Loading [MathJax]/extensions/tex2jax.js

2

7
6

文字

分享

2
7
6

我們的失眠和喜鵲的失眠有什麼地方不一樣?

胡中行_96
・2022/05/12 ・2031字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

輾轉反側,徹夜難眠的時候,您幾點起床?就算醒了,工作效率是否異常低落?
在此,請您非但別只想到自己,還要拿出一點同理心:因為被剝奪睡眠的澳洲喜鵲,也深受困擾。

徹夜難眠很可能會影響工作效率。圖/Pixabay

捉野生喜鵲來做失眠相關的實驗

2022 年 4 月的《科學報告》期刊,有一篇標題冗長的論文,叫做〈失眠削弱澳洲喜鵲的認知表現並改變其歌曲產出〉[1]。其第一作者澳洲 La Trobe 大學博士候選人 Robin Johnsson,認為歌唱的時辰與類型,對於喜鵲的社交生活相當重要,並以此做為研究主題[2]。且不論在 COVID-19 疫情之前,有些人就已經沒什麼社交生活,更不要談呼朋引伴一起歡唱 KTV,人家喜鵲可是隨時都過得多采多姿。

喜鵲齊聲合唱。影/Youtube

於是,牠們就被科學家抓去做實驗了。

首先,研究團隊架設陷阱,用起士誘捕野生喜鵲。為牠們戴上標有序號的腳環之後,再關進裝有監視器的房間裡。接著,為了測量腦電波圖(electroencephalogram, EEG)與肌肉電位圖(electromyogram, EMG),科學家把無辜的喜鵲抓來開刀。於其腦部表面和頸部肌肉,植入電極貼片(electrodes),方便之後記錄睡眠狀態[1]

然後,喜鵲們就去接受特訓。

-----廣告,請繼續往下閱讀-----

反覆訓練後篩選符合資格的喜鵲來做失眠實驗

研究團隊準備了一種木製食器,左右各挖一個淺槽。其中一個槽裡,盛裝少量起士和麵包蟲。第一次食物直接攤在眼前,不加以掩飾;第二次猶抱琵琶半遮面;第三次開始蓋子完全擋住凹槽,令喜鵲啥也看不見。在訓練的初期,全部的食器都採用灰色蓋子。直到最後的「聯想學習」(associative learning),蓋子被換成黑色或白色。喜鵲掀開特定顏色的蓋子,發現下面藏有食物。這樣重複 15 次,讓牠們不把「食」、「色」的關係兜在一起也難[1]

認知測試的教具,澳洲喜鵲執行聯想或逆向學習任務。圖/參考資料 1

結訓後,研究團隊把食器裡的獎勵換成「不會動的麵包蟲冷盤」(chilled, unmoving mealworms),為喜鵲舉辦驗收成果的模擬考。除了執行「聯想學習」的覓食活動,科學家也期望牠們展現「反轉學習」(reversal learning)的能力。將蓋子的顏色調換,要喜鵲嘗試選出有食物的凹槽。這個階段有一些評分要點[1],例如:

  1. 喜鵲做出第一次選擇時,是否有延遲的行為。緩慢的反應,代表注意力不集中,或動機下降。
  2. 喜鵲得經過幾回,才能達到連續 12 次嘗試中,有 10 次正確的及格分數。
  3. 喜鵲選擇正確瓶蓋的比率。

凡是順利通過模擬考的喜鵲們,便能晉升至下一關。

在實驗的主要階段,喜鵲們被劃為三組,分別體驗下列三種睡眠模式之一:無干擾睡眠、6 小時睡眠剝奪,以及 12 小時睡眠剝奪。研究人員防止喜鵲睡著的花招,包括:迫近或拍打鳥舍、發出噪音,或是輕撫充滿睡意的喜鵲[1]。如同可憐的臺灣中學生,明明前晚都沒睡飽,隔天還得參加考試。研究人員存心要看失眠的喜鵲,怎麼失常。

-----廣告,請繼續往下閱讀-----

人類跟喜鵲一樣會被睡眠影響行為

正式測驗的結果不出所料,沒睡飽的喜鵲容易犯錯,而且要花較長的時間,才能選出正確答案。有些喜鵲甚至失去參與測驗的動機,傾向找機會補眠。其實以前的研究便顯示,失眠也會降低人類的認知表現。諸如參與動機、清醒程度(alertness)、注意力、警戒等級(vigilance)等,都會受到負面影響[1]

