2

5
4

文字

分享

2
5
4

能量看不到,那就透過介質來觀察吧!——《物理學的演進》

商周出版_96
・2021/04/17 ・2453字 ・閱讀時間約 5 分鐘 ・SR值 554 ・八年級

-----廣告,請繼續往下閱讀-----

  • 作者|Albert Einstein, Leopold Infeld
  • 譯者|王文生

雖然沒有任何實際參與流言散布的人真的在兩個城市間旅行,來自倫敦的小道消息,很快地傳到了愛丁堡。這個過程,涉及兩種截然不同的動作,一種和流言本身有關,從倫敦到愛丁堡;另一種,則要歸咎散播流言的人。一陣風吹過麥田,帶起一道穿過整片田地的麥浪。這一次,我們還是要分清楚波的運動,以及個別植物的運動之間的差異。植物只是稍稍晃動而已。我們曾經看過,把石頭丟進池塘中,水波的圓越來越大,藉此傳播出去。

波的運動方式,和水粒子的運動方式相當不同。水粒子只是上下運動。我們觀察到波的運動,是物質的狀態變化,物質本身並不是波。

從水面上的一顆軟木塞就能清楚地見到這個現象。軟木塞上上下下的動作,和水實際上的運動類似,它的運動不是波造成的。

把石頭丟進池塘中,水波的圓越來越大,藉此傳播出去。圖/Pexels

為了深入了解波的機制,我們再來考慮一項思想實驗。假設在一個足夠大的空間裡,均勻地被水、空氣,或其他種「介質」填滿。空間的中央處有一個球體。實驗開始時,沒有任何運動。突然,球體開始規律地「呼吸」,體積擴張,然後縮小,在此同時維持球狀的外表。介質會發生什麼變化?我們從球體開始擴張的瞬間開始分析。緊鄰球體的粒子被推開,導致周邊一層球殼狀的水,或是空氣的密度上升,高於正常值。經由類似的過程,球體縮小時,緊鄰球體介質的密度下降了(下圖)。組成介質的粒子只是微幅振動,但是,整體的運動卻是一個行進的波。基本上,我們現在正踏入全新的領域,第一次考慮物質以外的運動,也就是經由物質傳遞的能量產生的運動。

球體縮小時,緊鄰球體介質的密度下降了。圖/《物理學的演進

以脈衝球體為例,我們可以導入定義波的性質時相當重要的兩項普通物理觀念。首先是速度,描述波的傳遞。它和介質有關,例如,波在水和空氣的傳播速度不同。其次是波長 (Wave Length)。在海上或河流傳遞的波,它的波長是從一個波到另一個波距離,或是一個波峰到另一個波峰的距離。因此,海上的波相較於河裡的波具有較大的波長。至於脈衝球體產生的波,波長是在某個固定時間點,兩個密度最大或最小的相鄰球殼之間的距離。很明顯,這個距離不會只和介質有關,脈衝球體縮放的速度顯然對波長有不小的影響。縮放的速度越快,波長越小;縮放速度越快,波長越大。

-----廣告,請繼續往下閱讀-----

波的觀念在物理學取得巨大的成功。

波是力學的觀念,這點無庸置疑。波的現象被簡化為粒子的運動,而且根據動力學理論,粒子由物質組成。因此,所有用到波的觀念的理論,一般來說都能視為力學理論。比方說,聲學現象的解釋,基本上建立在波的觀念。物體的振動,像是聲帶和琴弦,是聲波的來源。聲波在空氣中的傳遞模式,和脈衝球體波相同。如此一來,將所有聲學現象透過波的觀念簡化為力學是可能的。

前面已經強調過,我們得清楚地分辨粒子的運動和波的運動,後者是介質的一種狀態。兩種運動差異不小,但是,在脈衝球體的例子,兩種運動顯然發生在同一條直線上。介質粒子在一條短線段上振盪,隨著振盪運動,介質密度週期性地增加和減少。波傳遞的方向,與振盪發生的直線的方向,兩者相同。這種類型的波,稱為縱波 (Longitudinal wave)。但是,波只有這一種形態嗎?為了接下來的討論,我們必須認知到另一種類型的波存在的可能性,稱為橫波 (Transverse wave)。

