Loading [MathJax]/extensions/tex2jax.js

2

10
2

文字

分享

2
10
2

2021 諾貝爾物理獎得主真鍋淑郎——地表模型開山始祖,研究地表模式都要引用他的論文

Y.-S. Lu
・2021/10/14 ・2990字 ・閱讀時間約 6 分鐘

  • 作者|盧彥森,目前任職於 德國于利希研究中心 能源與氣候研究所

第一個地表模型的開發者——真鍋淑郎

在大氣科學領域中,有一部份專業領域統稱為「氣象模擬」,其中,有一門名為「地表模式」的領域,是專門算地表上各種物理、化學、生物作用的行為。

在做這些模擬的研究者中,有個很有名的日本名字,叫做 Manabe,他的論文會一直出現在大家眼前,也就是(只有我們在乎的)《 Manabe 1969, CLIMATE AND THE OCEAN CIRCULATION I : THE ATMOSPHERIC CIRCULATION AND THE HYDROLOGY OF THE EARTH’S SURFACE 》[1]最近因為大量的報導,我才知道原來他名字的漢字是——真鍋淑郎,也就是第一個地表模型的開發者,而在 2021 年時,他拿下了諾貝爾獎。

真鍋淑郎,2021年諾貝爾物理學獎得主之一。圖/維基百科

地表模式(Land Surface Model)在大氣模擬中有舉足輕重的地位,可以算地面是怎麼跟大氣作反應的,像是降水是怎麼被樹冠層截流、土壤水是怎麼變成地表逕流跟地下水、水是怎麼靠蒸散發回到大氣中;還有太陽光怎麼被地面或葉面吸收、能量怎麼被蒸散發作用給吸收、地面上的溫度增加或減少了多少,還有太陽輻射是有多少返回大氣層。

而真鍋淑郎的地表模式,則涵蓋了一大部份的物理反應,供美國國家海洋暨大氣總署(NOAA)的 Geophysical Fluid Dynamics Laboratory 的全球大氣模型使用。

-----廣告,請繼續往下閱讀-----
Geophysical Fluid Dynamics Laboratory 圖/Geophysical Fluid Dynamics Laboratory

不過學界是殘酷的。在那個電腦比房子貴的年代(房價在 1960 年的中位數約為$11,900,CNBC報導),真鍋順便背了個學界的鍋,像是:你的模型是不夠真實的、你的土壤濕度估算不夠物理……等因為電腦計算跟理論發展還不夠成熟,所以尚未發展的物理與計算方法。

後來的論文也會稱真鍋的地表模式是水桶模型(因為其計算土壤濕度的方法宛如水桶一樣,滿了就去除,而非經土壤中水流方法流走的)。但無論如何,第一個地表模型,基本上就是真鍋與他在普林斯頓的好夥伴們發展出來的。因此,真鍋的地表模型也在後來的論文中,尊稱為第一代的地表模式,建立起祖師爺等級的封號(Sellers et al., 1997)。

水桶模型後,百家爭鳴的地表模式大戰

雖然第一代的地表模式,土壤當做水桶,地上也沒有植物,更不要說可以進行光合作用或是碳排放來研究二氧化碳是怎麼搞壞我們的人生,但也讓後續的第二代地表模型有了出發點。

1980年後,在個人電腦逐漸普及後,地表模式也開始百家爭鳴,其中真鍋的身影也就只存在各家論文的引用中了。後來再出現時,則是在地表模式大戰——PILPS(Project for the Intercomparison of Land-surface Parametrization Schemes)[2]。這個計畫中,以水桶模型這個稱號出現。基本上始於 1995 年的 PILPS 計畫,就是利用荷蘭的 Cabauw 量測站測到的氣象狀況,來驗證各家第二代的地表模式中,誰才是最強的。

