2

7
4

文字

分享

2
7
4

機器學習 × 鈣鈦礦材料:讓 AI 設計太陽能電池!

研之有物│中央研究院_96
・2022/03/09 ・6280字 ・閱讀時間約 13 分鐘

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文|簡克志
  • 美術設計|林洵安

機器學習輔助材料設計

為了 2050 淨零排放的目標,太陽能發電為不可或缺的再生能源之一,其中「鈣鈦礦太陽能電池」是近年最熱門的研究領域,不僅成本低廉、光電轉換效率也可達到 25%。然而,鈣鈦礦材料在環境中容易降解,影響使用壽命。材料科學家為了做出效能好又穩定的鈣鈦礦「料理」,無不卯足了勁,替這道菜加上各種「食材」,但是越複雜的菜,調出好味道就越困難。人腦畢竟有限,如果交給機器呢?中央研究院「研之有物」專訪院內應用科學研究中心包淳偉研究員,他與團隊訓練了一套機器學習模型,可以又快又準的找出複雜鈣鈦礦材料的最佳化條件!

「鈣鈦礦太陽能電池」是近年最熱門的研究領域,不僅成本低廉、光電轉換效率也可達到 25%。圖/Wikimedia Commons

光電好夥伴:複雜鈣鈦礦材料

對太陽能電池來說,鈣鈦礦材料具有優異的光電性質和低生產成本,近年也廣泛應用在 LED、雷射、光感測器和光觸媒。

鈣鈦礦是什麼呢?最初是指鈣與鈦的氧化物 CaTiO3,而現在常講的「鈣鈦礦材料」為一種統稱,泛指擁有相似結構的金屬鹵化物材料,通式為 ABX3。要調配出優秀的鈣鈦礦材料並不容易,科學家必須像大廚一樣,運用各種「食材」煮出 ABX3

鈣鈦礦材料 ABX3 的結構示意圖,同一個位置可以放入不同的相應元素。資料來源/Journal of Energy Chemistry

鈣鈦礦材料 ABX3 的「食材」有哪些?

  • A 的位置:可放入 +1 價的有機或無機陽離子,例如甲胺(CH3NH3+,簡稱 MA)、甲脒(HC(NH2)2+,簡稱 FA)或銫離子(Cs+)。
  • B 的位置:可放入 +2 價的無機金屬陽離子,通常是鉛離子(Pb2+)。
  • X 的位置:可放入 -1 價的鹵素陰離子,如碘(I)、溴(Br)、或氯( Cl)離子。

由於鈣鈦礦材料在環境中容易降解、影響使用壽命。研究發現,添加多種有機和無機離子的鈣鈦礦太陽能電池可大幅提升性能和穩定性,因此科學家為了調配出最好的鈣鈦礦材料,加料不手軟,成份也愈來愈複雜。

在眾多複雜鈣鈦礦材料中,包淳偉研究員探討的是 MAyFA1−yPb(BrxI1−x)3 ,下標符號 y 和 1-y 表示相對含量,如果 MA 佔 60%、FA 就是 40%,因為 MA 和 FA 會競爭同一個位置;同理 Br 和 I 亦然。

圖片為鈣鈦礦材料通式 ABX3 對應到混合離子鈣鈦礦材料 MAyFA1−yPb(BrxI1−x)3 之示意圖。圖/研之有物

問題來了,MAyFA1−yPb(BrxI1−x)3 這個材料這麼複雜,比例要怎麼配比較好呢?「你累積的經驗越多,你就猜得越準」,包淳偉說道。

2016 年曾經有國外團隊為了找出離子濃度配方與 MAyFA1−yPb(BrxI1−x)3 元件性能的關係,不惜花重本「土法煉鋼」,分別將兩組相對含量 7 等分(0, 1/6, 2/6, 3/6, 4/6, 5/6, 1),做出 49 種不同的鈣鈦礦太陽能電池,再去測量光電轉換效率,得出最佳比例為 MA2/6FA4/6Pb(Br1/6I5/6)3 。

