Loading [MathJax]/extensions/tex2jax.js

0

3
1

文字

分享

0
3
1

CO2 不是廢物!以嶄新材料推進人造光合作用——林麗瓊專訪

鳥苷三磷酸 (PanSci Promo)_96
・2022/03/22 ・5496字 ・閱讀時間約 11 分鐘

本文由 台灣萊雅L’Oréal Taiwan 為慶祝「台灣傑出女科學家獎」15周年而規劃,泛科學企劃執行。

  • 2017 年「台灣傑出女科學家獎」傑出獎第十屆傑出獎得主

在辛亥路側的臺灣大學凝態科學研究中心,曾為中心主任的林麗瓊帶著我們上上下下好幾層樓,如數家珍地說明各設備的能耐,以及學生要如何經過她紮實訓練跟親自審查才能上機。「還有好多,今天沒時間看」,站在她稱為「起家本」的第一台自製反應爐旁,她說當年太貪心,加了多個 Port,增加了殘餘氣體吸附而使樣品被污染的風險。然而這台由她自己設計、自己到工廠請人開模製作的機器,在她細心調教跟利用下,創造了許多研究突破。我們請林麗瓊與這座別具意義的反應爐一起合照,她則邀請在旁的學生 Suman 一起入鏡。

來自伊朗的 Suman 她選擇來台灣學習,一方面是因為台灣是個很安全的地方,另一方面就是因為林教授是很棒的楷模。「那你會在台灣待到什麼時候?」我問,她回說「這要看我什麼時候拿到博士學位。」「那就是要看林教授囉?」「不是,是要看她自己何時取得足夠的進展。」林麗瓊笑著說這句話,也透露出她指導學生的方法:不由上而下決定主題,讓學生自由探索、從好奇心出發。

回到辦公室,林麗瓊從玻璃櫃中拿出一幅裱框的照片,裡頭是朵特別的玫瑰。「本來該長成平的、漂漂亮亮的磊晶,結果長成一朵花。」

-----廣告,請繼續往下閱讀-----
林麗瓊教授與我們分享學生的作品——〈Formosa Nano-Rose〉

拿著學生的「作品」,她笑說通常學生若做出這樣的磊晶應該要挨罵才對,然而學生發揮想像力,將奈米尺度的不規則形狀染上玫瑰紅,參加美國材料學會(Materials Research Society)年度的科學即藝術(Science as Art)競賽,拿到首獎,還有外國人寄信來,希望能取得圖片,用來求婚。

在林麗瓊經營帶領下,聚集多國、多領域人才的研究團隊看似和樂輕鬆,其實他們正探索一個可能改變人類未來的終極領域:光觸媒。

光觸媒的莫大潛力

如果要列出如今人類面對的最大挑戰,抑制二氧化碳排放、讓空氣中的二氧化碳量回到 350 ppm 的安全水平以下,不讓氣候危機加劇,肯定是其一。(順帶一提:2021 年 的 1 月是 413 ppm 上下。來源) 

就算逐步淘汰煤炭跟天然氣,改成再生能源發電,我們的生活依舊仰賴大量的石油化學產品,大氣跟海洋中依然有過量的 CO2,種樹也難趕上森林被砍伐跟遭野火肆虐的速度。然而林麗瓊另闢蹊徑,從拿手的材料科學著手,正研究如何將二氧化碳還原成低碳氫比燃料,關鍵就在於高效能的光觸媒。

-----廣告,請繼續往下閱讀-----

這當然不是林麗瓊一開始就研究的主題。她於 1989 年取得哈佛大學應用物理博士學位後,馬上被美國奇異公司研發總部材料研究中心延攬為終生聘雇研究員,也是當時該研究中心唯一的亞裔女性。那時她加入的團隊裡有物理學家、化學家、電子電機工程師等,研究的主題從飛機引擎到核能電廠五花八門,例如他們開發新型飛機引擎的材料跟設計,讓飛行速度更快、更省燃料。

1994 年回台後,她返台主持凝態中心的尖端材料實驗室。「一開始做鑽石薄膜,後來做奈米碳管、奈米線、石墨烯。」開發這些碳基的低維度奈米材料,並使其展現出新奇特性是她的拿手絕活。既然現在二氧化碳成了眾矢之的,那就換個角度,把它從廢物變寶物吧!

