0

5
2

文字

分享

0
5
2

用黑白相機拍出色彩繽紛的宇宙

全國大學天文社聯盟
・2022/04/30 ・2550字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

  • 文/邵思齊,現就讀臺大地質科學系,著迷於大自然的鬼斧神工。

現代的人們生活在充滿明亮人造光源的城鎮中,難以想像純粹的夜空是什麼樣子。對宇宙中天體的印象,多半來自各地天文台與太空望遠鏡所捕捉的絢麗星雲、星團、星系。但這些影像中的顏色是真實的嗎?如果我們能夠用肉眼看到這些天體,它們的顏色真能如影像中如此的五彩繽紛嗎?

色彩的起源:為什麼人眼能看到顏色?

電磁波跨越各種尺度的波段,有波長遠小於 1 奈米的伽瑪射線,也有波長數百公里長的無線電波。但人類眼睛中的的感光細胞僅能感測到波長介於 400-700 奈米之間的電磁波,也就是僅有這段電磁波能夠以紅到紫的色彩出現在人類的視野當中,所以我們對外界的認知就受限於這小一段稱為可見光(Visible Light)的視窗。人之所以能夠辨識不同的顏色,靠的是人眼中的視錐細胞。視錐細胞分成 S、M、L 三種,分別代表 short, medium, long,其感測到的不同波長的光,大致可對應到藍色、綠色、紅色。

S、M、L 三種視錐細胞可以感測不同的顏色,後來的相機設計也以此為基礎。圖/Wikipedia

肉眼可以,那相機呢?

在還沒有電子感光元件的時代,紀錄影像的方法是透過讓底片中的銀離子曝光、沖洗後,變成不透光的金屬銀(負片),但這樣只能呈現出黑白影像。於是,歷經長時間的研究與測試,有著三層感光層的彩色底片誕生了。它的原理是在不同感光層之間加上遮色片,讓三層感光片能夠分別接收到各自顏色的光線。最常使用的遮色片是藍、綠、紅三色。進入數位時代,電子感光元件同樣遇到了只有明暗黑白、無法分辨色彩的問題,但這次,因為感光元件無法透光,不能像底片一樣分層感光,工程師們只好另闢蹊徑。

於是專為相機感光元件量身打造的拜爾濾色鏡(Bayer Filter)誕生了,也就是由紅色、綠色、藍色三種方形濾光片相間排列成的馬賽克狀濾鏡,每一格只會讓一種顏色通過,如此一來,底下的感光元件就只會接收到一種顏色的光。接著,再把相鄰的像素數值相互內插計算,就可以得到一張彩色影像。由於人的視錐細胞對綠色特別敏感,因此拜爾濾色鏡的設計中,綠色濾光片的數量是其他顏色的兩倍。

-----廣告,請繼續往下閱讀-----

這種讓各個像素接收不同顏色資訊的做法,雖然方便快速,卻需要好幾個像素才能還原一個區塊的顏色,因此會大幅降低影像解析度。這對寸解析度寸金的天文研究來說,非常划不來,畢竟我們既想得知每個像素接收到的原始顏色,又想獲得以像素為解析單位的最佳畫質,盡可能不要損失任何資訊。

藍綠紅相間的拜爾綠色鏡,廣泛用於日常使用的彩色感光元件,例如手機鏡頭、單眼相機等裝置。圖/Wikipedia

要怎麼讓每個像素都能獨立呈現接收到的光子,而且還能夠完整得到顏色的資訊呢?最好的方法就是在整塊感光元件前加上一塊單色的濾色鏡,然後輪流更換不同的濾色鏡,一次只記錄一種顏色的強度。然後,依照濾鏡的波段賦予影像顏色,進行疊合,得到一張還原真實顏色的照片。如此一來,我們就能用較長的拍攝時間,來換取最完整的資訊量。以天文研究來說,這種做法更加划算。