我們調整一下先前的例子。現在依然有一個球體,但是它浸在一種膠狀介質裡,不是空氣,也不是水。此外,球體不再是縮放,而是朝一個方向旋轉一個小角度,再轉回來。旋轉的節奏是固定的,轉軸也不變。膠狀介質附著在球體周遭,被迫以相同的方式運動(下圖)。一部分的力作用在稍微遠一點的地方,造成該處產生相同的運動,如此一來,介質中就產生一個波。如果我們留意到介質的運動與波的運動之間的差異,會發現它們並不是發生在同一條直線上。波沿著球體的直徑方向傳播,而介質的運動則和這個方向垂直。以此方式,我們造出一個橫波。

膠狀介質附著在球體周遭,被迫以相同的方式運動。圖/《物理學的演進

在水的表面傳遞的波是橫波。漂浮的軟木塞上下浮動,水波則沿著水平面傳遞。另一方面,聲波則是我們最熟悉的縱波範例。

-----廣告,請繼續往下閱讀-----

還有一點:脈衝的球體和震動的球體,在同質的均勻介質中製造的是球形波。這是因為在任意時間點,任何圍繞著球體的球殼上的任何一點,行為都是相同的。讓我們考慮位在波源遠處,以波源為球心的球殼上的一個小塊。我們考慮的小塊越小,距離波源越遠,它就越接近一個平面。若不做太嚴謹的考慮,可以說半徑夠大的球殼上的一小部分,和平面其實沒有什麼差距。我們常常把遠離波源的球形波上的一小部分,稱為平面波。如果把下圖著色的區域再向遠離球心的方向移動,兩條半徑中間的夾角就會越來越小,更接近平面波。平面波的觀念和某些物理觀念很類似,它們是虛構的,無法以完美的精確度製造出來。然而,平面波依然是相當有用的物理觀念,不一會就能派上用場。

著色的區域再向遠離球心的方向移動,兩條半徑中間的夾角就會越來越小,更接近平面波。圖/《物理學的演進
——本文摘自《物理學的演進》,2021年2月,商周出版。
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

4
0

文字

分享

1
4
0
「真.無線充電」?試試電磁波獵能手環,你的身體就是最好的捕能裝置!
PanSci_96
・2023/04/22 ・2679字 ・閱讀時間約 5 分鐘

你的手機能無線充電嗎?不過,雖說是無線充電,但還是得要放在充電盤上,由充電盤連結一條電線,這樣的充電方式,想必跟大家期待的「真.無線充電」有落差。

好消息是,有人提出一種藉由捕捉空間中的無線電波、獲得電能的無線充電方式,所以代表這些電能是完全免費的!但……這是真的嗎?

隔空充電可行嗎

現在我們已經可以透過無線網路串連全球的資訊,但是遠距能量傳輸卻尚未成真。

當代的無線通訊裝置,舉凡手機電話、wifi 網路、無線電、衛星定位等,都可以靠著不斷地發射無線電波來交換訊息。不過其實仔細想想,無線電波、電磁波其實就是不斷變化的電磁場。既然可以透過磁場變化來傳遞能量,那這些強大的電磁波網絡,是不是也可以拿來傳遞電能呢?

-----廣告,請繼續往下閱讀-----

實際上還真有類似的例子,一百年前最早的收音機竟然完全不需要插電!礦石收音機只需要天然礦石、金屬針、線圈和一些電線,就能收到附近廣播電台送出的訊號,轉換成聲音並放出。

那麼為什麼沒有沿用至今呢?主要就是效率的問題。礦石收音機需要不斷調整金屬針接觸礦石的位置,還得拉長長的天線來捕捉更多的無線電波;市售的礦石收音機玩具,甚至附有一條長長的鱷魚夾電線,可以接到大型金屬家具,產生更清楚、更大聲的聲音。當然這種收音機很快就被以電驅動的真空管收音機取代了。

2021 年初小米曾發表過隔空充電技術專利,利用指向型遠距充電,系統會先定位出手機的位置,再透過多個天線組成的陣列將電波瞄準發射給手機,克服電磁波發散的問題,據稱能在數公尺內進行無線 5W 的無線充電,雖然還不到快充,但也算是革命性突破。不過目前還在技術發表階段,尚未正式推出。

礦石收音機是利用天然礦石或晶體,加上天線、地線和調諧電路,所製成的收音機。圖/維基百科

無線射頻獵能

再換個角度思考,能量在傳遞的時候會向四周發散,而我們生活周遭到處都是會發出電磁波的 3C 產品,那能不能反過來,捕捉這些由其他電器溢散的電磁波,並轉為能量呢?