「如果只是要把二氧化碳轉化成低碳氫比的燃料,或是高工業價值的原物料,方式不只有光觸媒,用電催化也可以。」林麗瓊表示電催化成熟度比光催化高,發展歷史久,但是腐蝕容易造成污染,而且 CO2 與水的溶解度低、需要額外耗電,因此不見得是最佳選項。若採用光觸媒,只要將工廠的排氣經過導管收集,將 CO2 分離,進入可以接受光照的反應爐,搭配適當的材料(如金屬氧化物),就能產生光催化效應,把 CO2 變成甲醇、甲烷、乙醇、乙烷、乙醛等。

「關鍵步驟就是那個材料的觸媒,它的催化功能性要夠,那怎樣功能性才會夠?這就有我們做材料的人可以玩的空間。」林麗瓊表示這樣的材料須具備半導體特性,也就是其特有的「能待結構」或「能階」,能接受光子的能量而激發,同時「能隙」不能太大也不能太小。目前已經商用的材料為二氧化鈦(TiO2),然而其吸收光需要 3.2-3.4 電子伏特(eV)的能量,也就是得用波長很短的紫外光,限制了發展。 因此她將重點放在找尋能夠吸收可見光的材料與最佳結構,提升轉化效率。「可能是1.7、1.8(eV)是最好的……就同樣一個材料,它本質可能是 1.5 eV,但位置不對,所以我們就想辦法做一些缺陷工程啊、做一些參雜、複合的結構。」

-----廣告,請繼續往下閱讀-----

這樣的材料在吸光後會產生電子電洞對,林麗瓊生動地形容「要活活的」,才能跟二氧化碳與水起反應。意思是說這材料得身兼多職,先吸可見光、然後拆解電子電洞對,傳達到表面後,能接著活化其實很穩定的二氧化碳,再加上水氣才有可能轉化成甲醇等產物。即使是同一個氧化亞銅,他們也發現邊邊角角的活性才高,「所以就有辦法跟 CO2 招手,黏住又不能太黏喔!太黏 CO2 不跑啦!就把活性點通通給蓋住蓋死了。」

為了讓二氧化碳若即若離、欲迎還拒的戲碼能在奈米尺度上演,身為導演兼製作人的林麗瓊與團隊花了大把工夫選角(材料),如今已獲得初步的成果。

「在產量上,雖然還不是很高,但是有機會到 1% 了。假以時日,push 到 10%,應該是有機會」。她表示儘管還需要很多努力,而且後續也還有產物選擇性與分離的課題,但一關一關解,就能將二氧化碳變成原物料,邁向循環經濟「零廢物」的目標。

林麗瓊表示反應過程中的產物分析、以及反應控制的關鍵機制需要徹底釐清,才能知道到底材料的「什麼」在做出貢獻,例如是形狀、是位置、是大小、還是其他性質?她用各種技術來監測,將這過程比喻為「盲人摸象」,得一片一片摸熟了才能前進。雖然離製程成熟跟產業化還有很長的路,她發現這個領域受關注跟投入的程度在全球都大大提升,從她剛開始時一年不超過 50 篇研究,到現在每年破千篇。

-----廣告,請繼續往下閱讀-----

從半導體、光電、能源材料、奈米薄膜到光觸媒,研究範圍廣泛的林麗瓊笑稱自己喜新厭舊又隨性,但萬變不離其宗:「我們就是玩材料的,我們玩得很開心啊!」

Welcome to the jungle 

外表溫和沈著、說話總是體貼地再三確認我們能否理解的林麗瓊,得過台灣與世界各國的獎項,也曾被選為美國材料學會董事會成員,曾任眾多知名學術期刊、專書的編輯與學術會議的主席,成就非凡。然而正如她研究的光觸媒,對於許多學生來說,她也是一位如光般賦予能量、催化著他們的觸媒。

林麗瓊坦言自己「鍛鍊很久」,努力學習理解各種關係必然遇到障礙,有時轉個彎就撥雲見日的道理。她不會給剛進門下的學生太明確、太細節的題目,而是讓他們先朝一個方向探索看看,約略三個月後再請他們提出 Proposal,她就在這段時間內觀察新學生與其他同學的互動,了解其性格,能力,再依此給出建議。

她將自己在美國奇異公司研發總部任職時學到的團隊合作方式,帶入自己的實驗室。「有的人性格像獅子、有的像兔子。但不能都一直是獅子或兔子」她順著學生的性格,鼓勵其發揮,但也鼓勵他們學習彼此的優點,懂得變換。