另外,由於視錐細胞並不是只對單一波長的光敏感,而是能夠接收波長範圍大約數百奈米寬的光,因此若是要還原真實顏色的影像,人們通常會使用寬頻濾鏡(Broadband filter),也就是波段跨足數百奈米的濾鏡進行拍攝。

美麗之外?濾鏡的科學妙用

雖然還原天體的真實顏色是個相當直覺的作法,但既然我們有能力分開不同的顏色,當然就有各式各樣的應用方法。當電子從高能階躍遷回到低能階,就會釋放能量,也就是放出固定波長的電磁波。若是受到激發的元素不同,電子躍遷時放出的電磁波波長也會隨之改變,呈現出不同顏色的光。

-----廣告,請繼續往下閱讀-----

如果我們在拍攝時,可以只捕捉這些特定波長的光,那我們拍出的照片,就代表著該元素在宇宙中的分佈位置。對天文學家來說,這是相當重要的資訊。因此,我們也常使用所謂的窄頻濾鏡(Narrowband filter),只接收目標波段周圍數十甚至數個奈米寬的波長範圍。常見的窄頻濾鏡有氫(H)、氦(He)、氮(N)、氧(O)、硫(S)等等。

有時候,按照原本的顏色疊合一組元素影像並不是那麼妥當,例如 H-alpha(氫原子)和 N II(氮離子)這兩條譜線,同樣都是波長 600 多奈米的紅色光,但如果按照它們原本的波長,在合成影像時都用紅色表示,就很難分辨氫和氮的分布狀態。這時候,天文學家們會按照各個元素之間的相對波長來配製顏色。

以底下的氣泡星雲(Bubble Nebula, NGC7635)為例,波長比較長的 N II 會被調成紅色,相對短一點的 H-alpha 就會調成綠色,而原本是綠色的 O III 氧離子則會被調成藍色。如此一來,我們就可以相對輕鬆地在畫面中分辨各個元素出現的位置。缺點是,如果我們真的用肉眼觀測這些天體,看到的顏色就會跟圖中大不相同。

由哈伯太空望遠鏡拍攝的氣泡星雲,使用了三種波段的窄頻濾鏡。圖/NASA

當然,這種人工配製顏色的方法也可以用來呈現可見光以外的電磁波,例如紅外線、紫外線等。舉哈伯太空望遠鏡的代表作「創生之柱」為例,他們使用了兩個近紅外線波段,比較長波的 F160W 在 1400~1700nm,比較短的 F110W在900~1400nm,分別就被調成了黃色和藍色。星點發出的紅外光穿越了創生之柱的塵埃,與可見光疊合的影像比較,各有各的獨特之處。

三窄頻濾鏡疊合的可見光影像與兩近紅外線波段疊合的影像對比。圖/NASA

望遠鏡接收來自千萬光年外的天體光線,一顆一顆的光子累積成影像上的點點像素,經過科學家們的巧手,成為烙印在人們記憶中的壯麗影像。有些天體按照他們原始的顏色重組,讓我們有如身歷其境,親眼見證它們的存在;有些影像雖然經過調製,並非原汁原味,卻調和了肉眼所不能見的波段,讓我們得以一窺它們背後的故事。

文章難易度
全國大學天文社聯盟
7 篇文章 ・ 19 位粉絲

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
0

文字

分享

0
2
0
藝術與科學的詩性相遇:《匯聚:從自然到社會的藝術探索》國際交流展
PanSci_96
・2024/06/04 ・3873字 ・閱讀時間約 8 分鐘

本文由策展人紀柏豪提供

想享受一場同時兼具科技與藝術的饗宴嗎?來《匯聚:從自然到社會的藝術探索》國際交流展看看吧!