然而,爲何這樣的濃度配方可以得到最佳元件呢?很遺憾的,實驗團隊由於實驗表徵手段的限制,並不能解答這個重要的基礎問題。因此,實驗團隊仍然需要學生們焚膏繼晷地爆肝,用試誤法(trial and error)把最佳配方「踹」(try)出來。

國外團隊為了找到 MAyFA1−yPb(BrxI1−x)3 最佳比例,做出 49 種不同的鈣鈦礦太陽能電池,黃框處即為最佳比例。左圖為相應濃度的元件外觀,右圖為相應濃度的材料表面微結構。資料來源/Energy & Environmental Science

不過,一直反覆試誤並非好方法,畢竟每做一次實驗就是一次成本。因此,科學家也設法從理論模擬著手,包淳偉強調「模擬的好處是可以在電腦空間中創造一個最純淨的系統。」,而原子尺度模擬,更可以達到原子級的解析度,提供許多實驗無法量測的資訊。

要如何模擬一個材料系統?

材料科學注重製程(Process)、性質(Property)和結構(Structure)之間的關係。當我們對結構不夠瞭解時,往往只能透過不同的製程參數,慢慢做出我們想要的性質,可能在失敗多次之後,才能抓到一些訣竅。

理論模擬幫助科學家在做出樣品之前,先建立能量模型,找出能量最低、最穩定的微結構。當我們了解結構之後,可以避免有問題的製程參數設定,進而得到較好的材料性質。

首先,如果要知道材料性質,有個最精準也最耗時的方法:「第一原理計算」,只用量子力學原理,從頭開始把原子間的作用力和能量計算出來。

因為計算繁瑣,應用上只能模擬 1 奈米以內(10-9 公尺)的三維材料,抓到數個皮秒(10-12 秒)內的原子狀態,若再往外擴展所耗費的時間和成本難以想像。

相對地,計算材料性質也有省時省力的方法:「分子動力學模擬」,運用古典的牛頓力學,搭配統計力學去計算系統的微觀結構和能量。

分子動力學模擬大約可以模擬 100 奈米內的三維材料,抓到數個微秒(10-6 秒)內的原子狀態,可模擬的系統尺寸和時間都比第一原理計算要來得多!可惜準確度對於現在化學組成高度複雜的新穎材料而言是一個極大的挑戰。

有沒有一種方法,可以做到又快又準呢?有有有!它就是近年大熱門的「機器學習」!

圖/研之有物
第一原理計算僅適合用在 1 奈米以內尺度,計算準確耗時;分子動力學模擬可用於 100 奈米尺度,計算省時卻不夠精準;透過機器學習建立的神經網路模型,可以快速模擬 100 奈米尺度的材料,也保留高準確度。資料來源/包淳偉

時間就是金錢,請愛用機器學習!

當包淳偉看到 2016 年國外團隊的 MAyFA1−yPb(BrxI1−x)3 鈣鈦礦研究之後,他認為「結構」這塊還有很多地方可以討論,如果透過理論模擬,先找出最低能量的微結構,或許就能更有效率地探索離子濃度空間,找出決定最佳配方的關鍵要素!

由於第一原理計算和分子動力學模擬都不夠好用,包淳偉就將念頭轉到近年熱門的「機器學習」,他和團隊就先從簡單的 PbI2 開始,慢慢做到複雜的鈣鈦礦材料。一開始包淳偉的團隊使用布朗大學開發的原子尺度機器學習套件(Atomistic Machine-learning Package, AMP)來進行訓練與測試,然而,由於 AMP 套件性能無法達到預期,包淳偉團隊就走上了自行開發機器學習分子動力學模擬程式的不歸路。

訓練神經網路模型時,包淳偉採用第一原理計算的結果當作機器學習素材,並設計函數進行反饋校正,直到預測的原子能量誤差遠小於熱擾動。

這套神經網路模型如何運作?先輸入原子座標(位置向量 r),再換算成「原子指紋」(特徵向量 G,表示該原子與其他原子之間獨一無二的相對關係),之後透過神經網路,快速輸出整個材料系統的原子能量和作用力。

從輸入到輸出,要模擬原子走一個步階(註 1)有多快?假設以 2000 顆原子的計算量來看,自行開發的機器學習方法只要約 0.1 秒,第一原理計算則要花費 3 小時,足足快了十萬倍(註 2)!