-----廣告,請繼續往下閱讀-----

她說有些學生活動力很強,坐不住,沒辦法一直待在機器前;反過來有些學生開工之後,一天不去開機就覺得不舒服,連機器壞了也不肯停。但就是這樣不同的性格,獲得了意想不到的發現。雖然有時會建議學生互相合作,但她的安排也不一定成功,反而是讓資深的、主導性強的學生們發展、組隊,結果更好。她則透過每週定期的 Group meeting 發揮觸媒的作用,激發團隊成長。「我關心他們怎麼發展,可是絕對不強迫。有點黏又不會太黏。」她微笑說。

是傑出科技人,也是女人

2017 年得到第十屆「臺灣傑出女科學家獎」時的林麗瓊,已得過科技部傑出獎、教育部學術獎與國際上的諸多不分性別的榮譽,對於冠在科學家獎前的「女」字,很高興能獲得肯定,也自覺要承擔更多責任。然而在 30 年前,類似的經歷曾經困擾過她。

當她被奇異聘為終生職研究員時,她在哈佛的一位韓國同學則失之交臂,扼腕地對她說「都是因為妳是女生啦。」林麗瓊覺得自己夠認真、夠努力,當然有資格加入頂尖的企業。但反過來說,那位韓國同學也很認真、很努力,所以……是臨場表現有差別?還是真的因為她是女性而成了保障名額?

「不瞞你說,這的確是很矛盾、很複雜的一種心理。」她說:「如果只是因為我是女生,這個對我很傷啊!是不是?」後來在物理學會女性工作小組內討論這種「肯定」時,她漸漸想通,認為即使有這種可能,她也要勇敢去爭取,放下不舒服的感覺,不要覺得自己是被憐憫、被施予,而是要當第一個衝破現況者,別人才有機會跟上。

-----廣告,請繼續往下閱讀-----

「有一些東西是非常根深蒂固的,男生女生都是這個文化的受害者。」她分享自己剛加入奇異公司的一段經歷:當時懷第二胎的她,發現好幾個月都沒有被分配到任務,也沒有被安排出差到工廠幫現場面臨的挑戰找題目。於是她鼓起勇氣去問經理,經理反而愣住,回答說就是因為知道她懷第二胎,家裡還有一個兩歲孩子,怎麼能讓她做這些又累又辛苦的事?

這樣的善意跟體貼,若說是歧視,林麗瓊認為就太重了,但結果卻幽微地害她投閒置散。於是她向經理明確表示自己先生非常支持,而且有保母能照顧小孩,承接任務沒有問題,才改變了這種不利自己發展的狀況。

「我自己覺得物理並沒有性別的問題,覺得好玩又可以發揮,學科本身不會阻擋女生。那是我們的環境嗎?還是什麼?」物理學界的女性比例「是可怕的低」,林麗瓊說大學部其實有 20-30% 是女生,研究所也可能還能維持 10-20%,但到教職就不到 5%。她認為這個現象不能簡單歸因,需要抽絲剝繭。舉例來說,由於她與先生(陳貴賢,中研院原子與分子科學研究所研究員)密切合作,剛回國任教提交計畫書審查時,曾被問「貢獻到底在哪裡?」但同樣的問題,她先生卻不會被問。她認為審查者不見得有意打壓,而是文化養成的習慣。要讓其他人知道自己有真功夫,需要一段不短的時間,她已十年沒被這樣問了,但的確成了女生額外要處理的。

得獎後,她參與台灣萊雅與吳健雄學術基金會合辦的高中女性科學教育巡訪計畫,每年都與許多年輕學生面對面交流,座談時間常互動熱烈到讓她趕不上搭車時間。透過這個獎跟活動,能讓許多學生有個學習楷模,提出心中的問題,幫她們去除刻板印象,其實讓她備感欣慰。她甚至因此收了高中生來實驗室實習,但她強調來的高中生得要「玩」、藉實習想像未來的生活,而不是為參加科展得名而來。

-----廣告,請繼續往下閱讀-----

對林麗瓊來說,大她四屆,同樣就讀臺大物理系的四姐是最接近的楷模,也因此她學習科學一路以來備受鼓勵而沒受阻礙。另外,曾返台演講的吳健雄則是她朝聖的偶像,曾親睹吳健雄在新竹演講風采的她說自己非常震撼。後來與自己的大哥討論該不該朝物理學邁進時,大哥對她說「吳健雄不就是物理學家嗎?為什麼不呢?」她也因此非常感激。