荷蘭 Cabauw 村莊。圖/維基百科

當然結果就是,沒有誰家最強。

更重要的是,雖然地表模式都比真鍋的模型更複雜了一點,但是有個東西是沒有人考慮到的:光合作用

-----廣告,請繼續往下閱讀-----

當時各家的蒸散發公式,主要都是用Jarvis的葉面氣孔參數化公式做考量[3],所以也沒有真的考慮到二氧化碳、水、太陽之間的直接關聯。而做出這個關連性主要公式——Farquhar等人[4] 的二氧化碳同化作用公式,才在 1980 年時正式發表,離他同事 Berry 拿去演化成植物氣孔跟光合作用的連動公式[5],還有七年。而在地表模型大戰中發表的模型,其實都長得 87% 像。

在 1997 年時,NASA 的 Sellers等人[6],與多位同樣是地表模式的作者與植物氣孔模擬專家,在《Science》期刊中,登高一呼:我們要有能夠計算生態跟複雜物理的模型!畢竟在 PILPS 的大戰中,沒有真正的勝者,也沒有真正的輸家,甚至我們的真鍋大哥在水文計算上也沒有輸[2]

所以在 2003 年,集合了 PILPS 大戰中和解的部份朋友們,第一支集眾人之力誕生的通用地表模式(Common Land Model)上線了[7],這支從 1998 年開始寫的程式,過了近五年後才發表,算是第三代地表模式的代表作

而這個第三代中,植物終於開始有了它的意義,這植物的葉子終於可以隨四季生長了,也會行光合作用了,土壤也增厚到兩公尺多了,土壤也會依不飽和水流公式往下滲流,也可以計算堆雪了。其中最重要的,就是那光合作用公式的應用。

-----廣告,請繼續往下閱讀-----

持續再精進與貢獻

之後的地表模式,就一直著重在地面植物的改良,讓植物越來越真,從一開始的沒有植物,到會蒸發水,再到會跟二氧化碳互動,以及跟氮交互作用,計算植物的農作產出,一步步朝著更精細的方向前進。

當然地表模式也有很多需要改良的地方,首先是地表模型是假設地表跟大氣是一維方向的互動,而土壤中水流也是只會向下滲流,如果要計算真正的水流,就必須要進行三維的地下水流動,這就是另外一個耗資源的計算。另外植物也不是真的植物,植物被假設只有四片葉子,還只有一層。

英國的「JULES」模型曾報告說他們做了個多層葉冠層的模型,最後只能淡淡的說因為計算資源耗太兇,所以沒算完 [8]。更甚者,地底下的根是「死」的,一年四季,不生不滅、不垢不淨,持續地在只有兩公尺厚的土裡,把水吸到植物中行光合作用(Pitman, 2003)[9]

所以無論如何,地表模型不僅不死,其勢更烈,因為有太多的東西可以靠地表模式來計算,像是人類對地球表面的影響、化合物排放,也都可以靠地表模式計算其對大氣的影響,就連地下水模型也都要拜託地表模式處理複雜的地表水文狀況[10]

從 1969 年到 2021 年,無數的改良與改版,還有兩次的超級地表模式大戰(第二次利用 Rhône 流域量測結果[11]),都增加了人們對大氣系統的了解,並且一步步改善天氣預報的準確度,而其中的功臣之一,當然是真鍋博士在 1969 年,比 Unix 更早發表的地式模型,所以的確功不可沒,而現在地球科學的眾多估算中,地表模式解決了很多的水文與能量問題,更遑論對氣候變遷的計算,才能在1975年提出二氧化碳加劇溫度上升的研究[12]。拿下諾貝爾獎,不僅僅是贊同真鍋博士的功勞,更是對大氣模擬界的慰勞吧。

