鄰近的超級地球—巨蟹座55e可能是顆鑽石行星

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

• 文 | 貝鳶業如

變質隱喻

變質（「後來形成的」）岩石是岩石世界中少數的多語通曉者，一生至少曾在兩種不同的地質環境中居住過。這些岩石所代表的是多元文化，而非文化熔爐。變質作用與熔融無關，而與固態狀態下的再結晶有關，就跟粉狀的新雪被埋起並變得易碎一樣。因此，變質岩的結構和成分風格各異，是其所棲環境的混合產物，這使變質岩成為所有地質文章中最豐富的一種。

變質沉積岩是其中最易閱讀的一種，因為它們可能尚保有分層、漣漪紋，甚至化石等可見的特徵，於是可以由所形成的變質沉積岩（也就是它們的原岩，意為「第一岩石」）中分辨出此種岩石。這就好像你憑著耳朵上一道疤痕的形狀，而認出一位你自孩提時代後就再沒見過面的老朋友。但即便再結晶作用和變形作用已然抹去這些特徵，變質岩的成分還是記錄著自己的起源身分（雖然外貌變了，你的朋友還是記得很久以前的某個夏天，曾與你一同在海灘消磨時光）。

大理岩是由石灰岩加熱所形成，而這兩種岩石主要也都由方解石礦（碳酸鈣，CaCo）所組成。

大理岩之所以呈半透明狀，單純就是因為再結晶顆粒的平均尺寸較大之故。板岩、千枚岩和片岩是頁岩（泥岩）不斷經由高溫烘烤而成。晦暗無光澤的黏土會依變質作用壓力與溫度條件的不同，而形成閃亮的雲母、耐看的紫色石榴石或天藍色的藍晶石，全都是由原來黏土中本來就有的鋁和矽重組而成。

此類只在相當嚴格的物理條件範圍內才會形成的礦物，稱為指標性礦物，是烙印在岩石生涯旅程各個不同關卡的印記。地質學家研讀指標性礦物，便能夠就特定岩石從其起源一路追溯到最深的掩埋處所，再回到他當初無意間撿起這塊岩石的地表。像鑽石這種主要藉由壓力而形成的礦物，是良好的地壓計，提供了礦物形成之時，岩石所處深度的測量讀數。其他只在特定溫度下才會結晶形成的礦物，則被當成地熱計使用。這些受壓力和溫度影響的礦物即便在旅行前往地表時，依然是其宿主岩石的亞穩成分，這就像大雪堆在氣溫升至冰點上之後，還可以繼續存在一段時間。不過，從熱動力學的角度來看，鑽石不盡然恆久遠。與在地表的情況不同的是，鑽石會慢慢劣化成另一種平凡得多的碳結晶形態——石墨，也就是用來製造鉛筆芯的「鉛」。好在對珠寶商和客戶而言，鑽石劣化要耗去好幾段的地質時間。

指標性礦物是辨識岩石變質時構造環境的關鍵。在地球大陸地殼的洞穴裡，溫度會以每公里攝氏二十度的速率穩定上升。

此種變化在礦坑深處便可直接觀察得到，在礦坑的較深處，溫度之高可能使人熱到無力。有些變質岩所含有的礦物集合與這種地熱梯度一致。也就是說，礦物所記錄下的溫度，正與我們預期中岩石所經歷受的壓力（深度）相當。這種以常見方式發展成熟的岩石所經歷過的，稱為一般性的深埋變質作用。

但許多其他的變質岩石所記錄下的溫度和壓力高峰情況，卻與這種典型的地熱梯度並不一致，亦即就岩石所到達的深度而言，這些岩石成分所暗示的溫度要不是太高，就是太低。

這意味著岩石是在熱混亂的情況下產生變質，而這正是岩漿或構造活動的標記。

若一塊岩石所含的指標性礦物在低壓下記錄到高溫（就像天才兒童過早深入成人世界），那麼這岩石必然曾在接近熱源處產生再結晶，熱源則多半是地底的大塊岩漿。

此種岩石所經歷的，稱為接觸變質作用。相反地，若一塊岩石含有高壓礦物（如石榴石、玉、罕見的鑽石等），卻從未經歷過相應的高溫，那麼這塊岩石位於深處之時，必然有某種東西使之冷卻，或至少將之隔絕開來（就像一個天真的成人過著異乎尋常受保護的生活）。

岩石是效能極低的熱導體，因此一塊岩石（尤其是大塊的岩石）是有可能在被熱得多的岩石包圍的情況下，依然保持著涼爽。

「隱沒帶」是海洋地殼因自身重量的拉扯而下沉（就像厚重棉被掉下床去）回到溫暖地函之處，此處便是此種隔絕現象可能出現的地質場景。海洋地層運動進入地函（對流循環的下降部分）的速率，較其因傳導而升溫的速率快了許多倍（岩石很不容易因傳導而增溫），因此海洋地層在隱沒到地函裡千百萬年後，依然能夠保持異常冰冷的表層，這一點甚至可由地震「觀察」得到，因為穿行地球內部的震波在通過這些較冷地帶時，運動速率會提高一些。