她給予學生的力量,也承襲自她在哈佛的指導教授 Frans Spaepen。她記得在考慮該留在哈佛做博後,還是去產業界資源豐沛的實驗室時,Spaepen 教授對林麗瓊說,若她能留下來當博後,他會很高興,但不必將哈佛當作第一或是唯一的選擇,該把握機會到外頭更大的世界看看。這番話讓她至今銘記於心,也一直將這種「不為自己設限」的理念傳達給每一位學生。

「你覺得你的興趣在哪、你的才能在哪,就走走看,不要劃地自限。刻板印象是別人的刻板印象,若連自己都有刻板印象,當然就沒救。」身為物理學界的頂尖女性科學家,林麗瓊參與、籌辦了不少推動女性加入科研領域的工作,例如與物理學會女性工作委員會籌拍《物理好丰采》影片,協助成立臺灣女科技人學會等。她說,每個人有各自的問題,但有些問題有共通性,就該以團體的名義來爭取。

例如她參與的物理學會女性工作委員會曾以團體名義向國科會提案,讓有生產事實的女性研究者在提出研究計畫時,可以將過去七年內的發表成果納入,而不是原本的五年,否則女性研究者很容易因為生兒育女放慢進度而被系統性地歧視、或是擔心可能耽誤發展而乾脆不生育。

林麗瓊認為自己沒有天花板,但她不能代表所有女性研究者,因此「如果有需要去衝破的,一起去衝破吧。」她說。

台灣傑出女科學家獎邁入第 15 年,台灣萊雅鼓勵女性追求科學夢想,讓科學領域能兩性均衡參與和貢獻。想成為科學家嗎?妳絕對可以!傑出學姊們在這裡跟妳說:YES!:https://towis.loreal.com.tw/Video.php

本文由 台灣萊雅L’Oréal Taiwan 為慶祝「台灣傑出女科學家獎」15周年而規劃,泛科學企劃執行。

-----廣告,請繼續往下閱讀-----
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
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

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。

0

3
1

文字

分享

0
3
1
溫室效應有救了?把二氧化碳埋進地底吧!  
鳥苷三磷酸 (PanSci Promo)_96
・2024/03/25 ・1389字 ・閱讀時間約 2 分鐘

本文由 台灣中油股份有限公司 委託,泛科學企劃執行。 

近年全球對於氣候變遷的關注日益增加,各國紛紛宣布淨零排放(Net Zero Emissions)的目標,聯手應對氣候變遷所帶來的挑戰。淨零排放是指將全球人為排放的溫室氣體量和人為移除的量相抵銷後為零。而「碳捕存再利用技術(Carbon Capture Utilization and Storage,簡稱 CCUS)」技術被視為達成淨零重要的措施之一。 

CCUS 示意圖。圖/INPEX CCS and CCUS Business Introduction Video 2022 

「碳捕存再利用技術 CCUS」是什麼? 

CCUS 技術可以有效地將二氧化碳從大氣中捕捉並封存,進而減少溫室氣體的排放。CCUS 包含捕捉、運輸、封存或再利用三個階段,也就是將二氧化碳抓下來,並且存起來或是轉換成其他有價值的化學原料。關於如何捕捉二氧化碳,可以參考我們先前拍的影片《減碳速度太慢?現在已經能主動把二氧化碳抓下來!?抓下來的二氧化碳又去了哪裡?》。 

至於捉下二氧化碳之後,該存放在哪裡呢?科學家們看上一個經過數千萬年驗證、最適合儲存的地方——地底。沒錯,地底可不只有石頭跟蜥蜴人,只要這些石頭中存在孔隙,就可以儲存氣體或液體。最常見的就是天然氣與石油。現在,我們只要將二氧化碳儲存到這些孔隙就好。 

-----廣告,請繼續往下閱讀-----

封存的地質條件也很簡單,第一,要有一層擁有良好空隙率及滲透性的「儲集層」,通常是砂岩。第二,有一層緻密、不透水且幾乎無孔隙的岩石,用來阻擋儲集層的氣體向上逸散的「蓋層」,常見的是頁岩。只要儲集層在下,蓋層在上,就是一個理想的儲存環境。 

臺灣哪裡適合地質封存? 