-----廣告,請繼續往下閱讀-----

還真的有人這麼做了。收集這些廢能,並轉化成可用電能的技術,就稱為「無線射頻獵能」。近十年來,有許多相關的技術與研究,不過效率大多還未到達實用階段。

就在今年一月,美國麻州大學團隊發表了一種可以用於無線射頻獵能的線圈手環,而且功率竟然比一般的線圈天線高十倍以上。

有趣的是,其實他們當時並不是在研究無線充電,而是如何使用 LED 快速閃爍來傳遞訊息;這種名為可見光通訊 VLC 的技術,有望成為未來 6G 通訊的方式。但發現到,這種技術需要 LED 以每秒數百萬次的頻率閃爍,過程中會釋放出大量不可用的無線電波,浪費掉許多能量;於是轉念一想,嘗試用線圈收集這些逸散的能量,降低傳訊時的能量浪費。

研究團隊發現,當線圈靠近金屬片時,收集能量的效率會變得更好。透過反射增強訊號,金屬片吸收環境中的電磁波再向外放出;隨著金屬片面積越大,攔截到的電磁波也越多,收集能量的效果也越好。

-----廣告,請繼續往下閱讀-----

但是無線充電就是要擺脫這些笨重的金屬板,於是研究人員開始拿生活周遭的 3C 產品來進行實驗。從獵能的功率來看,效果最好的依序是筆電、平板、手機。這和預期的一樣:面積越大,獵能效果越好。

然而,意想不到的是,實驗效果最好的,竟然是人體!

推測這是因為人體中含有大量水分,其容易導電、被極化的特性有助於蒐集空間中的電磁波。人體就是一根巨大的共振天線,能增加無線電訊號的發射效率,同樣的道理,也可以用來收集環境中的無線電波能量。

人體是巨大的共振天線!圖/GIPHY

研究團隊將線圈手環的設計稱為「Bracelet+」,是第一個借助人體的獵能裝置;後續又嘗試將線圈做成戒指和手環,希望能打造出輕便的隨身獵能裝置。

-----廣告,請繼續往下閱讀-----

那這樣是不是以後只要綁條線圈在手上,就再也不需要幫手機充電了呢?該線圈手環目前在數公尺的距離外最多可以捕獲微瓦等級的功率,也就是百萬分之一瓦。用這種電壓當然不可能幫手機充電,不過已經足以供應一些低功耗的隨身裝置,像是常見的智慧健康手環,或是負責監控體溫或血糖的元件,甚至類似心律調節器的植入式醫療器材,或許就可以利用該線圈設計,減少充電的頻率。

在 5G 物聯網的架構中,各種居家和隨身裝置必須隨時維持連線,如何為這些獨立、低功耗的裝置供電便成了重要的課題。在這種情況下,如果可以汲取周遭無線電波的廢能,不只可以節省能源,還能免去定期更換電池或充電的麻煩。

遠距充電熱潮

目前的 5G 和開發中的 6G 技術,都持續往電磁頻譜中更高頻率的部分去探索,設置覆蓋率更高、頻譜更寬的無線通訊網絡,而這些頻率的電磁波也將為無線充電帶來新的發展機會。

去年在 Scientific Reports 期刊上,有篇研究提出了 5G 網路作為電力網的想法。團隊針對 5G 使用的頻率設計出一種天線以及搭配的電路,可以在 180 公尺外接收到 6 微瓦,為無線電力網的夢想邁出了第一步。

-----廣告,請繼續往下閱讀-----

不過,在這波遠距無線充電的熱潮下,市面上也出現許多令人半信半疑的遠距充電技術。

例如 2011 年一家新創公司推出了超音波充電技術,宣稱可以透過空氣的震動替手機充電;然而,雖說超音波充電雖然在原理上可能可以運作,但在充電效率和經濟成本上根本不切實際,對人體健康的影響也相當有爭議。

除此之外,還有一家叫做 TechNovator 的公司推出了前所未聞的量子充電技術,他們宣稱可以透過「能量量子化」來傳輸能量,並且在「空間中創造能量結構」,還不需要任何形式的電磁場,就可以達成 100 瓦的無線充電!至於到底有沒有這麼好的事,就留給各位判斷了。

