史上最早金屬吸管——5000年前一組8人喝啤酒？

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

• 本文轉載自《科技大觀園》，原文連結
• 何楷平｜科技大觀園特約記者

過去，養雞農得在半夜走進雞舍，靠耳朵分辨雞隻有沒有出現「囉音」（呼吸道疾病的特有聲音）；但農民時間有限，一天頂多進雞舍巡三次，而打噴嚏、咳嗽這類異常聲音，又常和背景噪音太相似、不夠明顯，「漏聽」幾乎在所難免。

如果有一套系統能全天候守在雞舍，不僅聽見異常聲音，還能透過影像觀察雞隻狀態、同步記錄體重，情況會不會有所不同？這正是「智慧監測走進畜牧業」的真實場景。

透過感測、影像辨識、聲音分析與 AI，畜牧養殖管理，已經逐步從仰賴人力巡視、憑經驗判斷，轉向以數據支撐的決策；智慧畜牧不只能提高生產效率，也能改善動物福利與整座牧場的生物安全。

本文從家禽到豬隻，採訪兩位長期投入智慧畜牧管理的研究者：國立中興大學生物產業機電工程學系蔡燿全副教授以及國立臺灣大學生物機電工程學系郭彥甫教授，探討科技如何成為畜牧業的最佳助手。

科技接手觀察，補上人力巡視極限

「如何客觀量化健康指標，其實相當困難。」蔡燿全副教授指出，人工巡視的限制，在於「人不可能一直在現場」。以雞舍為例，雞隻體重反映健康狀況，但用「肉眼估算」並不精準，原因出在羽毛會隨當下溫濕度蓬鬆變化；至於雞隻的消化道疾病，則要看肛門與糞便，但「異常聲音」要在夜深人靜的半夜靠「人耳」去分辨，這些都是雞農單靠人力會存在的侷限。

養豬也是。郭彥甫教授指出，過去豬農評估一欄豬的健康狀態，多半是走進去、用肉眼看一下，母豬花多少時間吃料、站立、有沒有在哺乳，無法精確量化判讀。

靠肉眼、人耳判讀，既消耗人力、又不夠精準，因此，智慧畜牧把這些工作交給機器，透過感測器接手觀察，目標在於「及早發現」。

以雞舍為例，機器讀的是「身體徵象」。

蔡燿全副教授指出，透過「家禽監測系統」，在雞舍裝設麥克風、攝影機與秤重平臺，把叫聲、雞冠與雞眼的顏色、體重，連同溫濕度、風速、氣體等環境資料，一併轉成可判讀的數據。

以體重為例，當雞隻走上秤重平臺，秤出幾隻的總體體重後，平台上方的攝影機，再以AI影像辨識方式，辨識出秤重平台上的雞隻數量，進而換算出雞隻的平均體重，更進一步的做法是，只要在雞舍中央架一臺主機，建立「影像輪廓對應實際重量」的關係，雞舍的其餘角落，只需由上往下拍的攝影機（不必裝設秤重平臺），單靠影像就能推算體重。這也同步解決了動物福利的問題：不必再人工抓雞懸掛量重，對雞隻的干擾降到最低。

在豬舍方面，機器讀的則是「行為與姿態」的動態變化。

郭彥甫教授指出，只要在母豬分娩欄後方架設攝影機，以機器視覺與深度學習，辨識母豬的姿態，量化牠花多少時間進食、站立與哺乳，同時逐隻追蹤欄內仔豬的移動，把狀態分成哺乳、休息與活動三類。當母豬把乳頭壓住、遲遲不讓仔豬吸奶，又不太進食，系統就能標記出這頭母豬已接近生病，整欄仔豬可能跟著吃不到奶、活動力下降。這些畫面，都讓長期被關在窄欄、行動受限的母豬處境，能夠直接被機器紀錄、透過數據化被豬農看見。

專家教會 AI 讀懂異常，監測從記錄升級為預警

但機器「看得到」只是第一步，「讀得懂」則要靠人與 AI 協作。

以豬舍的應用場景為例，郭彥甫教授指出，AI的機器學習過程，得先由「人」在影像裡，把豬一隻一隻單獨標註起來，累積上千張影像之後，提供給AI學習、訓練，確保AI能夠「讀懂」之後，之後就由機器接手，自動辨識每一隻豬；例如有些小豬在吃飼料、有些在喝水、有些在打架、互咬；郭彥甫教授指出，這套AI 辨識仔豬「日常行為」的準確率已達到91.36％，等於在100隻仔豬中，AI就能精準判讀出91.36隻的行為模式。