包淳偉與團隊成功訓練出可以模擬複雜鈣鈦礦材料系統的神經網路模型。資料來源/包淳偉
此神經網路模型可以準確預測 MAyFA1−yPb(BrxI1−x)3 鈣鈦礦材料的系統能量和受力。縱軸表示包淳偉團隊的神經網路模型模擬結果,橫軸表示第一原理計算結果。資料來源/包淳偉

AI 告訴我們什麼?

包淳偉團隊成功訓練出來的神經網路模型,可以在 2,000 顆原子左右的材料系統上進行數百萬種可能的原子排列採樣,並計算出複雜鈣鈦礦材料的最低能量結構,模擬出不同原子在材料中最穩定的位置、它們的振動,以及它們受到擠壓時會怎麼跑。

多虧了神經網路的快速計算,即使是 MAyFA1−yPb(BrxI1−x)3 這麼複雜的系統也能處理,跑了將近 1 百萬次結構模擬,得出不同成份比例下 81 種最低能量的微結構(如下圖),這是第一原理計算絕對跑不出來的成果。

MAyFA1−yPb(BrxI1−x)3 鈣鈦礦材料的最低能量原子結構,縱軸 y 為 MA 濃度(CMA,從 MA0-FA1到 MA1-FA0),橫軸 x 為 Br 濃度(CBr,從 Br0-I1 到 Br1-I0),各自 9 等分。為求圖片簡潔,省略 x, y = 0 或 1 的結構圖。資料來源/包淳偉

找出系統最低能量的原子組態還不夠,包淳偉團隊想要進一步檢驗鈣鈦礦材料 MAyFA1−yPb(BrxI1−x)3 是否能穩定地保持混合狀態,因此計算不同濃度成份下的離子混合能 Emix(如下圖)。

  • 混合能是負的,表示系統會傾向混合在一起,這也是材料學家想要的微結構,系統會維持單一固溶相,原子和原子之間「和平共處」。
  • 混合能是正的,表示系統會傾向分離成不同成分的「相」(Phase),材料不能保持穩定的混合狀態,會析出相異固溶相,產生許多缺陷。
MAyFA1−yPb(BrxI1−x)3 鈣鈦礦材料的混合能 Emix分布,藍色表示混合能為負(維持單一固溶相),紅色表示混合能為正(析出相異固溶相),可以看到 Br 和 MA 濃度高的時候,容易析出化合物。其中,縱軸 y 為 MA 濃度(CMA),橫軸 x 為 Br 濃度(CBr)。資料來源/包淳偉

從 MAyFA1−yPb(BrxI1−x)3 混合能分布初步來看,Br 濃度(CBr)或 MA 濃度(CMA)越高的時候,混合能就越高,系統越容易析出相異的固溶相。

除了混合能之外,研究團隊更進一步檢驗了不同濃度成份下的其他結構參數,例如短程有序參數 αA-B(正值表示 A-B 析出;負值表示 A-B 混合)、晶格扭曲 ηs(shear strain)與晶格畸變 ηv(volumetric strain),觀察析出化合物時,是否真的會改變晶格的幾何結構。

為了將模擬結果和實際情況對照,包淳偉再將模擬出來的結構以第一原理計算出不同濃度成份下的材料能隙(Eg),以及用內差法比對 2016 年國外團隊的實驗數據,得出不同濃度成份下的元件短路電流(Jsc)和光電轉換效率(power conversion efficiency, PCE)。

有了這些關鍵數據,我們終於可以完成鈣鈦礦材料 MAyFA1−yPb(BrxI1−x)3 優化製程參數的最後一哩路!

鈣鈦礦材料設計最佳化!

還記得我們一開始跑模擬的目標嗎?幫助研究團隊在花大錢做實驗之前,先找出最穩定的結構,從結構參數回推好的製程參數,進而得到較好的材料性質。

那麼要如何把這麼多參數的相關性一網打盡呢?有個好工具叫「皮爾森相關性矩陣」(Pearson correlation matrix)

MAyFA1−yPb(BrxI1−x)3 鈣鈦礦材料透過機器學習方法模擬之後,計算出性質參數(Eg、Jsc、PCE)、結構參數(Emix、α、ηs、ηv)與製程參數(CMA、CBr)與之間的相關性。其中,r 為相關係數,紅色正值表示兩者正相關,藍色負值表示兩者負相關。資料來源/包淳偉

上圖的矩陣整合了結構參數、製程參數與性質參數的相關性。這張表格要怎麼解讀呢?

