不知分合多少次了。

最近的一次冰河期，發生在距今 2.5～1.8 萬年前，海面較現今約低 130 公尺，台灣海峽變成陸地，許多動物從大陸徒步遷徙到台灣，包括大象、犀牛和古人類（左鎮人）。左鎮人距今約 1 萬年，和北京周口店發現的山頂洞人差不多同一時期。

我們能想像台灣島是從海中隆起的嗎？我們能想像台灣海峽曾經乾涸成陸地嗎？滄海桑田豈只是個形容詞而已！

• 作者：林彥興｜EASY 天文地科小站主編、清大天文所碩士生，努力在陰溝中仰望繁星

萬眾矚目的詹姆士韋伯太空望遠鏡，在經過半年的校準與測試後，終於公開了它拍攝到的第一批成果。這些五彩斑斕、美麗絕倫的照片究竟是什麼樣的天體，照片的背後又有哪些深藏的意義？就讓我們一起深入解密，韋伯的第一批照片吧！

韋伯望遠鏡是什麼？

詹姆士．韋伯太空望遠鏡是美國、歐洲與加拿大太空總署合作開發的新一代旗艦級紅外線太空望遠鏡，也是無數天文學家夢寐以求、能幫助人類破解許多未解天文迷團的利器。

韋伯的研發其實早從 1996 年就已經開始，但是由於開發時遇到諸多困難，導致嚴重的預算超支與進度延宕，這台耗資上百億美金的超級望遠鏡，直到去年年底才終於從法屬圭亞那發射中心，用一枚亞利安 5 號運載火箭發射升空，前往距離地球 150 萬公里的日地第二拉格朗日點。

• 延伸閱讀：為何 NASA 不惜大撒幣也要把它送上太空？——認識韋伯太空望遠鏡（一）
• 延伸閱讀：史上最大口徑的 JWST 要如何塞進火箭？——認識韋伯太空望遠鏡（二）
• 延伸閱讀：太空巨獸 JWST 升空後的 150 萬里長征 —— 認識韋伯太空望遠鏡（三）

拉格朗日點是什麼？

日地拉格朗日點一共有五個。當物體在這些點上，其受到來自太陽與地球的重力恰到好處，因此太空船只需要少量的燃料，就可以長期與地球和太陽保持穩定的相對位置，可謂是地球軌道附近的風水寶地。

而韋伯繞行的，是位於地球後方的第二拉格朗日點，簡稱 L2。之所以選擇這裡，是因為只有 L2 的位置剛好會讓地球、太陽、月亮都在同一側，而這三個星體正是天文望遠鏡的主要紅外線光害來源。位在 L2 的韋伯，就可以用它的遮陽帆一次把三顆星體全部擋住，認真凝望遠方而不受干擾，因此 L2 可以說是觀測宇宙的絕佳地點。升空的幾個月之間，韋伯已經完成一系列的儀器校準工作，一步步把望遠鏡調整到最佳狀態。

• 延伸閱讀：淺談 JWST 的科學意義：探索宇宙深處與塵埃後的外星世界！——認識韋伯太空望遠鏡（四）
• 延伸閱讀：順利升空只是開始！韋伯太空望遠鏡升空後「必須完美」的 29 天旅程

相比知名前輩「哈伯太空望遠鏡」，韋伯的優勢不只是擁有比哈伯大六倍的鏡面，更重要的是它是以紅外線為主力觀測波段。宇宙膨脹造成嚴重紅移，但哈伯望遠鏡的守備範圍主要是可見光，波長範圍是 90 – 2500 奈米，可說是鞭長莫及啊。

這時換上以波長 600 – 28500 奈米的紅外線為守備範圍的韋伯，就可以讓我們看到更遙遠、更古老的宇宙。此外，同一個天體在可見光和紅外線看起來，往往長得相當不一樣。這個強大的紅外線觀測能力，正是韋伯最引以為傲的武器。

作為深具儀式感的第一批科學影像，韋伯這次公布的影像分別對應四個主要科學主題：早期宇宙、星系演化、恆星的生命循環與系外行星。

1. 早期宇宙—— 星系團 SMACS 0723 與重力透鏡效應

畫面中心黃白色的天體，是由成百上千的星系共同組成的星系團 SMACS 0723。在韋伯之前，哈伯太空望遠鏡就曾經花費數個禮拜的時間拍攝這個星系團。然而擁有更大鏡面、更精良儀器的韋伯，僅用了 12.5 個小時就拍出了解析度更高、畫面品質更好的照片，讓我們看到許多以前難以辨識的黯淡星系。可見哈伯與韋伯在觀測能力上的差距。

對天文學家來說，圖中最令人興奮的其實不是前景壯闊的星系團，而是後方這些經過重力透鏡扭曲和放大的小小星系們。星系團龐大的質量扭曲了周圍的時空，讓整個星系團好像一塊巨大的放大鏡一樣，可以偏折和聚焦通過的星光，稱為「重力透鏡效應」。

當星系團後方更遙遠、更古老的星系發出的光線通過星系團時，就會被星系團的重力透鏡效應偏折和聚焦，形成而圖中無數弧形的扭曲影像。

這些仍在襁褓中的小小星系，往往正在快速的孕育新的恆星，或是互相合併，因此有著混沌不規則的形狀。離我們越遠的星體發出的光，需要越長的時間才能到達我們的眼中。因此研究這些遙遠且古老的星系，能幫助天文學家理解宇宙早期的模樣。

2. 星系演化——史蒂芬五重奏（Stephan’s Quintet）

上一張照片讓我們認識星系的起源，這張「史蒂芬五重奏（Stephan’s Quintet）」則可以讓天文學家更仔細地研究星系內的複雜結構，以及星系與星系之間的交互作用。