-----廣告,請繼續往下閱讀-----

參考資料

  1. Manabe S. (1969). CLIMATE AND THE OCEAN CIRCULATION 1: I. THE ATMOSPHERIC CIRCULATION AND THE HYDROLOGY OF THE EARTH’S SURFACE. Mon. Weather Rev. 97:739–774.
  2. Pitman, A. J., Henderson-Sellers, A., Desborough, C. E., Yang, Z. L., Abramopoulos, F., Boone, A., … & Xue, Y. (1999). Key results and implications from phase 1 (c) of the Project for Intercomparison of Land-surface Parametrization Schemes. Climate Dynamics, 15(9), 673-684.
  3. Jarvis PG. (1976). The Interpretation of the Variations in Leaf Water Potential and Stomatal Conductance Found in Canopies in the Field. Philos. Trans. R. Soc. Lond. B Biol. Sci. 273:593–610.
  4. Farquhar, G. D., von Caemmerer, S. V., & Berry, J. A. (1980). A biochemical model of photosynthetic CO 2 assimilation in leaves of C 3 species. Planta, 149(1), 78-90.
  5. Ball JT., Woodrow IE., Berry JA. (1987). A model predicting stomatal conductance and its contribution to the control of photosynthesis under different environmental conditions. In: Progress in photosynthesis research. Springer, 221–224.
  6. Sellers PJ., Dickinson RE., Randall DA., Betts AK., Hall FG., Berry JA., Collatz GJ., Denning AS., Mooney HA., Nobre CA., Sato N., Field CB., Henderson-Sellers A. (1997). Modeling the Exchanges of Energy, Water, and Carbon Between Continents and the Atmosphere. Science 275:502–509
  7. Dai Y., Zeng X., Dickinson RE., Baker I., Bonan GB., Bosilovich MG., Denning AS., Dirmeyer PA., Houser PR., Niu G. (2003). The common land model. Bull. Am. Meteorol. Soc. 84.
  8. Best MJ., Pryor M., Clark DB., Rooney GG., Essery RLH., Ménard CB., Edwards JM., Hendry MA., Porson A., Gedney N., Mercado LM., Sitch S., Blyth E., Boucher O., Cox PM., Grimmond CSB., Harding RJ. (2011). The Joint UK Land Environment Simulator (JULES), model description – Part 1: Energy and water fluxes. Geosci Model Dev 4:677–699
  9. Pitman AJ. (2003). The evolution of, and revolution in, land surface schemes designed for climate models. Int J Clim. 23:479–510.
  10. Kollet SJ., Maxwell RM. (2006). Integrated surface-groundwater flow modeling: A free-surface overland flow boundary condition in a parallel groundwater flow model. 29:945–958.
  11. Boone A., Habets F., Noilhan J., Clark D., Dirmeyer P., Fox S., Gusev Y., Haddeland I., Koster R., Lohmann D. 2004. The Rhone-Aggregation land surface scheme intercomparison project: An overview. J. Clim. 17:187–208.
  12. Manabe, S., & Wetherald, R. T. (1975). The effects of doubling the CO2 concentration on the climate of a general circulation model. Journal of Atmospheric Sciences, 32(1), 3-15.


-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
Y.-S. Lu
4 篇文章 ・ 6 位粉絲
自從來到學界後,便展開了一段從土木人到氣象人的水文之旅。主要專業是地球系統數值模擬,地下水與地表模式的耦合系統,以及大氣氣象模擬。目前是于利希研究中心(Forschungszentrum Jülich GmbH)超級電腦中心的博士後研究員。

0

2
1

文字

分享

0
2
1
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----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。

0

2
1

文字

分享

0
2
1
AI 能像人類一樣思考?諾貝爾物理學獎研究助力人工智慧模擬人類大腦
PanSci_96
・2024/11/14 ・2117字 ・閱讀時間約 4 分鐘

即使再怎麼模仿,AI 終究無法以與生物相同的方式思考吧?畢竟電腦的電子元件和我們大腦中的神經細胞結構截然不同。再怎麼模仿,AI 終究無法以與生物相同的方式思考吧?

錯,可以。

2024 年諾貝爾物理學獎跌破所有專家的眼鏡,頒給了兩位研究機器學習的科學家——約翰·霍普菲爾德(John Hopfield)和傑佛瑞·辛頓(Geoffrey Hinton)。他們以「人工」的方法打造了類神經網路,最終模擬出生物的「智慧」,奠定了當代深度學習的基礎。

為什麼解決人工智慧發展瓶頸的,竟然會是物理學?物理要怎麼讓 AI 更像人類?