在所有物品與資訊都以無線網路相連的這個時代,無線的電力傳輸與電力網是關鍵的下一步;能夠有效的無線傳輸能量,才能讓我們生活周遭的智慧裝置擺脫電線的束縛,減少電池的消耗,成為一個自由移動,自給自足的物聯網。

-----廣告,請繼續往下閱讀-----

不論是透過可見光、wifi、還是 5G 訊號,無線且遠距的充電與獵能,將來勢必會有讓人驚豔的發展。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 1
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

2

3
0

文字

分享

2
3
0
盤點全球生活條件——我們需要多少能量,才能讓所有人過上體面的生活?
安比西林_96
・2021/10/01 ・2933字 ・閱讀時間約 6 分鐘

每天煩惱三餐要吃什麽、出門要怎麽穿、回家後有沒有舒適的被窩可以鑽,應該是我們大部分人的日常。然而,在社會的某些角落,「貧窮」卻可能讓人連基本生理需求都難以滿足。

要消除貧窮,免不了增加資源消耗,但全球暖化危機當前,人類又不得不展開節能減碳的行動。面對「對抗貧窮和調適氣候變遷,兩者是否相互衝突」的疑問,科學家們提出了一個直指核心的問題:我們需要多少能量,才能讓所有人過上體面的生活?

打造放諸四海皆準的人類基本福祉指標!

為了解答這個大哉問,來自國際應用系統分析研究所(IIASA)的研究者們,提出了一個新的指標——「體面生活標準」(Decent Living Standards,DLS )。它源自於基本人權與公平正義的普世理念,定義為任何人都應享有的一系列基礎物質與社會滿足要件;不論你出身何處、對好的生活有何想法,或擁有什麽訴求

這些基礎條件,可以分為五大面向:營養(Nutrient)、庇護所(Shelter)、健康(Health)、社會互動(Socialization)及可移動性(Mobility)。在食衣住行方面,除了三餐溫飽及空間大小充裕的住處外,DLS 更貼心地考慮生活的細緻之處,例如乾淨的衛浴、可以烹飪、保存食物的基礎家電,以及高緯度地區在冬、夏兩季不可或缺的溫控設備等等。DLS 也不止步於基本物質需求,更涵括一個健全生活的人應享有的醫療服務、義務教育,使用基本通訊和交通設施,以及進行社交聯繫和政治參與的權利。

「體面生活標準」所列出的指標。圖/參考資料 2

逐項列出統一化的 DLS 各面向的要求後,研究者們會根據不同國情,例如氣候、都市化程度、文化及科技經濟結構的程度,去計算各國達成這些基準的閾值能量。除了國與國的差異,在計算上,也會納入在地的城鄉差距。

舉例來説,訂定了擁有足夠空間和熱舒適的房屋通用標準後,研究者會把它換算成各地所用的不同建材,及建設與維持各類民生服務的基礎設施(如水電廠、運輸系統等)所需耗費的能量。有了 DLS 的理想標竿值,再與每個國家目前用於實現 DLS 的能源進行比較,就可估算出填補 DLS 缺口所需的能源需求。

-----廣告,請繼續往下閱讀-----

為什麼要以「能量」衡量生活標準?

過去,我們總是以滿足生活標準的最低收入,來制定貧窮線的水平。但 DLS 作為最低限度理想生活的基準,採用的是計算能源消耗量(energy consumption)常用的單位,即千兆焦耳(Gigajoule,GJ)或十萬億焦耳(Exajoule,EJ)。一般國家的能源消耗量,都與基礎建設有關,大部分來自化學燃料的燃燒,以及水力發電、核電、風力發電、太陽能發電等。

值得注意的是,DLS 分析結果顯示,無法過上體面生活的人,數量遠比處在貧窮線底下的人來得多!這說明:現有衡量貧富的指標,跟實際情況是脫節的。以金錢收入作為生活水平的衡量單位,是預設個人能透過消費,去換取相應的生活品質。但現實中,有一大部分的人,即使收入高於貧窮門檻,現今社會所投入建設的能源,卻未必足以讓他們過上體面的生活。