雞舍的場景也是同樣邏輯。蔡燿全副教授解釋，透過預先架設機器在雞舍，進行現場錄音，接著以濾波去掉雜訊、把聲音切成小段，再請專家逐段標註，哪些是正常叫聲、哪些是異常囉音，取出聲紋特徵之後，再餵給AI機器學習，訓練出辨識模型。

當機器學會判讀後，監測的價值就能直接從「記錄」，升級為「預警」。

舉例來說，雞舍的聲紋辨識系統，由於是24小時錄音，在農民尚未察覺、還沒記錄到異狀之前，系統就先發出「偵測到異音」的預警，不會等到農民到現場查看才發現。此外，影像辨識系統則可以預先偵測到人眼較難察覺的雞眼異常（雞眼異常後2至3天會出現較高死亡率），等於替農民爭取到提早3天處置的黃金時間。

預警換來實際效益。蔡燿全副教授表示，根據合作雞農的回饋，導入這項系統之後，育成率可提升約3％，因為透過系統24小時不間斷監控，農民更能做到「及早發現、及草治療」，提高雞隻「從飼養到出貨」生命週期的完整性。此外…….傳播途徑。蔡耀全副教授補充，傳統雞隻育成率大約落在80％，導入系統這幾年來，育成率持續提升，近年來已經逐步成長至85％至87％。此外，因為農民不再需要頻繁進出雞舍，也切斷了病原透過人腳、野鳥糞便帶入的傳播途徑。蔡耀全副教授補充，傳統雞隻育成率大約落在80％，導入系統這幾年來，育成率持續提升，近年來已經逐步成長至85％至87％。

豬舍也是。郭彥甫教授指出，量化母豬的姿態與哺乳行為，能夠提早判斷牠是否接近生病，另一方面，系統對仔豬群體活動力的追蹤，則讓農民能夠更早察覺「一頭母豬不好、整欄仔豬跟著受影響」的連鎖效應，進而提早做出相對應的準備措施。 科技帶來的好處，除了提前預警，減少人為疏漏，當農民的巡視工時下降、勞動強度減輕，也能間接讓更多青年農民，願意回鄉接手畜牧場。

技術到位、市場未到，智慧畜牧的應用挑戰

然而，儘管智慧畜牧的技術持續進步，但要真正落地應用並普及化，目前仍有待跨越的門檻。

「因為農民沒有 IT 部門。」蔡燿全副教授點出了智慧畜牧最大的門檻：推廣難度高。

他解釋，老一輩農民對科技熟悉程度較低，一旦網路不穩、甚至插頭沒插上的小狀況，原廠可能就得親自跑一趟畜牧場，服務成本相當高，再加上臺灣市場規模有限，負責落地推廣、技術轉移的農業科技公司，意願自然不高。

此外，「農民投入意願」也是一大門檻。「如果這個科技一定可以幫他賺到錢，他就會樂意接受。」郭彥甫教授觀察，豬農評估導入系統的關鍵，在於能不能幫他「賺到更多錢」，而非只是「節省時間和勞力」，「如果只是省下勞力，農民多半會傾向自己來、或是另外聘請人力。」臺灣雖然在2020年就從口蹄疫除名，但近年來面對周邊國家持續存在的非洲豬瘟等疫情風險，豬農對外部人員（智慧農業團隊、農業科技廠商等）進出格外謹慎，都讓智慧畜牧的應用落地，還需要更多溝通與推廣。

最後一道判斷留給人，「資料治理」智慧畜牧下一步

換句話說，智慧畜牧的技術本身，其實已經備妥，唯獨產業與市場的節奏，還需要時間跟上。

從雞舍到豬場，感測與 AI 接手了「看」這件過去只能靠人力與經驗撐著的工作，效率、動物福利與疫病防線，也因此被重新畫過一遍。

值得一提的是，兩位研究者不約而同都將「最後一道判斷」留給了人：雞隻該不該投藥、母豬難產怎麼處置，這類牽涉責任的決定，仍由農民與獸醫拍板，AI 負責的是更精準的監測、讓異常更及早被發現。

隨著愈來愈多養殖現場，開始累積這些數據，郭彥甫教授預測，「資料治理」將是畜牧業下一步的趨勢。他解釋，當養殖場規模擴大、不常親臨現場的經理人將更依賴簡單直觀的報表，掌握場內狀況；而這些累積下來的數據，還能推估產量、預估禽隻出場時機，同時對接市場價格，做出更合適的決策。