在當代社會中,藝術的角色正持續演進——它創造了一種新的美學,與社會、科學以及技術變革緊密相連。當社會面臨的挑戰因其複雜性而難以僅靠單一學科解決時,藝術研究因其跨越、融合不同知識領域的能力而具有新的意義。今日,許多創作者和機構採用跨學科方法,將藝術與自然、科學與感性、想像力與現實結合,創造嶄新的經驗、知識和美學。

在藝術與科學這兩個看似迥異的領域中,存在著一個共通的追求——深入理解我們所處的世界。這一追求不僅體現了人類對知識渴望的本能,也反映了我們對於更高層次的自我認知和宇宙認識的探索。藝術家透過創作,探索人類經驗的多樣性和情感的複雜性,用畫筆、雕塑、數位媒介來表達對世界的主觀理解。這種理解可能源於個人感受,也可能反映了廣泛的社會和文化現象。

藝術提供了一種通過感知和情感來接觸和理解世界的方式,使我們能夠透過個別經驗來抵達普遍的真理。科學則通過觀察、實驗和分析來探究自然界的法則和現象,尋求對世界的客觀理解。科學方法使我們能夠系統地收集資料、建立理論並驗證假設,從而深化對物理世界的認識。不僅解答了關於自然界的問題,也幫助我們理解了人類自身在這個宇宙中的位置和作用。

-----廣告,請繼續往下閱讀-----

儘管藝術和科學在方法和目的上有所不同,但它們都反映了人類對於更加全面和深刻理解世界的共同願望。藝術讓我們透過感受和想像來擴展對世界的認識,而科學則通過理性和證據來揭示秩序和結構。由國科會指導、國家實驗研究院主辦的《匯聚:從自然到社會的藝術探索》國際交流展,邀請觀眾一同探索藝術與科學的交會,體驗它們如何共同塑造我們對世界的認識和感知,並反思這一過程如何豐富我們的文化與知識視野。

展覽單元介紹

宇宙共生 —— 科技與宇宙的多維依存

當你仰望星空,有沒有想過我們與宇宙的關係?「宇宙共生」單元展示了科技如何將人類感性延伸至浩瀚的宇宙空間。麻省理工學院媒體實驗室的太空探索倡議小組(MIT Media Lab Space Exploration Initiative)帶來了在極端環境下的實地太空模擬,研究生存策略和科技應用。與之並置的《與細菌混了三千年》(3000 Years Among Microbes)則從微生物的角度重新審視太空探索中的殖民語言,帶來全新的太空想像。藝術家利用極端地貌與顯微影像並置,模糊人與微生物的分野,探討共生體概念在星際生態系中的應用。

感官賦能 ——透過科技重塑環境感知

「感官賦能」單元探索藝術家如何通過科技媒介重塑我們對環境的感知。兩位智利藝術家妮可·拉希利耶(Nicole L’Huillier)與派翠西亞·多明格斯(Patricia Domínguez)的《全像乳糜》(Leche Holográfica)是一場冥想式祈願,透過與不同元素的共鳴和諧,讓我們得以在螺旋時空中構想未來。

值得一提的是,藝術家妮可·拉希利耶與派翠西亞·多明格斯曾透過智利與歐盟的合作,在歐洲核子研究組織(CERN)進行藝術駐村計畫,並在那裡發展她們的作品。CERN 以其在粒子物理學上的重大科研成果而聞名,但即使是最前沿的科學研究,也需要藝術家的啟發。這樣的跨域合作不僅揭示了科學現象的美麗與複雜,更為科學研究注入了新的靈感和視角。藝術家的創意與想像力,能夠以不同於科學的方法來詮釋數據與實驗結果,從而開拓更廣泛的理解和應用。

-----廣告,請繼續往下閱讀-----

拉脫維亞藝術家羅莎‧史密特(Rasa Smite)和萊提斯‧史密茨(Raitis Smits)的《深度感知》(Deep Sensing),通過拉脫維亞伊爾本(Irbene) RT-32電波望遠鏡的歷史敘事,象徵性地橋接了技術的過去與現在,探問「為何擁有地球還不足以滿足人類?」該望遠鏡被前蘇聯遺棄,而藝術家們重返此地,探索這個巨大天線在當代的價值。虛擬點雲天線追蹤從太陽到地球的宇宙粒子流動,創造出沉浸式的視覺和聲音景觀,讓觀眾更易於理解氣候變遷的影響。