已進入隱沒帶的岩石有時候又會再度回到地表，但我們對這種地球消化不良的現象所知極少。這些岩石含有高壓低溫礦物的特徵，很容易被辨識出來。這些岩石稱為藍片岩，因為其中一種富含鈉、稱為「藍閃石」的礦石呈牛仔布色而得名。藍閃石非常罕見，但科學期刊討論它們的篇幅卻很多，因為它們明確地訴說進入隱沒帶的旅程，使我們全都能夠免於走這一遭。再說一次：你得找到對的岩石提問才行。

與隱沒有關的變質岩無疑為地球所獨有。月球、水星、火星和金星上沒有將岩石從地表推回地底深處的構造循環作用，因此應該沒有變質岩的存在（除非你要把因隕石撞擊而受創，發生驚嚇變質的岩石也算進去）。

火星和金星上大規模的火山作用可能使較老的岩石被覆蓋住，因而經歷了深埋變質作用，但由於缺乏有效侵蝕媒介的存在，這些岩石就一直無聲地停留在難以企及的深處，無法到地表來訴說它們的故事。

「鑽石恆久遠，一顆永流傳」是大家耳熟能詳的廣告詞。

鑽石是自然礦物當中最堅硬的，所以被用來象徵愛情的堅定。鑽石的形成相當不容易，要在地心承受熱力及壓力，經過幾千萬年，才能把碳化物轉化成鑽石，還要等待時機，藉由火山爆發或其他自然地心變動，才能將它由地心帶上地表，因此非常稀有。

鑽石的組成引起科學家的興趣。西元 1796 年，英國化學家譚能特 (Smithson Tennant, 1761-1815) 發現等重量的木炭與鑽石經過燃燒會產生等體積的二氧化碳氣體，因而證明鑽石與木炭同樣是碳元素的組成物，只是兩者外型不同而已。這項實驗結果發表後震驚學術界，吸引了不少科學家爭相投入研究並且合成鑽石，但此後的 150 年內並沒有任何一位科學家成功合成鑽石。

我想把石墨變成鑽石！可行嗎？

鑽石與石墨（常見用途為鉛筆筆心）兩者均是由碳原子組成，特性卻有天壤之別，其主要差異來自於原子排列方式不同。即使相同的元素組成，只要排列方式不同，特性就不同。

換句話說，如果能夠將石墨進行重新排列，就能夠將低價的石墨變成閃閃發亮的鑽石，這可能會比找到失落的寶藏更令人振奮。

首先我們來看看石墨與鑽石在結構排列上的差異：

如圖中 (A)、(B) 所示，石墨的結構為平面的層狀排列，而鑽石則為三維度的立體排列。

另外，在上圖中可以看到，石墨上的每一個碳原子周圍有三個碳原子相接鄰（專業的說法稱為「配位」），也就是三配位；而在鑽石當中，則是每一個碳原子為四配位。

換句話說，如果要將石墨轉化成鑽石，最主要的部分就是碳原子配位數的改變。而這樣的改變涉及結構的重組，需要很大的能量。

來打造一顆鑽石吧！

那麼有沒有辦法把廉價的石墨轉化成昂貴稀有的鑽石呢？我們先來了解鑽石在自然界中是如何形成的：

鑽石在地球深處約 5 萬大氣壓力和攝氏 1,200 度以上的條件生成後，經由火山噴出，快速冷卻；但若冷卻緩慢、停留時間夠長，鑽石就有可能轉化成石墨。

所以如果要製造鑽石，就要在實驗室想辦法創造在地殼內形成的這些條件。

高壓高溫法

在 1954 年聖誕節前，美國通用電器公司以高壓高溫法 (High Pressure and High Temperature, HPHT) 在 70,000 大氣壓及攝氏 1,600 度的環境之下將石墨轉化為鑽石，合成出第一顆人造鑽石。但這顆鑽石很小，只有 0.15 mm ，距離量產還相當遙遠。

在此合成的過程中，將石墨置於熔融狀態的鐵、鈷、鎳當中，使石墨也處於熔融狀態，可以進行重排並且催化反應的進行。這樣的環境提供了石墨轉化為鑽石所需要的能量。在此情形之下，層狀石墨（如下圖 (a)）。仍然為三配位，漸漸地有少數碳與其他層間的石墨形成四配位，局部破壞了原有的石墨結構。當反應繼續進行下去，有愈來愈多的碳形成四配位的碳（如下圖 (d)），最後形成了鑽石的結構。

化學氣相沉積法

前述高壓高溫法這樣製造鑽石方式過程太過緩慢，無法滿足商業需求。於是到了 1960 年代，又發展出化學氣相沉積法 (Chemical Vapor Deposition, CVD)。