臺灣由東往西,從西部麓山帶、西部平原、濱海到臺灣海峽,都有深度達 10 公里的廣大沉積層,並且砂岩與頁岩交替出現,可說是良好的儲氣構造。 

至於臺灣適合封存二氧化碳的地點,有個很直接的作法,就是參考石油、天然氣的儲存場域就好,也就是所謂的「枯竭油氣層」。將開採過的天然氣或石油的空間,重新拿來儲存二氧化碳。而臺灣的油氣田,主要集中在西部的苗栗與臺南一帶,在 1959~2016 年,累計產了 500 億立方公尺的天然氣,和超過 500 萬公秉的凝結油。 

臺灣油氣田位置圖。圖/《科學發展》2017 年 6 月第 534 期
鐵砧山每年封存 10 萬噸二氧化碳(相當於通霄鎮 1/3 人口一年的二氧化碳排放量)。圖/台灣中油

而至今這些枯竭油氣田,適合來做二氧化碳的封存。例如苗栗縣通霄鎮的鐵砧山是臺灣目前陸上發現最大的油氣田,不只是封閉型背斜構造,更擁有厚實緻密的緻密蓋岩層。在原有油氣田枯竭後,從民國 77 年開始轉為天然氣儲氣窖利用原始天然氣儲層調節北部用氣的方式,已持續超過 35 年。因此中油也正規劃在鐵砧山氣田選擇合適的蓋層和鹽水層,進行小規模的二氧化碳注入,作為全國首座碳封存的示範場址。並同時進行多面向的長期監測,驗證二氧化碳封存的可行性與安全性。 

-----廣告,請繼續往下閱讀-----

更多詳細內容及國際 CCUS 案例,歡迎觀看影片解惑! 

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

1

3
4

文字

分享

1
3
4
改良天然氣發電技術不會產生二氧化碳?灰氫、藍氫、綠氫分別是什麼?
PanSci_96
・2024/02/11 ・5659字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

用天然氣發電可以完全沒有二氧化碳排放?這怎麼可能?

2023 年 11 月,台電和中研院共同發表去碳燃氫技術,說是經過處理的天然氣,燃燒後可以不產生二氧化碳。

誒,減碳方式百百種,就是這個聽起來最怪。但仔細研究後,好像還真有這麼一回事。這種能發電,又不產二氧化碳的巫術到底是什麼?大量使用天然氣後,又有哪些隱憂是我們可能沒注意到的?

去碳燃氫是什麼?

去碳燃氫,指的是改良現有的天然氣發電方式,將甲烷天然氣的碳去除,只留下乾淨的氫氣作為燃燒燃料。在介紹去碳燃氫之前,我們想先針對我們的主角天然氣問一個問題。

-----廣告,請繼續往下閱讀-----

最近不論台灣、美國或是許多國家,都提升了天然氣發電的比例,但天然氣發電真的有比較好嗎?

好像還真的有。

根據聯合國底下的政府間氣候變化專門委員會 IPCC 的計算報告,若使用火力發電主要使用的煙煤與亞煙煤作為燃料,並以燃燒率百分之百來計算,燃料每釋放一兆焦耳的能量,就會分別產生 94600 公斤和 96100 公斤的二氧化碳排放。

如果將燃料換成天然氣,則大約會產生 56100 公斤的二氧化碳,大約只有燃燒煤炭的六成。這是因為天然氣在化學反應中,不只有碳元素會提供能量,氫元素也會氧化成水並放出能量。

圖/pexels

除了碳排較低以外,煤炭這類固體燃料往往含有更多雜質,燃燒時又容易產生更多的懸浮顆粒例如 PM 2.5 ,或是溫室效應的另一主力氧化亞氮(N2O)。具體來說,產生同等能量下,燃燒煤炭產生的氧化亞氮是天然氣的 150 倍。

當然,也別高興這麼早,天然氣本身也是個比二氧化碳更可怕的溫室氣體,一但洩漏問題也不小。關於這點,我們放到本集最後面再來討論。

-----廣告,請繼續往下閱讀-----

燃燒天然氣還是會產生二氧化碳?