羅莎‧史密特和萊提斯‧史密茨是里加RIXC新媒體文化中心的共同創辦人,他們的作品結合科學數據、聲音化和視覺化、人工智慧和擴增實境技術,創造出前瞻性的網絡藝術。他們的作品曾在威尼斯建築雙年展、拉脫維亞國家藝術博物館等地展出,並獲得多項國際獎項。

網絡交織 —— 科技與社會的複雜關係

「網絡交織」單元深入探討科技如何影響我們的社會結構和人際關係。瑪麗莎·莫蘭·賈恩(Marisa Morán Jahn)的《銅色景觀》(Copperscapes)展示了銅在全球化勞動中的角色,揭示了這一自然元素如何影響我們的日常生活。她的作品以銅色眼睛作為見證,表現出礦區社區所承受的「身體負擔」,並在影片《銅的私處史》中探討礦物經濟的複雜性,突顯採礦活動對身體及地球主權的影響。

瑪麗莎·莫蘭·賈恩是具有厄瓜多和中國血統的藝術家,其作品致力於重新分配權力,展示藝術作為社會實踐的可能性。她的作品曾在歐巴馬時期的白宮、威尼斯建築雙年展、古根漢美術館等地展出,並獲得聖丹斯電影節和創意資本等獎項。

-----廣告,請繼續往下閱讀-----

李紫彤與孫詠怡的《岔經濟》(Forkonomy)利用區塊鏈技術,重新構想財產與國家之間的連結,探討擁有權背後的政治意義。這個藝術與社會運動計畫,通過工作坊和數位契約,探討如何購買或擁有一毫升的南海,並質疑現有的性別勞動分工和所有權制度。

李紫彤是台灣的藝術家兼策展人,作品結合人類學研究與政治行動,曾在國內外多個知名展覽中展出。孫詠怡是出生於香港的藝術家和程式撰寫者,專注於數位基礎設施的文化意義及廣泛權力的不對等問題,作品曾獲得林茲電子藝術節金尼卡獎等多項國際獎項。

印度藝術家艾蒂·桑德爾(Aarti Sunder)的《深海節點故事》(Nodal Narratives of the Deep Sea)將海底電纜這一隱藏基礎設施帶入視野,探討其與現代化項目、資本主義擴張及殖民主義的關聯。她的作品通過繪畫、物件和影片,展示了數據傳輸的路徑及其對生態系統的影響。

艾蒂·桑德爾的創作涉及影像、寫作與繪畫,專注於探討科技政治和基礎設施相關議題。她的作品曾在柏林藝術學院、新加坡雙年展、世界文化之家等國際場所展出。

-----廣告,請繼續往下閱讀-----

科藝匯聚 —— 跨學科的創新邊界

「科藝匯聚」單元彰顯了藝術與科學共同探索未知領域的力量。國家太空中心的《來自遙遠的訊息》管絃樂曲選粹、麻省理工學院前衛視覺研究中心(CAVS)的歷史檔案,以及臺灣共演化研究隊的「邊界測繪學」年度計畫成果,展示了藝術家與科學家跨域合作的豐富成果和未來潛能。

跨域交流與活動

在展覽期間,策展團隊與台灣致力於促進科學家與藝術家合作的「共演化研究隊」規劃了一系列精彩的跨域交流活動,讓大家能近距離與藝術家、科學家們交流,體驗科技與藝術如何共同作用於當代社會。

活動包括圓桌論壇、藝術家講座和放映會,涵蓋了多個有趣且深入的主題。例如,在「宇宙共生」週末,觀眾可以參與討論極地科學與藝術實踐的圓桌論壇,聆聽來自麻省理工學院媒體實驗室「太空探索倡議」的成員分享他們在極端地貌探索的經驗。另一活動是國家太空中心委託製作的管弦樂曲《來自遙遠的訊息》放映會,由作曲家趙菁文進行演前導聆,帶領觀眾進入一場視覺與聽覺的雙重盛宴。