除了喜鵲考試的成績,科學家也記錄了牠們社交行為的變化。失眠的喜鵲寧可睡覺,也不要唱歌。最後就算唱了,單曲的長度卻意外地延展。原本的晨曲改在中午演出,頻寬變得狹窄,內容相較貧乏,顫音也明顯減少。這與人類的口語溝通,大同小異。當一個人睡眠不足,說話的速度會緩慢下來,咬字不如平常清晰,語句重覆的機率提高,甚至可能妨礙聽眾理解講者所要傳達的訊息[1]

澳洲喜鵲有複雜的家族。牠們用歌聲來劃定疆域,分辨敵友,並建立「鳥」際關係。失眠不僅會害喜鵲把歌唱得七零八落,也會進一步危及其社交生活。既然以往的人類睡眠實驗結果,與喜鵲有那麼多的相似處,下次在抱怨疫情害自己沒朋友之前,我們是不是應該先睡飽,再來思考怎麼社交呢?

睡飽再來社交比較不會被睏意影響思考。圖/Pexels

備註:此實驗結束後,參與受試的澳洲喜鵲,均在 2019 年 7 月被野放。

-----廣告,請繼續往下閱讀-----
  1. Sleep loss impairs cognitive performance and alters song output in Australian magpies (Scientific Reports, 2022)
  2. Researchers find what magpies lose from hitting snooze (Brisbane Times, 2022)

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

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

-----廣告,請繼續往下閱讀-----

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

1
0

文字

分享

0
1
0
孩子長不高?中醫師提醒注意轉骨期「三大關鍵」!
careonline_96
・2025/04/25 ・2836字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

圖 / 照護線上

「曾經遇過一位唸國二的男生,身高僅約 150 公分,不過他來就診的原因是常常感到胸口悶痛。」張若偉中醫師表示,「經過診察後,我發現他有胃食道逆流的問題。」

因為孩子不太會表達,所以問題也就一直沒有解決。張若偉中醫師說,當時幫他從調整腸胃功能下手,經過調養後不但胸口悶痛改善了,身高也慢慢進步,目前已達 165 公分,讓家長又驚又喜。

轉骨期「三大關鍵」:營養、運動習慣、睡眠品質

影響小朋友身高與體格發育的因素,大致可以分為先天因素與後天因素。張若偉中醫師說,其中,遺傳是最重要的先天因素,也就是從父母繼承來的基因。至於後天因素,則包括營養、運動習慣、睡眠品質等。若孩子有一些先天性疾病,或在發育過程中出現內分泌異常,也可能對身高產生影響。

值得一提的是,後天因素中有一項是每個人都能掌握的關鍵,那就是「睡眠」。張若偉中醫師強調,睡眠對於身高非常重要,因為入睡之後,腦下垂體會分泌生長激素,而生長激素正是促進骨骼與身體發育的重要因子。因此,充足且良好的睡眠會大大提升孩子長高的機會。

-----廣告,請繼續往下閱讀-----

建議要在晚上十點前就寢,並能睡滿 8 個小時。張若偉中醫師說,如果因為學業壓力、玩遊戲、滑手機而經常熬夜,影響睡眠品質,可能對身高發育造成不利影響。

如果孩子有鼻子過敏、氣喘、異位性皮膚炎等問題,都可能破壞睡眠品質,進而影響身高發育。張若偉中醫師提醒,如果有相關問題,通常需要及早處理,有助提升孩子的發育潛力。

注意警訊,把握黃金成長期
圖 / 照護線上

盡早發現,盡早治療

青春期是非常重要的成長期,身高快速增加,因此我們特別強調「轉骨」的重要性。張若偉中醫師說,男生的青春期大概從 11 歲開始,女生的青春期大概從 10 歲開始。男生會逐漸出現喉結、聲音變粗等,女生會出現乳房發育與月經來潮等。

家長一定要密切觀察孩子的發育狀況,如果 6 歲以上的男生或女生,一年長高不到 4 公分,或身高落在兒童生長曲線圖中第三百分位以下就要帶孩子去兒童內分泌科就診,進行評估與諮詢。及早尋求醫療專業評估,就有機會更好地把握孩子的黃金成長期。若拖到骨頭的生長板癒合,便無法繼續長高。

-----廣告,請繼續往下閱讀-----

對於孩子的轉骨發育,中藥與針灸可以提供輔助,張若偉中醫師說,中藥材含有成長所需的營養成分如鈣、磷、鋅、鐵、蛋白質等,在發育時期也常使用幫助補腎、健脾益氣、活血行氣、促進骨骼發育的藥材。