因此比起以金錢為單位,DLS 由下而上(bottom-up)去推算建設和維持基本物質需求所耗費能量的模式,也許更適合作為反映人類生活品質的指標。以消耗能量為單位的 DLS 不只有物質條件,也納入社會層面的需求,因此可以為政策制定者在思考資源規劃時,提供更直接、全面的參考。

世界並不公平,尤其在所需耗費的能量上

上方柱狀圖中表示的是各區域平均人口與 DLS 之間的差距,空白間隙及其上數值越大,表示距離達至 DLS 的缺口越大。而下方光譜顯示由 0 至 1 表示體面生活至缺乏體面生活的量度,顔色越深則表示越沒有體面的生活。圖/參考資料 1

搭配各國戶口統計調查、世界銀行(World Bank)發展指標等數據,研究者推算出世界各國在不同面向上與 DLS 的差距。結果顯示,北半球的北美與歐洲,大部分人民都過著與 DLS 相距不遠的生活。然而,南方卻呈現截然不同的境況。

-----廣告,請繼續往下閱讀-----

在撒哈拉以南的非洲國家,有超過 60% 的人口在居家、溫控、衛浴與飲用水設施上,都相當匱乏。部分南亞與太平洋地區也面臨類似困境,尤其缺少乾淨的保暖與烹飪設施。這與他們使用的傳統生質能源帶來的不良健康影響有關。此外,部分亞洲、中東、拉丁美洲地區,也存在不便取得飲用水和保暖設施等等的缺口。

那麽,要投入資源做新建設,弭平當今與未來人口與 DLS 之間的距離,我們還需要多少能量呢?研究者設定情境估算,在 2040 年前,我們總共需要 290 EJ 的累積能量——大概是如今全世界每年所消耗能量的四分之三!是的,當今世界平均所消耗的能量,其實早已超過滿足每個人 DLS 的額度。在提升生活標準的耗能中,有大半會是拿來打造適宜的居所,四分之一用以建設以公共交通為主的交通設施,而改善健康營養所需的能量,會比推動社會互動來得少。

上圖顯示 2015 年至 2040 年間,全球用以投入建設以達到 DLS 所需的累積能量。不同顏色的區塊代表不同 DLS 的面向,而區塊大小則表示其所占總能量的比例。圖/參考資料 1

如果我們能成功在 2040 年時,讓所有人都達到 DLS,那在 2050 年時達到體面生活,最終需要年均 156 EJ 的能量,其中 108 EJ 會是供南方世界所用。到時候,人類生活的耗能大抵都會用在移動、通勤上,其次是維持健康及居住品質,而投入在維持社會互動所需的能量所占比例最低。

2050 年時,用以支持全球人口達到 DLS 所需的年均能量。圖/Kikstra, et al. (2021)

另一個研究的重要發現是,由於各地的氣候、文化和交通管道不同,即使在同一套 DLS 下,有些地區就是會比其他地區耗費更多能量,才能達到相同的基準,這個能量差異甚至可達 4 倍!例如,高緯度國家會需要耗費更多能量,來維持相同舒適的室内溫度;同樣的通勤距離,公共交通覆蓋率高的國家不需太多能量就能完成,但在個人擁車率高的地區,就會產生更多耗能。

-----廣告,請繼續往下閱讀-----

結論:消除貧窮與對抗氣候變遷不衝突

總體而言,DLS 的研究結果,在貧富懸殊與氣候正義議題上提供了新的視野,告訴我們:投入消除貧窮的能量,並不會對調適氣候變遷的行動產生威脅。現今人類社會所產生的能量,其實大都挹注在讓原本就充裕的生活更好,而非幫助仍在體面生活基準下的人。因此,各國如何在經濟成長與耗能規劃上取捨,找出更公正、有效率的資源重分配方式,才是關鍵解決之道。

參考資料

  1. Decent living gaps and energy needs around the world
  2. Decent Living Standards: Material Prerequisites for Human Wellbeing
  3. Energy requirements for decent living in India, Brazil and South Africa
  4. 让全球老百姓过上体面生活不会拖累气候减排目标
  5. How much energy do we need to achieve a decent life for all?
  6. 維基百科:貧窮門檻
-----廣告,請繼續往下閱讀-----
所有討論 2
安比西林_96
10 篇文章 ・ 9 位粉絲
本職為生態環境領域的可撥煙酒生。 不定時掉落科普文章。 大家一起嗑科科(❍ᴥ❍ʋ)