在「網絡交織」週末,藝術家李紫彤與孫詠怡將帶來一場關於區塊鏈技術應用於南海議題的討論,這場圓桌論壇將探討技術如何影響社會結構和資源分配。印度藝術家艾蒂·桑德爾則會在線上分享她對於海洋及網路基礎設施的研究與創作,揭示隱藏在我們日常生活背後的複雜科技網絡。

-----廣告,請繼續往下閱讀-----

「感官賦能」週末將邀請拉脫維亞藝術家羅莎‧史密特和萊提斯‧史密茨現場分享他們的作品《深度感知》,並探討電波望遠鏡的技術敘事,展示如何通過藝術手段使抽象的科學數據變得可以感知。這不僅讓觀眾更易於理解氣候變遷的影響,也體現了藝術在科學溝通中的重要角色。他們將分享長期研究「自然廣播」的概念,以及每年舉辦「藝術科學節」的經驗。

在「科藝匯聚」週末,觀眾可以參與科學家與藝術家的提案室,直接感受跨領域合作的火花。這些活動將展示跨學科合作如何激發創新,促進我們對世界更深層次的理解。此外,拍攝麻省理工學院前衛視覺研究中心創始人故事的紀錄片將在台灣首映,導演並將與觀眾進行映後座談,分享創作背後的故事和啟發。

藝術與科學的相互啟發,不僅僅是知識和美學的結合,更是對創新與理解的共同追求。在這個亟需跨學科解決方案的時代,這樣的合作顯得尤為重要,為我們探索未知領域提供了無限可能。這次展覽通過多樣的跨域交流活動,讓觀眾能夠親身體驗並參與其中,進一步體會到藝術與科學融合所帶來的豐富成果和未來潛力。

展覽資訊

  • 展覽名稱:《匯聚:從自然到社會的藝術探索 | 國際交流展》
  • 日期:2024/5/10 至 2024/8/10
  • 時間:週一至週五 09:00-18:00(國定假日休)
  • 地點:科技大樓一樓大廳(臺北市大安區和平東路二段106號)
  • 指導單位:國家科學及技術委員會
  • 主辦單位:國家實驗研究院
  • 策展人:紀柏豪
  • 執行單位:融聲創意
  • 協力單位:共演化研究隊

討論功能關閉中。

PanSci_96
1226 篇文章 ・ 2319 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

2
2

文字

分享

0
2
2
量子力學可以幫你判斷物體溫度?從古典物理過渡到近代的一大推手——黑體輻射
PanSci_96
・2024/03/24 ・3639字 ・閱讀時間約 7 分鐘

1894 年,美國物理學家邁克生(Albert Abraham Michelson)作為芝加哥大學物理系的創立者,在為學校的瑞爾森物理實驗室(Ryerson Physical Laboratory)落成典禮致詞時,表示:「雖然無法斷言說,未來的物理學不會比過去那些驚奇更令人驚嘆,但似乎大部分的重要基本原則都已經被穩固地建立了。」

以我們現在的後見之明,這段話聽起來固然錯得離譜,但在當時,從 17、18 到 19 世紀,在伽利略、牛頓、馬克士威等前輩的的貢獻之下,物理學已經達成了非凡的成就。

我們現在稱為古典的物理學,對於整個世界的描述幾乎是面面俱到了,事實上沒有人預料到 20 世紀將出現徹底顛覆世界物理學認知的重要理論,量子力學。

而這最一開始竟只是出自於一件不起眼的研究,關於物體發出的光。

-----廣告,請繼續往下閱讀-----

萬物皆輻射

在此我們要先理解一個觀念:所有物體無時無刻不在發出電磁波輻射,包括了你、我、你正使用的螢幕,以及我們生活中的所有物品。

至於為什麼會這樣子呢?其中一個主要原因是,物體都是由原子、分子組成,所以內部充滿了帶電粒子,例如電子。這些帶電粒子隨著溫度,時時刻刻不停地擾動著,在過程中,就會以電磁波的形式放出能量。