首先看結構參數,混合能(Emix)越高,晶格扭曲(ηs)程度越大,MA 和 FA 不互溶,Br 和 I 也不互溶,鈣鈦礦材料 MAyFA1−yPb(BrxI1−x)3 不能保持穩定的混合狀態。

再來看製程參數和結構參數,Br 的濃度(CBr)和 MA 的濃度(CMA)越高,晶格扭曲明顯增加,使得混合能越高。尤其是 Br,Br 加得越多,MA 和 FA 不互溶,Br 和 I 也不互溶,容易析出其他固體相,在材料中引入缺陷。

最後看性質參數與結構參數,會發現混合能越高,光電轉換效率(PCE)和元件短路電流(Jsc)越差。

因此,如果要提升光電轉換效率,必須降低 Br 和 MA 的摻雜濃度來減少晶格扭曲,以降低混合能,使得 MA 和 FA ,Br 和 I 都能充分混合,讓析出物和缺陷減少。使電流傳輸時不會受到材料缺陷或晶界的阻礙,光電轉換效率才會好。

要做出好的鈣鈦礦材料 MAyFA1−yPb(BrxI1−x)3 必要條件之一:「降低 Br 和 MA 的摻雜濃度,盡量讓材料維持單一固溶相」。

這就是理論模擬的科學力量,預先評估一款材料設定的製程參數好不好。如果要透過實驗方法窮舉出上述的最佳化原則,不僅金錢花費巨大,時間成本也相當高。

包淳偉與研究團隊透過近年熱門的機器學習技術,建立了模擬材料系統的神經網路模型,因為神經網路快速運算的特性,大幅降低花費時間和成本,並且模擬結果相當準確。

包淳偉團隊從簡單的化合物模擬開始,終於在 2021 年成功發表複雜鈣鈦礦材料 MAyFA1−yPb(BrxI1−x)3 的最佳化條件,成果發表在權威期刊《Journal of Physical Chemistry Letters》。

目前除了繼續改善神經網路模型之外,也開始和其他國外研究團隊合作解決混合複雜元素的材料系統問題,例如高熵合金。最近包淳偉團隊與香港研究團隊在《自然》期刊發表了一種超彈性高熵合金,而包淳偉團隊也正在使用機器學習輔助原子尺度模擬來研究它有趣的塑性變形性質。

要做出好的材料,結構、製程與性質缺一不可,機器學習輔助的模擬方法可以幫助科學家快速找到最低能量的結構,這是傳統模擬方法無法做到的。

目前除了繼續改善神經網路模型之外,最近包淳偉團隊與香港研究團隊在《自然》期刊發表了一種超彈性高熵合金,而包淳偉團隊也正在使用機器學習輔助的原子尺度模擬來研究它有趣的塑性變形性質。圖/研之有物

註解

  • 註 1:原子走一個步階的意思是:原子從某個位能井跳到下一個位能井。
  • 註 2:此為研究團隊早期模擬 MAPbI3 的成果,之後的神經網路模型效率更好。

延伸閱讀

  1. 機器學習與材料廚神的神祕Recipe
  2. 應用人工神經網路勢能場研究複雜鈣鈦礦材料微觀結構
  3. 見微知著─分子模擬的應用
  4. A highly distorted ultraelastic chemically complex Elinvar alloy
  5. Exploration of the compositional space for mixed lead halogen perovskites for high efficiency solar cells
  6. Is machine learning redefining the perovskite solar cells?
  7. Microstructure Maps of Complex Perovskite Materials from Extensive Monte Carlo Sampling Using Machine Learning Enabled Energy Model
  8. Molecular Dynamics Simulation for All

 

國中生的科普素養閱讀平台: 《科學生》,素養強化訓練 今天就展開!