-----廣告,請繼續往下閱讀-----
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

從巴甫洛夫的狗到赫布理論:理解學習的基礎

為了解答這個疑問,我們需要一些背景知識。

20 世紀初,俄羅斯心理學家巴甫洛夫發現,狗在食物還沒入口前,就會開始分泌唾液。他進行了一系列實驗,改變食物出現前的環境,比如讓狗習慣在聽到鈴聲後馬上得到食物。久而久之,狗只要聽到鈴聲,就會開始分泌唾液。

大約 50 年後,神經科學家赫布(Donald Hebb)提出了一個假說:大腦中相近的神經元,因為經常同時放電,會產生更強的連結。這種解釋稱為「赫布理論」,不僅奠定了神經心理學的發展,更成為現代深度學習的基礎。

然而,赫布理論雖然描述了鄰近神經元的關係,卻無法解釋大腦如何建構出如此複雜的聯想網路。

-----廣告,請繼續往下閱讀-----

霍普菲爾德網路:物理學家對神經網路的貢獻

然而,赫布理論雖能描述神經元之間的關係,卻缺乏數學模型。物理學家約翰·霍普菲爾德從數學家約翰·康威(John Conway)的「生命遊戲」(Game of Life)中獲得靈感,試圖建立一個可以在電腦上運行的記憶系統。

霍普菲爾德受「生命遊戲」啟發,嘗試建立電腦記憶系統。圖/envato

「生命遊戲」由數學家康威(John Conway)發明,玩家開始時有一個棋盤,每個格子代表一個細胞,細胞可以是「活」或「死」的狀態。根據特定規則,細胞會根據鄰居的狀態決定下一次的生存狀態。康威的目的是展示複雜的系統不一定需要複雜的規則。

霍普菲爾德發現,這個遊戲與赫布理論有強大的關聯性。大腦中的大量神經元,在出生時處於初始狀態,經過刺激後,神經元間的連結會產生或斷裂,形成強大的記憶系統。他希望利用這些理論,創造一個能在電腦上運行的記憶系統。

然而,他面臨一個難題:赫布理論沒有明確的數學模型來決定神經元連結的規則。而在電腦上運行,必須要有明確的數學規則。

-----廣告,請繼續往下閱讀-----

物理學的啟發:易辛模型

霍普菲爾德從物理學的研究中找到了類似的模型:易辛模型(Ising Model)。這個模型用於解釋鐵磁性物質的磁性特性。

在鐵磁性物質中,電子具有「自旋」,自旋產生磁矩。電子的自旋方向只有「向上」或「向下」,這就像生命遊戲中細胞的「生」或「死」。鄰近的電子會影響彼此的自旋方向,類似於細胞之間的互動。

易辛模型能用數學描述電子間的相互影響,並通過計算系統能量,得出自旋狀態的分佈。霍普菲爾德借用了這個概念,將神經元的互動視為電子自旋的互動。

他結合了康威生命遊戲的時間演化概念、易辛模型的能量計算,以及赫布理論的動態連結,創造了「霍普菲爾德網路」。這讓電腦能夠模擬生物大腦的學習過程。

-----廣告,請繼續往下閱讀-----

突破瓶頸:辛頓與波茲曼機

約翰·霍普菲爾德於1982年發明聯想神經網路,即「霍普菲爾網路」。圖/wikimedia

然而,霍普菲爾德網路並非完美。它容易陷入「局部最小值」的問題,無法找到系統的全局最優解。為了解決這個問題,加拿大計算機科學家傑佛瑞·辛頓(Geoffrey Hinton)提出了「波茲曼機」(Boltzmann Machine)。

辛頓將「模擬退火」的概念引入神經網路,允許系統以一定的機率跳出局部最小值,尋找全局最優解。他還引入了「隱藏層」的概念,將神經元分為「可見層」和「隱藏層」,提高了網路的學習能力。

受限波茲曼機(Restricted Boltzmann Machine)進一步簡化了模型,成為深度學習的基礎結構之一。這些創新使得 AI 能夠更有效地模擬人類的思維和學習過程。