除了上述原因之外,物體發出的電磁波輻射,還可能有其他來源,我們就暫時省略不提。無論如何,從小到大我們都學過的,熱的傳遞方式分成傳導、對流、輻射三種,其中的輻射,就是我們現在在談的,物體以電磁波形式發出的能量。

那麼,這些輻射能量有什麼樣的特徵呢?為了搞清楚這件事,我們必須先找個適當的範本來研究。

-----廣告,請繼續往下閱讀-----

理想上最好的選擇是,這個範本必須能夠吸收所有外在環境照射在上面的光線,只會發出因自身溫度而產生的電磁輻射。這樣子的話,我們去測量它發出的電磁波,就不會受到反射的電磁波干擾,而能確保電磁波是來自它自己本身。

這樣子的理想物體,稱為黑體;畢竟,黑色物體之所以是黑的,就是因為它能夠吸收外在環境光線,且不太會反射。而在我們日常生活中,最接近理想的黑體,就是一點也不黑、還超亮的太陽!這是因為我們很大程度可以肯定,太陽發出來的光,幾乎都是源於它自身,而非反射自外在環境的光線。

或者我們把一個空腔打洞後,從洞口發出的電磁波,也會近似於黑體輻射,因為所有入射洞口的光都會進入空腔,而不被反射。煉鐵用的鼓風爐,就類似這樣子的結構。

到目前為止,一切聽起來都只是物理學上一個平凡的研究題目。奇怪的是,在對電磁學已經擁有完整瞭解的 19 世紀後半到 20 世紀初,科學家儘管已經藉由實驗得到了觀測數據,但要用以往的物理理論正確推導出黑體的電磁波輻射,卻遇到困難。正是由此開始,古典物理學出現了破口。

-----廣告,請繼續往下閱讀-----

黑體輻射

由黑體發出的輻射,以現在理論所知,長得像這個樣子。縱軸代表黑體輻射出來的能量功率,橫軸代表黑體輻射出來的電磁波波長。

在理想狀況下,黑體輻射只跟黑體的溫度有關,而跟黑體的形狀和材質無關。

以溫度分別處在絕對溫標 3000K、4000K 和 5000K 的黑體輻射為例,我們可以看到,隨著黑體的溫度越高,輻射出來的能量功率也越大;同時,輻射功率最高的波段,也朝短波長、高頻率的方向靠近。

為了解釋這個曲線,物理學家們開始運用「當時」畢生所學來找出函數方程式,分成了兩派:

-----廣告,請繼續往下閱讀-----

一派是 1896 年,由德國物理學家維因(Wilhelm Carl Werner Otto Fritz Franz Wien),由熱力學出發推導出的黑體輻射公式,另一派,在 1900 與 1905 年,英國物理學家瑞立(John William Strutt, 3rd Baron Rayleigh)和金斯(James Jeans),則是藉由電磁學概念,也推導出了他們的黑體輻射公式,稱為瑞立-金斯定律。

你看,若是同時擺上這兩個推導公式,會發現他們都各自對了一半?

維因近似 Wien approximation 只在高頻率的波段才精確。而瑞立-金斯定律只對低頻率波段比較精確,更預測輻射的強度會隨著電磁波頻率的提升而趨近無限大,等等,無限大?――這顯然不合理,因為現實中的黑體並不會放出無限大的能量。

顯然這兩個解釋都不夠精確。

-----廣告,請繼續往下閱讀-----

就這樣,在 1894 年邁克生才說,物理學可能沒有更令人驚嘆的東西了,結果沒幾年,古典物理學築起的輝煌成就,被黑體輻射遮掩了部分光芒,而且沒人知道,這是怎麼一回事。