文章難易度
所有討論 2
研之有物│中央研究院_96
237 篇文章 ・ 1806 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook


2

4
2

文字

分享

2
4
2

「科學家也需要 Art!」持續破解果蠅大腦神經迴路的李奇鴻

研之有物│中央研究院_96
・2022/04/11 ・6084字 ・閱讀時間約 12 分鐘

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/歐宇甜、黃曉君、簡克志
  • 美術設計/林洵安、蔡宛潔

神經科學與視覺

我們怎麼「看到」顏色,「察覺」東西在動?大腦如何產生視覺?中央研究院「研之有物」專訪院內細胞與個體生物學研究所所長李奇鴻,他是國際知名的神經科學家,過去長期在美國國家衛生院(National Institutes of Health)做研究,2018 年回到中研院貢獻自己所學。李奇鴻的實驗室主要是以果蠅視覺系統為模型,研究神經元如何在發育過程形成複雜的突觸連結,以及神經迴路如何產生視覺來引導動物行為。

李奇鴻是國際知名的神經科學家,研究神經迴路如何產生視覺來引導動物行為。圖/研之有物

技術帶動神經科學研究

神經系統如何運作?這對以前的科學家來說是黑盒子。由於大腦發生錯誤或出問題時,會直接表現在外在行為上,早期科學家想了解人腦運作機制,只能透過腦部哪裡受傷壞掉或中風等,知道腦部的大概功能區域,但沒辦法進入細胞層次。

「在生物學的發展上,除了需要有智慧的思考,其他都要靠技術去推動。你可能想到一個有趣的題目,但也許要 30 年後,才出現足夠的技術來解決問題。」李奇鴻舉例,從光學顯微鏡、電子顯微鏡、電生理技術、分子生物學到結構生物學發展,每個都在細胞、分子、及系統層次開啟了新的世界。

隨著顯微技術與遺傳工程日益完備,果蠅成為現今熱門的腦科學研究對象。李奇鴻指出,「果蠅的生長速度快,相較老鼠要幾個月成熟,果蠅只要兩週。果蠅的大腦複雜程度介於人和單細胞生物中間,結構跟人高度相似,成果可應用在人身上。」

因此,近 10 幾年來是神經科學大起飛時代,科學家透過遺傳學方法控制果蠅的神經元活性、觀察行為,藉此了解哪些基因會影響大腦發育和運作,逐漸破解神經迴路的奧祕。

「我在選博士後研究時,想到底要做線蟲、老鼠、魚、果蠅或其他模式生物?最後才選果蠅。回想起來,近年剛好碰到果蠅相關技術蓬勃發展,選果蠅是很正確的決定!」李奇鴻笑道。

李奇鴻引用知名神經科學家 David Marr 的三層假說(tri‐level hypothesis),認為大腦運作有三個層次:

  1. Computation level(運算):神經系統在做的事,如分辨顏色、觀察東西移動、辨認物體是圓是方、是蘋果或橘子等。
  2. Algorithm level(程序):神經系統的操作方式、程序怎麼做。 
  3. Implementation level(實行):神經系統如何透過神經元、神經網路來達成這個程序。

李奇鴻表示,「過去多數神經科學家都在討論 computation,再探究 algorithm,卻沒辦法解決 implementation 。現在因為具備技術,科學家終於能找出 implementation,再回推上層問題,甚至發現 algorithm 跟原本想的不一樣。」

視網膜感知系統怎麼運算?

關於神經系統的操作方式(Algorithm level),也有因為技術進步而解決爭議的案例。李奇鴻舉例,以前神經科學家在研究視覺系統感受物體運動的機制,曾出現幾種理論,HR 理論認為神經訊號是用乘法,另一派 BL 理論認為是用減法,爭議了很久。

近年科學家發現,原來視網膜感知系統的運算機制是混合的,一共三種,稱為 HR-BL 混合視覺運動偵測器。過去兩派都只對了一半。

關於視網膜感知系統的運算機制,過去 HR 理論和 BL 理論都只猜對其中一種方向(打勾處)。資料來源/Current Biology

Hassenstein-Reichardt(HR)模型:從昆蟲行為研究而來。

  1. 當有偏好方向(從左到右)的視覺刺激出現,左邊的光感應神經元收到訊號,這個信號會被延遲(時間 τ),接著右邊的光感應神經元收到訊號,兩者的訊號會同時到達下游的神經細胞(X),訊號將會相乘,生成運動訊號。
  2. 當有非偏好方向(從右到左)視覺刺激出現,兩個訊號會在不同的時間到達,不會生成運動訊號。