AI 的未來:跨學科的融合

霍普菲爾德和辛頓的工作,將物理學的概念成功應用於人工智慧。他們的研究不僅解決了 AI 發展的瓶頸,還奠定了深度學習的基礎,對現代 AI 技術產生了深遠的影響。因此,2024 年諾貝爾物理學獎頒給他們,並非意外,而是對他們在跨學科領域的重大貢獻的肯定。

-----廣告,請繼續往下閱讀-----

AI 的發展,離不開物理學、生物學、數學等多學科的融合。霍普菲爾德和辛頓的工作,正是這種融合的典範。未來,隨著科學技術的進步,我們有理由相信,AI 將越來越接近人類的思維方式,甚至可能超越我們的想像。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2422 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

7
4

文字

分享

0
7
4
高速移動的話時間流速會不一樣嗎?時間暫停是可能的嗎?——《關於宇宙我們什麼都不知道》
天下文化_96
・2023/11/08 ・2746字 ・閱讀時間約 5 分鐘

我們都感覺到相同的時間嗎?

在二十世紀之前,科學認為時間是普適的:每個人和宇宙中的一切,都感覺到相同時間。那時的假設是,你如果在宇宙裡四處擺滿了一模一樣的時鐘,那麼每個時鐘在任何時刻都會顯示相同時間。畢竟,這就是我們在日常生活中遇到的情況。想像一下,如果每個人的鐘都以不同的速度奔跑,會是多麼混亂!

但後來,愛因斯坦的相對論把空間與時間結合成「時空」*1 概念,改變了一切。愛因斯坦強調,移動中的時鐘運行速度較慢。如果你以接近光速行駛至附近的星星,那麼你體驗的時間,將遠遠少於在地球上的時間。這並不是說你覺得時間過得很慢,像是「駭客任務」中的慢動作鏡頭那樣,而是說地球上的人和時鐘測量到的時間,會比宇宙飛船上的時鐘量到的更長。我們都以同樣的方式(以每秒一秒的節奏)體驗時間,但是如果我們彼此以相對高速移動,我們的時鐘就不會同步。

在瑞士的某個地方,製錶師剛剛心臟病發作。

一模一樣的時鐘卻以不同速度運行,似乎違背了所有的邏輯論證,但宇宙就是這樣運行的。我們知道這是真的,因為我們己經在日常生活中見證了。你的手機(或汽車、飛機)上的 GPS 接收器,會假定繞地球跑的 GPS 衛星時間走得較慢(衛星以每小時數千里的速度,在受地球巨大質量彎曲的空間中移動)。沒有這些資訊,你的 GPS 設備將無法從衛星傳輸的信號中,精確的同步和進行三角定位。關鍵是當宇宙遵循某個邏輯法則時,這些法則有時不見得如你所想。以這個案例來說,宇宙有個最高速限:光速。根據愛因斯坦的相對論,沒有任何東西、資訊甚至是外送披薩的旅行速率,可以比光跑得快。這個速率(每個時段所移動的距離)的絕對上限,會產生一些奇怪後果,並挑戰我們的時間概念。

-----廣告,請繼續往下閱讀-----

首先,先確定我們了解這個速率限制是如何運作的。最重要的規則是:從任何角度來衡量任何人的速率時,這個速率限制都必須適用。我們說沒有什麼東西可以比光速還快時,無論你用什麼觀點來看,就是「沒有」。

所以我們來做個簡單的思考實驗。假設你坐在沙發上並打開手電筒。對你來說,手電筒的光線以光速遠離你。不過,我們是否可以把你的沙發綁在火箭上,點燃火箭然後讓沙發以驚人的速度移動呢?如果此時你打開手電筒,會發生什麼事?如果把手電筒指向火箭前方,光線是否以光速再加上火箭的速率移動呢?