普朗克的黑體輻射公式

就在古典物理學面臨進退維谷局面的時候,那個男人出現了——德國物理學家普朗克(Max Planck)。

1878年學生時代的普朗克。圖/wikimedia

普朗克於 1900 年就推導出了他的黑體輻射公式,比上述瑞立和金斯最終在 1905 年提出的結果要更早,史稱普朗克定律(Planck’s law)。普朗克假想,在黑體中,存在許多帶電且不斷振盪、稱為「振子」的虛擬單元,並假設它們的能量只能是某個基本單位能量的整數倍。

這個基本單位能量寫成 E=hν,和電磁輻射的頻率 ν 成正比,比例常數 h 則稱為普朗克常數。換言之,黑體輻射出來的能量,以hν為基本單位、是一個個可數的「量」加起來的,也就是能量被「量子化」了。

-----廣告,請繼續往下閱讀-----

根據以上假設,再加上不同能量的「振子」像是遵循熱力學中的粒子分佈,普朗克成功推導出吻合黑體輻射實驗觀測的公式。

普朗克的方程式,同時包含了維因近似和瑞立-金斯定律的優點,不管在低頻率還是高頻率的波段,都非常精確。如果我們比較在地球大氣層頂端觀測到的太陽輻射光譜,可以發現觀測數據和普朗克的公式吻合得非常好。

其實有趣的是普朗克根本不認為這是物理現象,他認為,他假設的能量量子化,只是數學上用來推導的手段,而沒有察覺他在物理上的深遠涵意。但無論如何,普朗克成功解決了黑體輻射的難題,並得到符合觀測的方程式。直到現在,我們依然使用著普朗克的方程式來描述黑體輻射。不只如此,在現實生活中,有許多的應用,都由此而來。

正因為不同溫度的物體,會發出不同特徵的電磁波,反過來想,藉由測量物體發出的電磁波,我們就能得知該物體的溫度。在疫情期間,我們可以看到某些場合會放置螢幕,上面呈現類似這樣子的畫面。

-----廣告,請繼續往下閱讀-----

事實上,這些儀器測量的,是特定波長的紅外線。紅外線屬於不可見光,也是室溫物體所發出的電磁輻射中,功率最大的波段。只要分析我們身體發出的紅外線,就能在一定程度上判斷我們的體溫。當然,一來我們都不是完美的黑體,二來環境因素也可能產生干擾,所以還是會有些許誤差。

藉由黑體輻射的研究,我們還可以將黑體的溫度與發出的可見光顏色標準化。

在畫面中,有彩虹背景的部分,代表可見光的範圍,當黑體的溫度越高,發出的電磁輻射,在可見光部分越偏冷色系。當我們在購買燈泡的時候,會在包裝上看到色溫標示,就是由此而來。所以,如果你想要溫暖一點的光線,就要購買色溫較低,約兩、三千 K 左右的燈泡。

結語

事實上,在黑體輻射研究最蓬勃發展的 19 世紀後半,正值第二次工業革命,當時鋼鐵的鍛冶技術出現許多重大進步。

德國鐵血宰相俾斯麥曾經說,當代的重大問題要用鐵和血來解決。

就傳統而言,煉鋼要靠工匠用肉眼,從鋼鐵的顏色來判斷溫度,但若能更精確地判斷溫度,無疑會有很大幫助。

德國作為鋼鐵業發達國家,在黑體輻射的研究上,曾做出許多貢獻,這一方面固然可能是學術的求知慾使然,但另一方面,也可以說跟社會的需求與脈動是完全吻合的。
總而言之,普朗克藉由引進能量量子化的概念,成功用數學式描述了黑體輻射;這件事成為後來量子力學發展的起點。儘管普朗克本人沒有察覺能量量子化背後的深意,但有另一位勇者在數年後繼承了普朗克的想法,並做出意味深長的詮釋,那就是下一個故事的主角――愛因斯坦的事了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1226 篇文章 ・ 2319 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。