Barlow-Levick(BL)模型:從兔子電生理研究而來。

  1. 當有偏好方向(從左到右)的視覺刺激出現,左邊的光感應神經元收到訊號,接著右邊的光感應神經元收到訊號,但它為抑制訊號且會被延遲(時間 τ),左邊的訊號會先到達下游的神經細胞,生成運動訊號。
  2. 當非偏好方向(從右到左)視覺刺激出現,左、右兩個光感應神經元的訊號會在相同時間到達,刺激訊號和抑制訊號互相抵銷,不會生成運動訊號。

持續分析果蠅大腦的神經迴路!

近代電腦的所有運算都能用 and、or、Xor 三個邏輯閘表達,科學家想知道,大腦裡有沒有類似但更高階的神經迴路運作方式?「從感官到行為比較容易觀察和操作,目前在視覺運動方面的神經迴路運作,我們知道的最多。」

李奇鴻近年在做昆蟲視覺與行為研究,發現昆蟲在感受顏色,如綠光和紫外光時,感光細胞的處理方式是先將紫外光跟綠光的強度做比較,把兩個光的強度相減,讓原本兩個訊號變成一個訊號,所謂的「顏色拮抗」。

「這種神經迴路能解析、比較兩個顏色強度的差異性,因為大部分在視覺上最重要的正是對比。拮抗運算模組能在一片訊號裡找出哪裡最強、其他較弱。其他感官機制也一樣,像觸摸物品時有凸出來的部分較重要,聽覺上要找出哪個聲音特別高等,讓最重要的訊號能凸顯出來。」李奇鴻補充道。

2021 年李奇鴻的團隊首次發現果蠅視覺系統堆疊了多套拮抗運算模組,以達成顏色及空間接受域雙拮抗的效果,成果發表在《Current Biology》。這樣的神經迴路可以比較相鄰的顏色,產生色彩區間對比感。「沒這樣的功能,我們就看不出紅配綠很悲劇了!」李奇鴻笑道。

科學家們正努力鑽研果蠅大腦的神經運算迴路,希望逐步整理出基本運算模組。或許有一天,看似複雜的大腦功能,都可能用基礎的迴路來破解!

李奇鴻實驗室所發現的顏色及空間接受域雙拮抗神經迴路。R1-R6 是吸收頻率範圍較廣的光接收器(輸出刺激訊號),R7 是吸收紫外光的光接收器(輸出抑制訊號),R8 是吸收綠光或藍光的光接收器(輸出刺激訊號)。從 R1-R8 接收光,輸出到神經細胞 Dm8 之後,會形成顏色拮抗效果。此外,相鄰的 Dm8 之間透過特殊的氯離子通道 GluClα 中介,會產生側向抑制作用(Lateral inhibition),形成空間拮抗效果。資料來源/Current Biology

老師是怎麼走上研究大腦神經科學這條路呢?

「我滿晚才走上科學研究的道路。我對電腦有興趣、喜歡寫程式,大學上中國醫藥學院醫學系,家裡也希望我當醫生。不過在實習時,我發現自己對治療病人沒興趣,反而對問題或疾病本身更有興趣。跟幾個老師談過之後,我決定不當醫生,跑去清華大學讀生命科學,後來就到中研院。」

因為有醫學背景,一開始比較想做能立刻解決問題的研究,像是用蛋白質跟毒素的綜合體來治療癌症。但後來了解,如果沒有深刻了解致病機制、沒有鑽進基礎科學研究,很難有突破。

後來去美國洛克斐勒大學攻讀博士,在洛克斐勒讀書期間,大家常互相交流,對我有很大的啟發。那時我在鑽研結構生物學,希望了解疾病真正的生理過程,曾解開愛滋病病毒跟人體信號傳遞有關的蛋白質結構。