補腎類藥材:包括杜仲、肉蓯蓉、菟絲子、巴戟天等。

健脾益氣的藥材:包括黃耆、茯苓、黨參、白朮等。

活血行氣的藥材:包括當歸、川芎、丹參、川七、柴胡等。

-----廣告,請繼續往下閱讀-----

促進鈣質吸收的藥材:包括補骨脂、龍骨、牡蠣、阿膠等。

幫助骨骼細胞分裂的藥材:包括熟地、赤芍、續斷、木瓜等。

轉骨過程輔助藥材、針灸
圖 / 照護線上

轉骨期黃金關鍵!中藥 + 針灸助攻骨骼發育

在針灸方面,會以大腿、小腿的穴道為主,例如足三里、三陰焦、太衝、湧泉、承山、委中等。張若偉中醫師說,一般是每週針灸 1-2 次,若不敢接受針灸,可以利用原子筆的鈍端按摩刺激,並搭配中藥服用。

在飲食調養方面,需要特別注意幾個關鍵營養素的攝取。張若偉中醫師說,首先,蛋白質的攝取非常重要,因為蛋白質是身體成長與組織修復的基本原料。此外,鈣、鋅、鐵等礦物質,對於骨骼成長也有幫助,這些都會影響孩子的整體發育與身高成長。

-----廣告,請繼續往下閱讀-----
轉骨過程日常調養
圖 / 照護線上

「建議以天然食物為主來營養來源,在日常飲食中獲得營養,對身體而言會更自然、穩定。」

張若偉中醫師說,「雞蛋、豆腐、瘦肉、魚肉是優質蛋白的來源;牛奶、優格、起司皆富含鈣質,幫助骨骼發展;小魚乾、海藻含有豐富鈣與碘。口味上盡量以清淡為主,避免過多的糖、調味與油炸。均衡飲食對於孩子的生長發育非常重要!」

在日常生活方面,建議維持正常作息、不要熬夜,在晚上十點前就寢,睡足 8 個小時。張若偉中醫師說,規律運動有助於成長發育,如游泳、慢跑等,能夠促進血液循環,也能安全地刺激骨骼發育。要盡量避免運動傷害,或過度訓練,以免傷及骨骼發育區域,而影響骨骼正常生長。

筆記重點整理

-----廣告,請繼續往下閱讀-----
  • 影響小朋友身高與體格發育的因素,大致可以分為先天因素與後天因素。其中,遺傳是最重要的先天因素,至於後天因素,則包括營養、運動習慣、睡眠品質等。
  • 青春期是非常重要的成長期,身高快速增加。男生的青春期大概從 11 歲開始,女生的青春期大概從10歲開始。男生會逐漸出現喉結、聲音變粗等,女生會出現乳房發育與月經來潮等。
  • 家長一定要密切觀察孩子的發育狀況,如果 6 歲以上的男生或女生,一年長高不到 4 公分,或身高落在兒童生長曲線圖中第三百分位以下就要帶孩子去兒童內分泌科就診,進行評估與諮詢。及早尋求醫療專業評估,就有機會更好地把握孩子的黃金成長期。若等到骨頭的生長板癒合,便無法繼續長高。
  • 對於孩子的轉骨發育中藥與針灸可以提供輔助,中藥材含有成長所需的營養成分如鈣、磷、鋅、鐵、蛋白質等,在發育時期也常使用幫助補腎、健脾益氣、活血行氣、促進骨骼發育的藥材。在針灸方面,會以大腿、小腿的穴道為主,例如足三里、三陰焦、太衝、湧泉、承山、委中等。
  • 在日常生活方面,建議維持正常作息、不要熬夜,在晚上十點前就寢,睡足 8 個小時。規律運動有助於成長發育,如游泳、慢跑等,能夠促進血液循環,也能安全地刺激骨骼發育。
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

1
0

文字

分享

0
1
0
任意添加光學元件 為研究打開大門的無限遠光學系統
顯微觀點_96
・2025/01/30 ・1763字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

圖 / 顯微觀點

顯微鏡在科學發展中扮演關鍵的角色,讓人們得以突破肉眼的限制,深入微觀的世界探索。而隨著時間推進,顯微技術也日新月異,其中現代顯微鏡設計了所謂的「無限遠光學系統」(Infinity Optical Systems),更是提升了顯微鏡性能和突破過去的觀察瓶頸。因此主要的顯微鏡製造商現在都改為無限遠校正物鏡,成為顯微鏡的技術「標配」。