我們將在第十章〈我們能以超光速移動嗎?〉花更多時間在這些想法上。但重要的是,為了讓所有觀察者(在火箭上的你和我們其他在地球上的人)看到,手電筒的光線都是以光速移動的,於是某些東西必須改變,這個東西就是「時間」。

為了幫助你理解這個概念,讓我們回到把時間當做時空第四維度的想法。這個想法有助於想像物體如何穿越時間和空間,而把宇宙速限應用在你的總速率上。如果你坐在地球上的沙發裡,你沒有穿越空間(相對於地球)的速率,所以你穿越時間的速率可以很高。

-----廣告,請繼續往下閱讀-----

但如果你坐在火箭上,對地球而言,火箭的移動速度接近光速,那麼你穿越空間的速率是非常高的。因此,為了讓你穿越時空的總速率在相對於地球時,保持在宇宙速限之內,你的時間速率必須減少,在此所有的速率量測都使用地球上的時鐘。

還讀得下去嗎?

對於不同人可以回報不同時間長度,你可能很難接受,但這是宇宙的運作方式。更奇怪的是,人們可能會在某些情況下,看到事件以不同順序發生,而且都是正確的。舉例來說,兩位誠實的觀察者,如果以非常不同的速度移動,他們會對誰贏得直線競速賽有不同的看法。

如果你的寵物美洲駝和雪貂進行賽跑,那麼,依據你的移動速度和相對於比賽場地的距離,你可以看到心愛的美洲駝或雪貂贏得比賽。每隻寵物都會有屬於自己事件的版本,如果你的祖母能夠以接近光速的速率移動,她看到的比賽結果可能完全不同。而且,所有人都是正確的!(不過要注意的是,每個人的時間起始點都不相同。)

-----廣告,請繼續往下閱讀-----
圖/《關於宇宙我們什麼都不知道》

我們喜歡認為宇宙有絕對真實的歷史,所以不同人可以體驗不同的時間,是令人難以接受的想法。我們可以想像,原則上有人可以寫下宇宙至今發生的每一件事(這會是非常冗長的故事而且大半都超級無聊)。如果這故事存在,那麼每個人都可以根據自己的經驗來進行檢查,除非是無心之過或視力模糊,每個人讀的故事應該要一致。但愛因斯坦的相對論使得一切都是相對的,所以不同觀察者對於宇宙裡事件的先後順序,會有不同的描述。

最終我們必須放棄宇宙有絕對單一時鐘存在的想法。雖然因此我們有時會遇到違反直覺且看似荒謬的領域,但驚人的是,這種看待時間的方式已測試為真。與許多物理革命一樣,我們被迫拋棄自我的直覺,並遵循受時間主觀意識影響較小的數學之道。

時間會停止嗎?

打從一開始,人們就想排除時間會停止的概念。時間除了向前,我們從未見過它做過其他事,既然如此,時間怎麼可能還有別的選項呢?由於我們本來就不清楚為什麼時間要前進,所以很難自信的說,時間向前是永恆真理。

一些物理學家相信,時間的「箭頭」是根據熵必須增加的法則所決定。也就是說,時間的方向與熵增加的方向相同。但如果這是真的,當宇宙達到最大熵時會發生什麼事?在這樣的宇宙裡,一切都將處於平衡而且不能創造秩序。那麼,時間會在這一點停下來嗎?還是時間不再有意義?一些哲學家猜測,在這個時刻,時間的箭頭和熵增加的法則可能會逆轉過來,導致宇宙縮小到一個微小奇點。不過,這個說法比較像是深夜裡藥吃多了後激發的猜測,而不是實際的科學預測。

-----廣告,請繼續往下閱讀-----

還有理論提出大霹靂創造了兩個宇宙,一個時間向前流逝,一個時間向後奔流。更瘋狂的理論則提出時間不只一個方向。為什麼不呢?我們可以在三個(或更多)空間方向中移動,為什麼不能有兩個或更多的時間方向?真相為何?如往常一樣,我們不知道。

註解

  1. 愛因斯坦的天才並沒有展現在為事物命名上面。

——本文摘自《關於宇宙我們什麼都不知道》,2023 年 9 月,天下文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。