經過改良且適合用於量產的化學氣相沉積法，是先將一顆小小的鑽石「核心」放入真空環境去除雜質，然後科學家往裡注入溫度高達攝氏 3,000 度的甲烷和氫氣，這些高溫氣體會裂解生成帶電荷離子體，而從甲烷裂解物中釋放出碳原子。碳離子會沉積在「核心」表面，並且複製原來放進去的天然小鑽石核心的結構繼續成長，以每小時 0.006 公厘的速度生長，一顆 1 克拉鑽石可以在幾天內生長完成（如下圖所示）。

目前生產人造鑽石的公司 Diamond Foundry ，則是將高壓高溫法 (HPHT) 與化學氣相沉積法 (CVD) 兩者混合使用，但實際製造方法因具有高度商業價值所以極為保密。

人造鑽石再也不是夢

在實驗室長出來的人造鑽石跟天然鑽石的化學結構完全相同，它們有相同的物理特性，甚至鑽石鑑別專家僅憑肉眼也無法分辨。也因為沒有開採的昂貴成本，這些人造鑽石的市場售價能比天然鑽石低 20% 到 40% 不等。

所以當你看到人造鑽石的時候，千萬不要說它是假的，因為它可能比天然鑽石更純、雜質更少。

參考文獻 ：

1. H. Tracy Hall, 88, Created Man-Made Diamonds 
2. Xie, H., Yin, F., Yu, T., Wang, J., & Liang, C. (2014, August 4). Mechanism for direct graphite-to-diamond phase transition. Scientific Reports. 
3. Get YOUR wedding ring 20% cheaper! Scientists GROW diamonds in a lab that are almost indistinguishable from natural stones 

＿＿＿＿＿＿＿＿＿＿＿
你是國中生或家有國中生或正在教國中生？
科學生跟著課程進度每週更新科學文章並搭配測驗。來科學生陪你一起唸科學！

耶魯大學天文學家Nikku Madhusudhan等人表示：他們發現一顆直徑約為地球兩倍的岩質行星，可能是顆鑽石行星。這是天文學家首度發現基本化學組成和地球不同的岩質行星，這顆行星可能覆滿所謂石墨，在石墨之下則是很厚的一層鑽石，而非一般岩質行星常見的水和花崗岩。

這顆鑽石行星編號為巨蟹座55e（55 Cancri e），直徑約為地球的2倍，質量則約為地球的8倍，故被歸類為所謂的「超級地球（super-Earth）」。它是在巨蟹座55星旁發現的第4顆行星；而巨蟹座55星本身距離地球僅約40光年，以天文尺度而言，就像是在太陽系的後院一樣近，以肉眼就可見到其光點。

巨蟹座55e以超高速繞著它的母恆星跑，環繞其母星一周僅需18小時，相較於地球繞太陽一圈需要365天而言，簡直就是火箭和蝸牛的強烈對比。由於這顆行星距離其母恆星非常近，因此表面相當酷熱，溫度高達攝氏2150度，完全不適合居住。

這顆行星是在去年首度經由凌日的方式偵測到；利用凌日法，天文學家得以精確測量這顆行星的半徑。這個新獲得的訊息，再與最近所估算出的質量加以結合之後，可讓Madhusudhan等人經由電腦模擬方式，推測出有哪些化學組成符合他們所觀測到的特徵。

天文學家先前曾報告過巨蟹座55星的碳元素含量比氧還多，Madhusudhan等人確定這顆行星精確的碳、碳化矽（silicon carbide，即俗稱的金剛砂）和幾乎可忽略的水冰含量，這些組成成分都是可在行星形成階段形成的元素或分子。

而先前天文學家也曾認為：如果巨蟹座55e的化學組成與地球類似的話，那麼應會含有大量過熱水（super-heated water）；但Madhusudhan等人的最新研究卻顯示這顆行星完全不含水，卻是有著大量的碳，而且是以石墨和鑽石型式出現的碳，此外還有鐵、碳化矽，另外或許還有少量的矽酸鹽類；其中，這顆行星總質量的1/3以上（約相當於3倍地球質量）可能都是鑽石，與地球內部富含氧、但極度缺乏碳的情形迥異；地球內部的碳含量，不到地球質量的1/1000。Madhusudhan等人之後將繼續追蹤觀測並研究巨蟹座55e的大氣層以及其母恆星的化學組成，落實有關這顆行星化學組成的發現。

確認這顆是富碳的超級地球後，意味著遙遠的岩質行星們的化學組成、內部結構、大氣層或生物等不再弒必得與地球類似。這項發現同時為地球級系外行星的地球化學與地球物理研究領域開啟一扇新窗，因為含碳豐富的狀況必定會影響這些行星的熱能演化和板塊構造，例如行星上的火山作用、地震活動和造山運動等都可能會有所不同。

恆星本身是很單純，只要給定恆星質量和年齡，就可以得出恆星的基本結構和歷史。可是行星就複雜的多了，這顆富含鑽石的超級地球可能只是這類發現的其中一個範例，未來天文學家們必定會在鄰近其他恆星周圍發現更多特別的行星。

資料來源：Nearby super-Earth likely a diamond planet. Yale News [October 11, 2012]

轉載自 網路天文館