正如其名，「史蒂芬五重奏（Stephan’s Quintet）」是由五個視覺上相當靠近的星系所組成。但其實最左邊的這個星系（NGC7320）與另外四者並無關聯，只是從地球上看剛好位在天空中差不多的位置而已。

圖片中偏向黃白色，感覺如絲綢般順滑的部分是在近紅外線波段拍攝，主要顯示的是星系中恆星的分布；而醒目的橘紅色，則是來自中紅外波段的資料，展示的是星系中的高溫塵埃，以及星系中的氣體高速對撞時產生的震波（Shock wave）。

除了影像，韋伯還使用光譜儀仔細檢視了影像中右上方的星系（NGC 7319）中心，因為那裏有一顆比太陽重 2400 萬倍的超大質量黑洞，正在吸食周遭的氣體，並在過程中釋放巨大的能量。

藉由觀察光譜的細節，韋伯可以分辨出像是氬離子、氖離子或是氫分子等等化學組成，甚至知道氣體的溫度、運動速度這些從一般照片難以辨識的資訊。

史蒂芬五重奏就像一個天然的實驗場，讓天文學家研究星系演化的詳細過程。

3. 系外行星——WASP-96 b 的大氣光譜

這一張照片可能是整批影像中，視覺上最不起眼的一張，它是系外行星 WASP-96 b 的大氣光譜。

最近 20 多年來，人類對太陽系以外行星的認識越來越多。截至今日，人類已經發現超過 5000 顆系外行星。然而，以現有的觀測技術，天文學家通常只能用一些間接的方法，測量它們的質量、半徑、軌道週期等粗略的特性。想知道這個行星是否適合生命生存，就不能少了行星大氣層的化學組成和溫度資訊。

那要怎麼取得行星的大氣資訊呢？當行星通過恆星跟地球中間時，恆星的一部分星光將會通過行星的大氣層，並被行星的大氣吸收。吸收的多寡和波段，取決於行星大氣層的溫度和化學組成等特性。此時，天文學家就可以藉由分析光譜中的各種特徵，去回推行星大氣層的性質。

圖片中的白點，即是韋伯實際觀測 WASP-96 b 時取得的光譜資訊。而藍色的線，則是天文學家認為最貼合觀測數據的理論模型。

根據這個觀測結果，天文學家計算出 WASP-96 b 的大氣溫度約為 725°C，大氣中明顯有著水氣，並推測可能還有雲和霾存在。未來進一步的分析和觀測，將為世人揭開更多系外行星的神祕面紗。

4. 恆星的生命循環——「南環狀星雲」與「船底座大星雲（Carina）」

最後兩張照片都與恆星的生命循環有關。正如人會有生老病死，恆星也是一樣。

恆星一般誕生在巨大分子雲中，氣體在重力吸引下逐漸塌縮、升溫並點燃核融合，成為一顆恆星。

當小質量的恆星步入晚年，其結構容易變得不穩定，最終將自己的外層氣體拋射出去，形成美麗的行星狀星雲，也將氣體吐回到星際空間中，成為下一代恆星的養分。氣體都拋射完之後留下的核心，就是白矮星。

• 延伸閱讀：宇宙「新」光──新星、超新星與千級新星

各位現在看到的，是暱稱「南環狀星雲」的行星狀星雲，左右兩張圖分別於近紅外線與中紅外線拍攝。

我們可以看到，左圖中的影像比右圖要更清晰一些，這是因為在相同的望遠鏡口徑下，波長越短所能達到的理論解析度就越高。

有趣的是，在左圖中看起來位於星雲中心的明亮恆星，其實並不是行星狀星雲的核心。真正的核心其實是在其左下方，一顆被塵埃包裹著的黯淡白矮星。在近紅外線波段的影像中，這顆白矮星幾乎淹沒在隔壁恆星的炙烈星芒之中。

但在中紅外波段，由於恆星的亮度相對降低，包裹著白矮星的塵埃發出的光就變得清晰可見。再次展示即使是同一個天體，使用不同的波段進行觀測，往往可以看到不同的東西。

最後這片壯麗的宇宙山崖，則是位於「船底座大星雲 Carina」西北角的 NGC3324 恆星形成區。在這裡，源自星雲中無數初生恆星所發出的炙烈輻射、恆星風與噴流，吹散、游離了星雲中原有的濃密氣體與塵埃。交織出這片壯闊而複雜的結構。

這張照片一共結合了這六個不同的濾鏡的影像拍攝而成。每個濾鏡涵蓋的波段各不相同，代表的物理意義也不一樣。比如（F090W、F200W、F444W）這三個寬帶濾鏡，分別在影像中按照波長順序，以藍色、綠色和紅色這三原色呈現，為照片打下骨幹。而在此之上，照片的製作團隊又疊上青色代表氫原子的（F187N）濾鏡影像，以黃色代表氫分子的（F470N）濾鏡影像，以及用橘色代表甲烷和多環芳香烴的 （F335M） 濾鏡影像，為照片再添更多的細節。

• 延伸閱讀：用黑白相機拍出色彩繽紛的宇宙

想要將這麼多個波段的影像全部結合起來，仔細調整讓細節更加突出，最終呈現出一張如此絢麗又震撼的照片，是非常不容易的。這展示了韋伯太空望遠鏡不僅在科學上相當重要，在藝術上也價值非凡。

最後別忘了，以上只挑選介紹了第一批資料中最具代表性的幾張，更多關於五個目標的照片和光譜，可以在韋伯的官網上找到。而這批照片，又只是韋伯未來二十年服役生涯中，前兩個月的小試牛刀而已。韋伯的時代，才剛剛要開始！