博士畢業前,我接觸到神經科學,感到很有興趣,就去加州大學洛杉磯分校(UCLA)讀博士後,學神經科學裡的發育學,想了解大腦在發育過程是如何用不同分子在細胞間傳遞訊息。那時我待在很大的實驗室,老師不太管學生,要自己想辦法或跟旁邊的人學習,很多人素質都很高,學習環境很好。

之後我進入美國國家衛生院(National Institutes of Health,NIH)開始開實驗室帶自己的團隊,待了 16 年,算是真正進入神經科學領域,直到現在依然在做相關研究。

每個人的人生選擇,都被以前的經歷主導,如果沒有醫學背景,恐怕我不會去學結構生物學或走入大腦神經科學領域。

老師在美國的研究很順利,那是什麼契機才決定回臺灣呢?回來後是否有不適應之處呢?

「我 26 歲出國,在美國也待 26 年,幾乎完全融入美國生活,實驗室運作得蠻好,連太太也是美國人。但在美國很多年後,內心出現一個很深感覺:我在臺灣待過這麼久,臺灣是我進入科學的起點,也許該回來教教臺灣的子弟。」

剛開始有些想法,曾受邀回臺演講幾次,但沒有下決心。後來出現一個重要轉捩點。中研院分子生物研究所 30 週年慶時邀我回來演講,那時有機會跟歷任所長聊天,這些所長中許多是我過去在中研院碰過的老師。聊了後感觸很深,發現每任所長都要面對分生所的成長或各種問題,每個所長都有獨到的見解和重要貢獻。

我看到分生所運作得很好,覺得非常感動, 內心想:也許我回來能效法他們,也許對中研院細胞與個體生物學研究所的發展能有一點點實質貢獻。

雖然如果待在美國國家衛生院,我也會有這樣一個機會,但還是想帶自己的子弟,把力氣用在自家子弟身上,讓自己的國家和組織進步。我想將在美國國家衛生院學到的經驗,像哪些組織可以運作、哪些不行,嘗試帶回臺灣。

我很清楚可能碰到的問題,像科學研究會受影響,要重新花幾年時間建立實驗室,但那次契機讓我徹底下定信心。我曾跟廖俊智院長開玩笑,就算不給我錢,我大概也會回來。因為真的覺得這是一個很好的機會,自己能為中研院、為臺灣做些事。畢竟中研院也一直都像我的家!

不過,畢竟過去在美國實驗室和家裡都是講英文,只有打電話給媽媽會說臺灣話,因此, 2018 年剛回臺灣時,國語講得不太流利,臺灣話反而比較流利。

老師覺得美國的研究環境有哪些優點?希望將什麼樣的新觀念、新風氣帶進臺灣呢?

「國外最大特點是學術交流很頻繁,雖然國內也蠻頻繁,但他們交流層次更深入。也就是說,我跟參與的老師交流之後,常能改變想法、做事方法或方向,且是正向的改變。」

國外老師受邀演講,會很積極在幾小時內一直談,在一天中完全沉浸其中,不單講出自己在做的東西,也要求聽眾給予批評或建議等,彼此有深度交流,我每次參加都覺得收穫很多並產生合作可能性。

國內我的經驗是,演講結束後比較缺乏機會跟其他老師深度溝通,領完演講費就屁股拍拍坐高鐵回來。這可能是國內的慣有模式,我覺得需要改變。現在所內我也要求大家,既然花錢請老師來,一定要做深度交流,請對方給予建議。

重要的不是形式或邀到諾貝爾獎得主之類,而是在演講結束後、這個人走出我的辦公室、這些人離開後,對我做的事或做事方法,是不是有什麼實質的改變?在其他科學家交談中是否能得到啟發,改變自己的思考或做實驗方式?或聽聽別人告訴你,你還有哪些沒想到的地方?