雖然比較少,但也有燃煤的六成。像是綠能一樣的零碳排發電方式,不才是我們的終極目標嗎?別擔心,為了讓產生的二氧化碳量減到最小,我們可以來改造一下甲烷。

圖/unsplash

在攝氏 700 至 1100 度的高溫下,甲烷就會和水蒸氣反應,變成一氧化碳和氫氣,稱為蒸汽甲烷重組技術。目前全球的氫氣有 9 成以上,都是用此方式製造的,也就是所謂的「灰氫」。

而產物中的一氧化碳,還可以在銅或鐵的催化下,與水蒸氣進一步進行水煤氣反應,變成二氧化碳與氫氣。最後的產物很純,只有氫氣與二氧化碳,因此此時單獨將二氧化碳分離、封存的效率也會提升不少,也就是我們在介紹碳捕捉時介紹的「燃燒前捕捉」技術。

去碳燃氫又是什麼?

圖/pexels

即便我們能將甲烷蒸氣重組,但只要原料中含有碳,那最終還是會產生二氧化碳。那麼,我們把碳去掉不就好了?去碳燃氫,就是要在第一步把甲烷分解為碳和氫氣。這樣氫氣在發電時只會產生水蒸氣,而留下來的碳黑,也就是固態的碳,可以做為其他工業原料使用,提升附加價值。

-----廣告,請繼續往下閱讀-----

在氫氣產業鏈中,我們習慣將氫氣的來源做顏色分類。例如前面提到蒸氣重組後得到的氫氣被稱為灰氫,而搭配碳捕捉技術的氫,則稱為藍氫。完全使用綠能得到的氫,例如搭配太陽能或風力發電,將水電解後得到最潔淨的氫,則稱為綠氫。而介於這兩者之間,利用去碳燃氫技術分解不是水而是甲烷所得到的氫,則稱為藍綠氫。

但先不管它叫什麼氫,重點是如果真的不會產生二氧化碳,那我們就確實多了一種潔淨能源可以選擇。這個將甲烷一分為二的技術,聽起來應該也不會太難吧?畢竟連五◯悟都可以一分為二了,甲烷應該也行吧。

甲烷如何去碳?

甲烷要怎麼變成乾淨的氫氣呢?

很簡單,加溫就好了。

圖/giphy

只要加溫到高過攝氏 700 度,甲烷就會開始「熱裂解」,鍵結開始被打斷,變成碳與氫氣。

-----廣告,請繼續往下閱讀-----

等等等等…為了發電還要耗費能源搞高溫熱裂解,划算嗎?

甲烷裂解確實是一個吸熱反應,也就是需要耗費能量來拆散原本的鍵結。根據反應式,一莫耳甲烷要吸收 74 千焦耳的熱量,才會裂解為一莫耳的碳和兩莫耳的氫氣。但是兩莫耳的氫氣燃燒後,會產生 482 千焦耳的熱量。淨能量產出是 408 焦耳。與此相對,直接燃燒甲烷產生的熱量是 891 千焦耳。

而根據現實環境與設備的情況,中研院與台電推估一公噸的天然氣直接燃燒發電,與先去碳再燃氫的方式相比,發電量分別為 7700 度和 4272 度。雖然因為不燃燒碳,發電量下降了,但也省下了燃燒後捕存的成本。

要怎麼幫甲烷去碳呢?

在近二十幾年內,科學家嘗試使用各種材料作為催化劑,來提升反應效率。最常見的方式,是將特定比例的合金,例如鎳鉍合金,加熱為熔融態。並讓甲烷通過液態的合金,與這些高溫的催化劑產生反應。實驗證實,鎳鉍合金可以在攝氏 1065 度的高溫下,轉化 95% 的甲烷。

-----廣告,請繼續往下閱讀-----

中研院在 2021 年 3 月,啟動了「 Alpha 去碳計畫」,進行去碳燃氫的設備開發。但團隊發現,盡管在理論上行得通,但實際上裝置就像是個不受控的火山一樣,熔融金屬與蒸氣挾帶著碳粒形成黏稠流體,不斷從表面冒出,需要不斷暫停實驗來將岩漿撈出去。因此,即便理論上可行,但熔融合金的催化方式,還無法提供給發電機組使用。

去碳燃氫還能有突破嗎?