資料來源

1. 中興大學生物產業機電工程學系蔡燿全副教授
2. 臺灣大學生物機電工程學系郭彥甫教授

原文連結：https://pse.is/9k7pkt

本文轉載自顯微觀點

火山灰掩蓋的龐貝古城中，科學家再度發掘價值非凡的考古地點：一座翻修重建中的民宅，其珍貴之處在於工地現場的工具與建材原料完好封存於西元79年，維蘇威火山爆發的時刻。現代科學家得以利用顯微鏡、能量散射X光譜（Energy-dispersive X-ray spectroscopy, EDS）、立體X光等科技深入分析原料成分，探究古羅馬建築工藝細節。

古羅馬建築物能夠長久矗立，建材韌性是不可或缺的關鍵。散布於帝國領土、綿長堅固的引水道（aqueduct）就是文明遞嬗中備受讚嘆的例子。其中數座引水道經歷修繕，迄今持續運作，西元前19年建立的少女水道（Acqua Vergine）今天依然為羅馬城內的噴泉供應來自20公里外的活水。

現代混凝土（concrete）具備抗壓、廉價、靈活等優點的同時，也有容易龜裂與腐蝕、難以修復等問題。現代高樓大廈需要以混凝土包裹鋼筋，才能達到維持近百年的高強度。尚未掌握鋼筋強化技術的古羅馬建築師，卻能以混凝土建造出核心架構長存超過2000年的大型公共建設，這種差異是材料科學家無法忽視的。

偽裝成雜質的秘方：石灰塊

近數十年間，材料科學界普遍認為古羅馬混凝土（Roman concrete）原料中的火山灰（pozzolan）是其堅強韌性來源，因為加入水與熟石灰後，火山灰中豐富的二氧化矽（SiO₂）與氧化鋁（Al₂O₃）可以形成水合矽鋁酸鈣（C-A-S-H. Hydrated Calcium Aluminosilicate）或水合矽酸鈣（C-S-H. Hydrated Calcium Silicate）膠體，提升羅馬混凝土的強度與耐腐蝕性。

但是，水合矽酸鈣並非羅馬混凝土所特有，今日最常見的混凝土原料「波特蘭水泥（Portland Cement）」就飽含矽酸鹽，與水混合後也能形成強化結構的C-S-H膠體。且現代混凝土也能展現水泥帶來的微弱自癒能力，但波特蘭水泥建成的現代建築，預估壽命大多不到百年，遠不如以穩固穹頂籠罩信徒千年的羅馬萬神殿。

2023年，麻省理工大學（MIT）材料科學家馬西奇（Admir Masic）研究團隊發表對古羅馬建材的成份分析，指出羅馬混凝土中特殊的「石灰塊（lime clasts）」提供了材料自癒能力，可能是古羅馬公共建築屹立不搖的關鍵。

石灰塊在顯微鏡下看來是數毫米大小的白色石塊，過往被材料科學家認為是羅馬混凝土品質控管不嚴的產物，但是馬西奇團隊的目光停留在這些未曾被科學界細究的「雜質」上。

馬西奇團隊指出，在古羅馬學者維特魯威（Vitruvius）和老普林尼（Pliny the Elder）的記載中，當時對混凝土原料之一的石灰石（limestone, CaCo₃ . 碳酸鈣）純化標準相當嚴格，成品必須要呈現純白粉狀。因此他們認為，混凝土中普遍存在的石灰塊不是古羅馬建材商品管鬆散所致，而是刻意加入的材料。

馬西奇團隊前往義大利中部普里維諾（Privernum）的古羅馬遺跡進行採樣，遺跡牆壁使用的砂漿（motar, 水泥混合水與砂礫等材料，比混凝土少了碎石等骨材，其他成分相近）中散佈著比水泥基質顆粒更大的亮白石灰塊。

科學分析 確認熱混合法

透過以能量散射X光譜（EDS）、X光散射、共軛焦拉曼光譜、掃描式電子顯微鏡分析這些構成牆壁近2000年的砂漿，研究團隊發現其中的石灰塊主要以鈣質構成，而且是來自生石灰（CaO, quicklime），現代建築工法已不再將這種材料加入混凝土中。

馬西奇論及，基於史料與現代技術，多數人相信古羅馬建築工使用熟石灰（Ca(OH)₂, slacked lime. 氫氧化鈣，來自生石灰加水）混合火山灰、水以及其他骨材形成混凝土，類似現代工法。但透過精密儀器分析樣本成份，他推論古羅馬帝國曾採用熱混合（hot mixing）技術，以生石灰取代/混入熟石灰，與其他材料、水混合製成混凝土。

在熱混合過程中，生石灰不會全數與水反應產生熟石灰與熱能，部分會形成不均勻分布的細小石灰塊。而這些石灰塊在混凝土乾燥的同時，會經歷表層的水化、擴張，最終碳酸化成為較為穩定的碳酸鈣外層。而石灰塊內層則保持著生石灰（CaO）的狀態與活性。

水流引發雙重自癒機制

構成建築物的羅馬混凝土若受到強大拉力，產生裂隙，諸多石灰塊的穩定外層很可能隨之裂開，並暴露出飽含生石灰（CaO）的核心。在自然降雨之下，經過石灰塊核心的水流會獲得鈣離子，並使鈣離子與周遭的基質反應，在裂縫中形成碳酸鈣，使裂縫在延伸擴大之前就被填補。

裂縫中飽含鈣離子的水流，也能在混凝土中的火山灰顆粒旁引發火山灰反應（pozzolanic reaction），生成穩固的水化矽鋁酸鈣或水化矽酸鈣，對裂縫產生「癒合」效果，讓整體結構更加強韌。馬西奇稱這種定型後發生的火山灰反應為「後期火山灰反應（post-pozzolanic reaction）」，與製作混凝土的反應作出區別。

馬西奇團隊更採用實驗觀察熱混合技術對古羅馬混凝土和現代混凝土強韌度的影響。他們將不同工法製成的混凝土柱從中分裂，造成5公厘的裂縫，再讓水流持續流經裂縫30天。

未使用生石灰進行熱混合的混凝土柱，僅出現一般水泥具有的小幅自癒能力，稍稍縮小裂縫。而具有石灰塊的古羅馬混凝土柱，則持續癒合，在水流第20天左右完成自我修復，水流幾乎完全無法通過。

多方驗證 重譯權威史料

古羅馬混凝土驚人的自癒能力引發熱議，並非所有材料科學專家都認同以生石灰為核心的熱混合理論。

更啟人疑竇的是，熱混合法並不符合維特魯威記錄的熟石灰建築工法。他在公元前30年左右著作的《建築十書》（De architectura）是唯一流傳後世的古歐洲建築著作，從文藝復興以來，就缺少足以挑戰其權威的建築史料，遑論馬西奇團隊基於成分分析的理論。

馬西奇團隊為了奠定更強的論證基礎，在2024年前往龐貝古城尋找證據。他們在民宅工地遺跡發現的建材原料，正包含熱混合工法的原料：生石灰與火山灰的乾燥混合物。這些原料與建築工具一起堆放在尚未完成的牆體旁邊，被公元79年噴發的火山灰封存至今。

馬西奇團隊透過偏振光顯微鏡、電子顯微鏡等分析方法比對乾燥材料堆、未完成的牆體、已完成的牆體，確認了這些預拌的熱混合材料與牆體的混凝土、砂漿成分相符，支持他們的假說：古羅馬帝國龐貝城在公元前79年以熱混合工法製作混凝土。

這項材料科學考古發現不僅補充了古代建築史料的缺漏，也創立了新的建築材料理論，為未來的建築材料提供自癒功能的靈感。或許在數年之內，具備自癒能力、壽命長達上百年的大型建築就會動工。而人們也能期待更加環保、安全、需要遠見的都市規劃。

馬西奇團隊透過多樣方法及跨領域探索，穿越時空檢驗了古羅馬熱混合法工藝的假說。他們在遺跡搜索考古證據，以科學分析技術交替分析樣本，更研讀古羅馬史料，發現維特魯威與老普林尼雖然以 ’macerata’ 敘述以水消化生石灰，製作出熟石灰的過程。但維特魯威提及建築結構用的石灰消化過程，會轉而採用 ’extincta’ 一詞。

儘管在文獻中的古代拉丁文 macerata 和 extincta 都被用來指稱「生石灰加水消化為熟石灰」，並未在考古學界與材料學界引起太多注意。但馬西奇團隊懷疑，這種字眼的轉換可能暗示了古羅馬建築結構中的石灰並非來自「先製成熟石灰，再混入水與其他原料」，而是「生石灰直接混入水與其他原料」的熱混合工法。

就如馬西奇團隊最新論文提及的，即使是古代文獻，也無法盡錄古羅馬從共和時期到帝國時期的建築文化變遷。透過顯微鏡與X光譜等現代科技，搭配古遺跡的妥善保存與發掘，我們今日依然有機會理解千年前的人類，如何利用更有限的科技，達成宏偉巧妙的文明成就。

參考資料

• Linda M. Seymour et al. ,Hot mixing: Mechanistic insights into the durability of ancient Roman concrete.Sci. Adv.9,eadd1602(2023).DOI:10.1126/sciadv.add1602
• Vaserman, E., Weaver, J.C., Hayhow, C. et al. An unfinished Pompeian construction site reveals ancient Roman building technology. Nat Commun 16, 10847 (2025). https://doi.org/10.1038/s41467-025-66634-7