1930 年代,相位差顯微技術出現,利用光線在穿過透明的樣品時產生的微小的相位差造成對比,使透明樣本需染色就能更容易被觀察。1950 年左右,則出現使用兩個 Nomarski 稜鏡,將光路分割再合併產生 干涉效應的 DIC 顯微技術,讓透明樣本立體呈現、便於觀察。

在傳統「有限遠系統」中,單純的物鏡凸透鏡構造,會直接將光線聚焦到一個固定距離處,再經過目鏡放大成像。也因此過去顯微鏡的物鏡上通常會標示適用的鏡筒長度,通常以毫米數(160、170、210 等)表示。

-----廣告,請繼續往下閱讀-----

而在過渡到無限遠校正光學元件之前,選用的物鏡和鏡筒長度必須匹配才能獲得最佳影像,且大多數物鏡專門設計為與一組稱為補償目鏡的目鏡一起使用,來幫助消除橫向色差。

但是問題來了!當這些光學配件要添加到固定鏡筒長度的顯微鏡光路中,原本已完美校正的光學系統的有效鏡筒長度大於原先設定,顯微鏡製造商必須增加管長,但可能導致放大倍率增加和光線減少。因此廠商以「無限遠」光學系統來解決這樣的困境。

德國顯微鏡製造商 Reichert 在 1930 年代開始嘗試所謂的無限遠校正光學系統,這項技術隨後被徠卡、蔡司等其他顯微鏡公司採用,但直到 1980 年代才變得普遍。

無限遠系統的核心在於其物鏡光路設計。穿透樣本或是樣本反射的光線透過無限遠校正物鏡,從每個方位角以平行射線的方式射出,將影像投射到無限遠。

-----廣告,請繼續往下閱讀-----
有限遠(上)和無限遠(下)光學系統的光路差別
有限遠(上)和無限遠(下)光學系統的光路差別。圖 / 擷自 Optical microscopy

透過這種方法,當使用者將 DIC 稜鏡等光學配件添加到物鏡、目鏡間鏡筒的「無限空間」中,影像的位置和焦點便不會被改變,也就不會改變成像比例和產生像差,而影響影像品質。

但也因為無限遠系統物鏡將光線平行化,因此這些光線必須再經過套筒透鏡在目鏡前聚焦。有些顯微鏡的鏡筒透鏡是固定的,有些則設計為可更換的光學元件,以根據不同實驗需求更換不同焦距或特性的透鏡。

除了可以安插不同的光學元件到光路中而不影響成像品質外,大多數顯微鏡都有物鏡鼻輪,使用者可以根據所需的放大倍率安裝和旋轉更換不同的物鏡。

傳統上一旦更換物鏡,樣本可能就偏離焦點,而須重新對焦。但在無限遠光學系統的設計中,物鏡到套筒透鏡的光路長度固定,也就意味著無論更換哪個物鏡,只要物鏡設計遵循無限遠系統的標準,光路長度和光學路徑的一致性得以保持。

-----廣告,請繼續往下閱讀-----

因此無限遠光學系統也有助於保持齊焦性,減少焦距偏移。這對需要頻繁切換倍率的實驗操作來說,變得更為便利和具有效率。

不過使用上需要注意的是,每個顯微鏡製造商的無限遠概念都有其專利,混合使用不同製造商的無限遠物鏡可能導致不正確的放大倍率和色差。

改良顯微技術,使研究人員能夠看到更精確的目標;以及如何讓更多光學配件進入無限遠光學系統中的可能性仍然在不斷發展中。但無限遠光學系統的出現已為研究人員打開了大門,可以在不犧牲影像品質的情況下輕鬆連接其他光學設備,獲得更精密的顯微影像。

  1. M. W. Davidson and M. Abramowitz, “Optical microscopy”, Encyclopedia Imag. Sci. Technol., vol. 2, no. 1106, pp. 120, 2002.
  2. C. Greb, “Infinity Optical Systems: From infinity optics to the infinity port,” Opt. Photonik 11(1), 34–37 (2016).
  3. Infinity Optical Systems: From infinity optics to the infinity port
  4. Basic Principle of Infinity Optical Systems
  5. Infinity Optical Systems

延伸閱讀選擇適合物鏡 解析鏡頭上的密碼

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
28 篇文章 ・ 5 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。