有趣的是,找了好一大圈,驀然回首,那人卻在燈火闌珊處。

最後大家把目光放到了就在你旁邊,你卻不知道它正在等你的那個催化劑,碳。其實過去就有研究表明碳是一種可行的催化劑。但直到 201 3年,才有韓國團隊,嘗試把碳真的拿來做為去碳燃氫的反應催化劑。

圖/pexels

他們在高溫管柱中,裝填了直徑 30 nm 的碳粒。結果發現,在 1,443 K 的高溫下,能達到幾乎 100 % 的甲烷轉化。而且碳本身就是反應的產物之一,因此整個裝置除了碳鋼容器以外,只有碳與氫參與反應,不僅成本低廉,要回收碳黑也變得容易許多。

-----廣告,請繼續往下閱讀-----

目前這個裝置需要加緊改良的,就是當碳不斷的積蓄,碳粒顆粒變大,反應會跟著下降。如何有效清除或更換濾網與反應材料,會是能否將此設備放大至工業化規模的關鍵。

最後,我們回頭來談談,在去碳燃氫技術逐漸成熟之後,我們可能需要面對的根本問題。

天然氣是救世主,還是雙面刃?

去碳燃氫後的第一階段,還是會以天然氣為主,只混和 10 % 以下的氫氣作為發電燃料。

這是因為甲烷的燃燒速度是每秒 0.38 公尺,氫氣則為每秒 2.9 公尺,有著更劇烈的燃燒反應。因此,目前仍未有高比例氫氣的發電機組,氫氣的最高比例,通常就是 30 % 。

目前除了已成功串連,使用 10 % 氫氣的小型發電機組以外。台電預計明年完成在興達電廠,使用 5 % 氫氣的示範計畫,並逐步提升混和氫氣的比例。根據估計,光是 5 % 的氫氣,就能減少每年 7000 噸的二氧化碳排放。

-----廣告,請繼續往下閱讀-----

但隨著天然氣的使用量逐步提高,我們也應該同時留意另一個問題。

天然氣洩漏導致的溫室效應,是不可忽視的!

根據 IPCC 2021 年的報告,若以 20 年為評估,甲烷產生的溫室效應效果是二氧化碳的 82.5 倍,以 100 年為評估,效果為 29.8 倍,是僅次於二氧化碳,對於溫室效應的貢獻者第二名。這,不可不慎啊。

圖/unsplash

從石油、天然氣井的大量甲烷洩漏,加上運輸時的洩漏,如果沒有嚴格控管,我們所做的努力,很有可能就白費了。

非營利組織「環境保衛基金」曾在 2018 年發表一篇研究,發現從 2012 到 2018 年,全球的甲烷排放量增加了 60 % ,從煤炭轉天然氣帶來的好處,可能因為甲烷洩漏而下修。當然,我們必須相信,當這處漏洞被補上,它還是能作為一個可期待的發電方式。

圖/giphy

另一篇發表在《 Nature Climate Change 》的分析研究就說明,以長期來看,由煤炭轉為天然氣,確實能有效減緩溫室氣體排放。但研究也特別提醒,天然氣應作為綠能發展健全前的過渡能源,千萬別因此放慢對於其他潔淨能源的研究腳步。

去碳燃氫技術看起來如此複雜,為什麼不直接發展綠氫就好了?

確實,綠氫很香。但是,綠氫的來源是電解水,而反應裝置也不可能直接使用雜質混雜的海水,因此若要大規模發展氫能,通常需要搭配水庫或海水淡化等供水設施。另外,綠氫本來就是屬於一種儲能的形式,在台灣自己的綠能還沒有多到有剩之前,當然直接送入電網,還輪不到拿來產綠氫。

圖/unsplash

相比於綠氫,去碳燃氫針對的是降低傳統火力發電的碳排,並且只需要在現有的發電廠旁架設熱裂解設備,就可以完成改造。可以想像成是在綠能、新世代核能發展成熟前的應急策略。

當然,除了今天提到的灰氫、藍氫、綠氫。我們還有用核能產生的粉紅氫、從地底開採出來的白氫等等,都還沒介紹呢!

除了可以回去複習我們這一集的氫能大盤點之外,也可以觀看這個介紹白氫的影片,一個連比爾蓋茲都在今年宣布加碼投資的新能源。它,會是下一個能源救世主嗎?

最後,也想問問大家,你認為未來 10 年內,哪種氫能會是最有潛力的發展方向呢?

  1. 當然是綠:要押當然還是壓最乾淨的綠氫啦,自產之前先進口也行啊。
  2. 肯定投藍:搭配碳捕捉的藍氫應該會是最快成熟的氫能吧。
  3. 絕對選白:連比爾蓋茲也投資的白氫感覺很不一樣。快介紹啊!

什麼?你覺得這幾個選項的顏色好像很熟悉?別太敏感了,下好離手啊!

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。