分享,也是一種很重要的技術,在交流過程中,當我們可以把一件事講清楚,自己也會茅塞頓開,知道問題在哪。

現在所裡的計畫是把老師分成各種不同興趣小組,組內做交流或有跨組活動。其餘像寫計劃、申請經費、經營實驗室或撰寫並發表文章,這些是基本技術問題。

做任何工作,一個是基本的核心技術,如果沒有「技」就無法生存;另一個是 「藝」(Art) , 可以驅動你一直做下去。訓練人才時,除了培養技術,還要訓練 Art。

老師提到工作上需要 Art,科學家的 Art 是指哪些部分?可以說明得更詳細嗎?

「我想在科學裡面,Art 有很多面向。例如,你怎麼選擇一個問題,怎麼找切入點,如何把一個大問題拆成幾個可攻破的部分,一步步去解開,這是一種 Art。尤其在選擇問題和切入點上,要有獨特的見解或洞燭先機才能成功。」

科學家必須創造有用的知識。什麼叫有用的知識呢?就是聽到學到後,會改變你想事情的方向或做事的方法。很多東西都可以研究,只要科學方法夠嚴謹,都可以得到一些知識。但到底要選擇什麼題目呢?什麼叫做有趣的問題呢?評斷這些就是科學的 Art 。

如果說在人類前面是一個黑暗深淵,知識像光照亮我們前面的路,科學家就像站在最前面,要知道如何踏出那一步?怎麼踏出去?這是 Art。

當科學家看到一個問題、問題成形後,最重要的關鍵是如何選擇一個核心問題去解決。就像玩拼圖時,要放下去最核心、最重要的那塊拼圖。

我回到臺灣後,覺得這裡的研究環境很好,儀器不輸人家,老師很優秀。但可能我們多半只是關注自己的研究,沒有花時間認真去思考,最重要的一塊拼圖在哪裡?當我們有更深度的交流,才能找到最核心的那一塊,做出最重要的貢獻。

李奇鴻說,科學家必須創造有用的知識,也就是會改變做事和想事情方法的知識。至於要選擇創造什麼知識,需要用 Art 來判斷。圖/研之有物

老師在國外的實驗室時是如何帶領研究團隊呢?對年輕的科學家有什麼樣的期待嗎?

「在碩士、博士訓練中最重要的關鍵,是從「讀」科學變成真正「做」科學。我們攤開一本教科書,看到裡面講這個、那個,只是讀人家的科學。即使去念了原始文章,仍然是看著科學怎麼被別人做出來而已。」

自己真正做研究才知道,教科書上每一頁、每一句,背後都可能有數千篇文章支持,那時才知道自己很渺小,懂得謙虛,了解自己一生能做的有限。

所以,每次要跨出一小步,要想該怎麼跨最有效率、得到最大效果。我認為,在碩士班或博士班,最重要的就是了解這種感覺。

有些學生可能覺得,反正我很渺小,世界這麼大,即使做一輩子,即使最成功的科學家,也不過是得到教科書上面的一句話而已,我怎麼做都沒關係啊。 但我們必須帶領學生了解,這個計畫不是老師叫你做才做,而是讓學生覺得這個計畫是自己的,有前進和發展的空間,就像自己的小孩,必須負責。

以前在碩、博士班,剛開始學會技術、實驗做出結果,或能像人家一樣發表文章,會很高興,但這很短暫,真正的轉捩點是我知道有什麼事,是全世界任何人都不知道的那種驕傲,才是真的能支持很久的。我還記得在某一天做到早上五點,從實驗室走出來,知道有個東西全世界只有我知道的喜悅!

當學生曾感受這種發現真實的快樂,你不用規定他早上幾點來、晚上幾點走,他自己就有動機做。

當一個人想這東西應該是怎樣,想辦法做實驗證明出來時,那真的是一種快樂。我想,這是任何其他行業都沒辦法比較的!

學生是要培養成未來的科學家、獨當一面,應該讓他自己走。即使在你看得到的地方,也要讓他自己走出來,而且,他自己想到的,比你告訴他來的有用。

其實,我當老師最興奮時,是學生告訴我那些我不知道的事,會覺得很喜悅,學生想到我沒想到的東西,表示他們有進步,比我還厲害,這很棒!

延伸閱讀

 

國中生的科普素養閱讀平台: 《科學生》,素養強化訓練 今天就展開!

文章難易度
所有討論 2
研之有物│中央研究院_96
21 篇文章 ・ 8 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook