0

6
1

文字

分享

0
6
1

《沙丘》的沙子是流體還是固體?——「顆粒體」的運動原理

研之有物│中央研究院_96
・2022/06/18 ・6632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/黃品維、簡克志
  • 美術設計/蔡宛潔

顆粒體如何流動?

流沙、土石流、穀倉的米……這些顆粒體,究竟是如何流動的?過去,科學界對於「顆粒流」的研究起步非常晚,也一直缺乏統整型的理論。中央研究院「研之有物」專訪院內物理研究所蔡日強副研究員,他長年研究顆粒體的運動行為,實驗室透過自創的顆粒軟球實驗,試圖找到全新的方法來描述顆粒流,並為固體與流體兩個歷史悠久的學術領域,搭建出一個溝通的橋梁!

從流沙到洗米:隨處可見的「顆粒體」

「顆粒體的流動」(Granular flows)聽起來或許有點生硬,但它其實是我們生活中常見的現象,像是在廚房裡洗米、攪拌咖啡豆、或是在工地攪動砂石,都是顆粒流的一種。而如果以人類文明的發展來說,從古時候建造金字塔、到現在火星探測器的著陸,也都有顆粒流的現象參與其中。

然而,即使顆粒流與我們息息相關,科學家對它的了解卻少之有少。究竟,顆粒體是怎麼流動的?有沒有一個方程式,可以描述顆粒流的行為?中研院物理所的蔡日強副研究員,長年進行顆粒體相關研究,這一次,他希望透過全新的實驗,解開顆粒體的流動之謎!

-----廣告,請繼續往下閱讀-----
要如何描述顆粒體的流動呢?是固體?還是流體?圖/iStock

萌芽階段的顆粒流研究

不管是固態力學或是流體力學領域,都是「百年老店」,已經累積了上百年的歷史。相較之下,顆粒流的研究非常年輕,僅僅是最近幾十年的事情而已。造成這樣的原因,除了顆粒流本身的複雜性之外,也是因為它的定位,一直處於「三不管地帶」。

顆粒流很特別,它像固體一樣,能夠堆疊、擠壓,可是又會有流動的行為,若只用固體或流體的角度切入,都很難完整描述這樣的現象。然而在學術圈,固體和流體兩大流派,經過上百年的發展,都有各自根深柢固的作法、解讀現象的方式,彼此之間存在著很大的鴻溝。

「在學術界,Solid(固體)的人講 Solid 的語言,Fluid(流體)的人講 Fluid 的語言,兩邊的溝通其實非常少!」蔡日強笑著說「我以前參加過一個應用力學大會,大會裡的會議名稱,直接分成兩種開頭,一種是 S、另一種是 F,擺明了他們討論事情的角度,不是固體就是流體。」

對顆粒流來說,這樣的二分法顯得非常尷尬。蔡日強認為,如果可以從固體與流體領域,各自吸取一些精髓,或許能夠連接兩個學派,用不一樣的角度研究顆粒流!

-----廣告,請繼續往下閱讀-----

如何研究「顆粒體的流動」?

為了瞭解顆粒體如何流動,蔡日強設計了一套獨特的實驗方法,可以分為「顆粒體」與「容器」兩個部分。

在「顆粒體」方面,蔡日強採用醫用材料(PDMS),製作出許多顆粒軟球,硬度接近橡皮擦、大小約一公分。為什麼會採用「軟」球來代表顆粒體呢?

過去,在物理學家的理論中,常常會把顆粒體視為「剛體」。然而,剛體的假設在理論上不僅無法呈現顆粒體被壓縮的情況;而且實驗上,也很容易遇到麻煩!

如果採用剛硬的顆粒體做實驗,在緊密排列時,很容易「卡死」,不只完全動不了,也很可能讓珍貴儀器損壞。為了讓顆粒體可以緊密排列,又不會完全卡死讓儀器動不了,可以擠壓、變形的顆粒軟球,就成為了最好的實驗材質。

-----廣告,請繼續往下閱讀-----
影片為實驗室展示用,實際操作時液體會淹沒顆粒軟球,保持液體折射率和軟球一致,以便用光學攝影機記錄內部軟球的運動情況[註1]
資料來源/研之有物
上圖為蔡日強展示顆粒軟球與填充液體折射率一致的情況。圖/研之有物

至於在「容器」方面,蔡日強在裡面設計了齒輪狀的錐形圓盤:上方的錐形圓盤連接馬達,可以不斷旋轉;齒輪狀可以咬住顆粒軟球,帶動容器內的顆粒軟球一起轉動。

設計成錐形的用意,則是可以讓容器內的顆粒體,不論在什麼位置,切變率(shear rate)都可以維持一致。簡單來說,錐形圓盤試圖讓讓整體流動盡可能「均勻」,讓相鄰顆粒之間的速度不至於落差太大[註2]

齒輪狀的錐形圓盤,為了讓軟球盡量保持一致的切變率。圖/研之有物

每一次的實驗,錐形圓盤都會進行定速轉動(固定角速度,Ω),施以所有顆粒軟球固定的切變率。同時,研究團隊也會記錄,在馬達固定轉速時,系統需要多大的轉矩來對抗馬達。但初步實驗即出現了非常匪夷所思的現象!

匪夷所思的實驗結果

顆粒軟球實驗的示意圖與記錄,不同顏色的曲線記錄了顆粒軟球在不同轉速下的轉矩變化。圖/研之有物(資料來源|蔡日強)

從上圖的實驗數據顯示,在低轉速時(Ω = 0.0001 rps),系統產生的轉矩最高;在高轉速時(Ω = 0.05 rps),產生的轉矩反而偏低。

-----廣告,請繼續往下閱讀-----

這是什麼意思呢?你可以想像你在攪拌一碗綠豆,當你攪得越慢,遇到的抵抗卻越大;攪得越快,遇到的抵抗反而越小,聽起來是不是有點不合常理?

更奇怪的是,在兩種轉速之間,也就是中等轉速(Ω = 0.005 rps)的時候,轉矩出現了不規則劇烈起伏。從圖中的藍線可以看到,轉矩一次又一次的爬升、跌落、再爬升、再跌落,就像小型地震一樣,出現了大規模的「集體崩落」!

從鏡頭中看崩落現象

團隊在實驗時同步攝影,儀器每轉一定的角度(比如:每萬分之一圈),就將顆粒流的剖面擷取成影像。

實驗時容器內部剖面的圓球運動情況,顆粒軟球有加螢光染料顯影。資料來源/蔡日強

接著,將相片中每一格像素轉為對應數值,分別與上一時刻的照片相減,來得出顆粒體與上一時刻間的「差分影像」。

-----廣告,請繼續往下閱讀-----
差分影像(State α):高轉速,承受轉矩小。其中:紅色表示顆粒由此側離開,藍色表示顆粒向此側接近。資料來源/蔡日強
差分影像(State T):中轉速,轉矩劇烈起伏,有集體崩落現象。其中:紅色表示顆粒由此側離開,藍色表示顆粒向此側接近。資料來源/蔡日強
差分影像(State β):低轉速,承受轉矩大。其中:紅色表示顆粒由此側離開,藍色表示顆粒向此側接近。資料來源/蔡日強

藉由這些時變圖,我們得以更明確地判讀顆粒體的運動方式,了解顆粒軟球位移的方向、快慢、範圍。從影像中可以看到,相較於高轉速與低轉速,在中等轉速時,確實出現了大規模顆粒球同時位移的現象,綜合以上的實驗數據和影像,團隊總結了幾個問題:

  1. 一般而言,流體在速度越快的時候,阻力會越大。然而在這次的實驗中,轉速越快、轉矩反而變小,跟過往認知不一樣。
  2. 中等轉速時,為何會出現集體崩落的現象?
  3. 有沒有什麼指標,可以預判集體崩落的出現?

這些問題,讓團隊當時感到十分頭痛,蔡日強回憶「剛開始我也覺得怪怪的,不過我們常說,如果你發現一件比較奇怪的事情,那只有兩種可能:一種是你弄錯了,另一種是真的有個新發現了!」

摩擦係數不是常數?

那麼,在顆粒流切變率加快的同時,究竟有什麼物理性質跟著改變了?

為了解決這些疑惑,團隊進行了許多獨立實驗。其中一個關鍵的實驗,就是量測顆粒軟球材質的「摩擦力」。他們採用同樣是 PDMS 材質的半圓柱棒,兩兩接觸並以不同切面速度(U)拖行,觀察過程中摩擦力的變化。

-----廣告,請繼續往下閱讀-----
橫軸是拖行速度,縱軸是磨擦係數(摩擦力/正向力)。圖/研之有物(資料來源|蔡日強)

結果發現,當拖行速度較慢的時候,摩擦係數大約保持在定值,基本上就跟大家過往的認知一樣。但有趣的是,當速度超過一個臨界速度(VC)之後,摩擦係數卻像是坐溜滑梯一樣開始下降,換言之,顆粒軟球的表面突然「變滑了」。

從這個實驗可以確定,摩擦係數並非定值,而是會隨著速度增加而改變的數值。其實,「摩擦係數不是常數」的概念,並非什麼驚天動地的新發現,但過去許多顆粒流的研究,卻忽略了這個基本現象,只把摩擦力當成一般常數看待。

「摩擦係數不是常數」並非新觀念,但大家似乎都忘記這件事了。

而當我們把這個概念,重新應用在顆粒流實驗時,那些匪夷所思的現象,突然都有了合理的解釋!根據團隊的推測,當錐形圓盤轉速加快,快到一定程度的時候,有些顆粒軟球之間的速度,可能已經超過了 VC,導致顆粒軟球摩擦係數下降,才會讓量到的轉矩降低。而「集體崩落」的發生也可能是如此。

崩落現象的風向球:「slipperiness」

有沒有可能推估,顆粒流系統在受力之後,到底會偏向固體?流體?或是發生崩落現象呢?

-----廣告,請繼續往下閱讀-----

為此,團隊創造了一個無因次量(不帶物理單位的參數),姑且稱為「slipperiness」,希望可以做為顆粒流行為的「預測指標」。

S 代表 slipperiness,定義為顆粒直徑(d)乘上切變率,再除以臨界速度(VC)。圖/研之有物

slipperiness 可以大略解讀成系統「平均而言有多滑」,代表了顆粒之間相對速度與臨界速度 VC 的大小關係,以及摩擦係數減損的程度。

換言之,如果 slipperiness 遠大於 1 ,代表大部分顆粒體之間的速度大於 VC,摩擦係數近乎消失,難以構成橫向的受力,呈現幾乎「自由」的滑動,在這種情況下,顆粒體之間的液體成為阻力的主角,顆粒體的行為會比較偏向「流體」。

反之,如果 slipperiness 遠小於 1,顆粒體之間相對滑動即使有,速度也都不高,這種情況下摩擦係數接近定值,顆粒體之間可以很容易「消化」所有方向的力,扮演好整個系統承力的主角,顆粒體的行為會比較偏向「固體」。

然而,如果 slipperiness 剛好「不大不小」,代表這兩種極端情形有可能混搭,以局部或整體的方式交錯產生。最戲劇化的事件就會是前述的「集體崩落」,更正式的名稱可叫做「間歇流」。這危險區間的確切範圍,則有待更多細節來決定。

但有了 slipperiness ,蔡日強團隊至少搭出了第一座「橋梁」,連結過去難以相容的兩種觀點來看待顆粒流:一端是摩擦力完全沒打折,可視為「固體」(solid);另外一端,則是顆粒間摩擦力喪失殆盡,已經「完全液化」,可視為「流體」(fluid)。

然而,顆粒流的兩個極端之間其實有相當的過渡地帶,並不在原來習以為常的學術傳統裡。

雖然已發表的實驗還是非常簡化的版本,但蔡日強表示希望能透過論文提醒大家「摩擦力會改變」這件事,也希望拋磚引玉,「讓固體跟流體兩個學術社群,能夠有更多的對話」。

研究的下一步

現階段,團隊正著手改良實驗儀器並設計更多延伸實驗。舉例來說,如果顆粒軟球不一樣大,會發生什麼事?如果顆粒軟球不是圓球,行為會如何改變?如果軟球之間開始壓得不夠緊密的時候,「間歇流」的現象是否消失?這些問題,都是研究團隊接下來想了解的。

藥丸形狀的顆粒也許是團隊下一階段的研究對象之一。圖/研之有物

團隊也正積極透過電腦模擬,研究顆粒體在「無重力、無液體,僅考慮接觸力」的理想環境下,會有什麼樣的流動行為。

蔡日強說道「在實體實驗中,我們只有六個感測器可以推算顆粒流系統的受力反應,但在電腦模擬實驗中,等於有上千個感測器可以蒐集數據,真的是太棒了!」每一顆小球的受力、接觸、旋轉、位移等,在模擬中都看得一清二楚,讓團隊有機會作進一步的推論。

此為電腦模擬在中等轉速下的顆粒流變化。顆粒球之間的彈性能以顏色長棒標示,愈偏紅色那端、彈性能愈大、球和球之間愈緊;愈偏藍色那端、彈性能愈小、球和球之間愈鬆,顏色間的能量級距高達 10 的數次方 。影片中可以看到顆粒球發生集體崩落現象的「瞬間」,原本有很多紅橘色長棒,崩落之後幾乎都變成藍或綠,但長棒的數量只有些微增加,顯示彈性能隨著崩落事件大量釋放。資料來源/蔡日強

下圖是團隊正在統整的「三態圖」,顆粒流有三大區塊,分別是「固態」、「液態」,以及下方的「氣態(懸浮態)」。在緊壓(高密度、高壓力)的狀況下,固態和液態兩極端之間呈現一條「危險走廊」,可看到此案例在 slipperiness 介於 0.001 到 1 之間,發生集體崩落的現象。

「顆粒體三態」的示意圖,縱軸為每顆球「接觸多少鄰居」的平均值,橫軸為 slipperiness。接觸鄰居愈多,表示顆粒之間愈密合。反之,若接觸鄰居低於 2,就很難維持力學結構了。介於固態(紅)和液態(綠)兩個極端之間的過渡帶(橘),正是前述「集體崩落」現象發生的地方,也就是「間歇流」!圖/研之有物(資料來源/蔡日強)

不久之前,蔡日強也開始翻閱地震相關的書籍,想要了解顆粒流「集體崩落」的現象,與真正的地震和土石流,是否有可以互相參照的可能性?蔡日強的期待是讓「顆粒流研究」成為物理學家走入現實世界領域的另一個起點。

「我們離真正的戰場還很遠」,蔡日強笑著說:「但這一切,才正要開始!」

蔡日強(左1)與研究團隊嘗試用新的方式描述顆粒流行為,並為固體與流體兩個歷史悠久的學術領域,搭建出溝通的橋樑。圖/研之有物

註解

  1. 液體折射率和軟球一致是為了讓光線走直線,而不被球的表面偏折。這些膠球還會加上螢光染料,以便在光學攝影機下觀察。
  2. 切變率:在此指的是顆粒水平速度隨高度的變化率,更廣泛的定義參見延伸閱讀〈流沙、地震、土石,與沙漏裡的物理:「動靜之間」〉。

延伸閱讀

-----廣告,請繼續往下閱讀-----
文章難易度
研之有物│中央研究院_96
296 篇文章 ・ 3914 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

0

0
0

文字

分享

0
0
0
為什麼越累越難睡?當大腦想下班,「腸道」卻還在加班!
鳥苷三磷酸 (PanSci Promo)_96
・2026/04/30 ・2519字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

本文與  益福生醫 合作,泛科學企劃執行

昨晚,你又在床上翻來覆去、無法入眠了嗎?這或許是現代社會最普遍的深夜共鳴。儘管換了昂貴的乳膠枕、拉上百分之百遮光的窗簾,甚至在腦海中數了幾百隻羊,大腦的那個「睡眠開關」卻彷彿生鏽般卡住。這種渴望休息卻睡不著的過程,讓失眠成了一場耗損身心的極限馬拉松 。

皮質醇:你體內那位「永不熄滅」的深夜警報器

要理解失眠,我們得先認識身體的一套精密防衛系統:下視丘-垂體-腎上腺軸(HPA axis) 。這套系統原本是演化給我們的禮物,讓我們在面對劍齒虎或突如其來的危險時,能迅速進入「戰鬥或快逃」的備戰狀態。當這套系統啟動,腎上腺就會分泌皮質醇 (壓力荷爾蒙),這種荷爾蒙能調動能量、提高警覺性,讓我們在危機中保持清醒 。

然而,現代人的「劍齒虎」不再是野獸,而是無止盡的專案進度、電子郵件與職場競爭。對於長期處於高壓或高強度工作環境的人們來說,身體的警報系統可能處於一種「切換不掉」的狀態。

-----廣告,請繼續往下閱讀-----

在理想的狀態下,人類的生理時鐘像是一場精確的接力賽。入夜後,身體會進入「修復模式」,此時壓力荷爾蒙「皮質醇」的濃度應該降至最低點,讓「睡眠荷爾蒙」褪黑激素(Melatonin)接棒主導。褪黑激素不僅負責傳遞「天黑了」的訊號,它還能抑制腦中負責維持清醒的食慾素(Orexin)神經元,幫助大腦順利關閉覺醒開關。

對於長期處於高壓或高強度工作環境的人們來說,身體的警報系統可能處於一種「切換不掉」的狀態 / 圖片來源:envato

然而,當壓力介入時,這場接力賽就會變成跑不完的馬拉松賽。研究指出,長期的高壓環境會導致 HPA 軸過度活化,使得夜間皮質醇異常分泌。這不僅會抑制褪黑激素的分泌,更會讓食慾素在深夜裡持續活化,強迫大腦維持在「高覺醒狀態(Hyperarousal)」。 這種令人崩潰的狀態就是,明明你已經累到不行,但大腦卻像停不下來的發電機!

長期的睡眠不足會導致體內促發炎細胞激素上升,而發炎反應又會進一步活化 HPA 軸,分泌更多皮質醇來試圖消炎,高濃度的皮質醇會進一步干擾深層睡眠與快速動眼期(REM),導致睡眠品質變得低弱又破碎,最終形成「壓力-發炎-失眠」的惡行循環。也就是說,你不是在跟睡眠上的意志力作對,而是在跟失控的生理長期鬥爭。

從腸道重啟好眠開關:PS150 菌株如何調校你的生理時鐘

面對這種煞車失靈的失眠困局,科學家們將目光投向了人體內另一個繁榮的生態系:腸道。腸道與大腦之間存在著一條雙向通訊的高速公路,這就是「菌-腸-腦軸 (Microbiome-Gut-Brain Axis, MGBA)」,而某些特殊菌株不僅能幫助消化、排便,更能透過神經與內分泌途徑與大腦對話,直接參與調節我們的壓力調節與睡眠節律。這種菌株被科學家稱為「精神益生菌」(Psychobiotics)。

-----廣告,請繼續往下閱讀-----
腸道與大腦之間存在著一條雙向通訊的高速公路,這就是「菌-腸-腦軸 (Microbiome-Gut-Brain Axis, MGBA)」/圖片來源:益福生醫

在眾多研究菌株中,發酵乳桿菌 Limosilactobacillus fermentum PS150 的表現格外引人注目。PS150菌株源於亞洲益生菌權威「蔡英傑教授」團隊的專業研發,累積多年功能性菌株研發經驗的科學成果。針對臨床常見的「初夜效應」(First Night Effect, FNE),也就是現代人因出差、換床或環境改變導致的入睡困難,俗稱認床。科學家在進行實驗時發現,補充 PS150 菌株能顯著恢復非快速動眼期(NREM)的睡眠長度,且入睡更快,起床後也更容易清醒。更重要的是,不同於常見的藥物助眠手段(如抗組織胺藥物 DIPH)容易造成快速動眼期(REM)剝奪或導致睡眠破碎化,PS150 菌株展現出一種更為「溫和且自然」的調節力,它能有效縮短入睡所需的時間,並恢復睡眠中代表深層修復的「Delta 波」能量。

科學家發現,即便將 PS150 菌株經過特殊的熱處理(Heat-treated),轉化為不具活性但保有關鍵成分的「後生元」(Postbiotics),其生物活性依然能與活菌媲美 。HT-PS150 技術解決了益生菌在儲存與攝取過程中容易失去活性的痛點,讓這些腸道通訊員能更穩定地發揮作用 。

在臨床實驗中,科學家觀察到一個耐人尋味的現象:當詢問受試者的主觀感受時,往往會遇到強大的「安慰劑效應」,無論是服用 HT-PS150 還是安慰劑的人,主觀上大多表示睡眠變好了。這種「體感上的進步」有時會掩蓋真相,讓人分不清是心理作用還是真實效益。

然而,客觀的生理數據(Biomarkers)卻揭開了關鍵的差異。在排除主觀偏誤後,實驗數據顯示 HT-PS150 組有更高比例的人(84.6%)出現了夜間褪黑激素分泌增加,且壓力荷爾蒙(皮質醇)顯著下降,這證明了菌株確實啟動了體內的睡眠調控系統,而不僅僅是心理安慰。

-----廣告,請繼續往下閱讀-----

最值得關注的是,對於那些失眠指數較高(ISI ≧ 8)的族群,這種「生理修復」與「主觀體感」終於達成了一致。這群人在補充 HT-PS150 後,不僅生理標記改善,連原本嚴重困擾的主觀睡眠效率、持續時間,以及焦慮感也出現了顯著的進步。

了解更多PS150助眠益生菌:https://lihi3.me/KQ4zi

重新定義深層睡眠:構建全方位的深夜修復計畫

睡眠從來就不只是單純的休息,而是一場生理功能的全面重整。想要重獲高品質的睡眠,關鍵在於為自己建立一個全方位的修復生態系。

這套系統的基石,始於良好的生活習慣。從減少睡前數位螢幕的干擾、優化室內環境,到作息調整。當我們透過規律作息來穩定神經系統,並輔以現代科學對於 PS150 菌株的調節力發現,身體便能更順暢地啟動睡眠開關,回歸自然的運作節律。

-----廣告,請繼續往下閱讀-----

與其將失眠視為意志力的抗爭,不如將其看作是生理機能與腸道微生態的深度溝通。透過生活作息的調整與科學實證的支持,每個人都能擁有掌控睡眠的主動權。現在就從優化生活型態開始,為自己按下那個久違的、如嬰兒般香甜的關機鍵吧。

與其將失眠視為意志力的抗爭,不如將其看作是生理機能與腸道微生態的深度溝通 / 圖片來源 : envato

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
247 篇文章 ・ 319 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

104
0

文字

分享

0
104
0
肺部為何會「結疤」?揭開比癌症更致命的「菜瓜布肺」,科學家如何找到破解惡性循環的新契機
鳥苷三磷酸 (PanSci Promo)_96
・2026/05/08 ・2041字 ・閱讀時間約 4 分鐘

本文由 肺纖維化(菜瓜布肺)社團衛教 合作,泛科學撰文

在現代醫學的警示清單裡,乳癌、大腸癌這些疾病大家都不陌生;但有一個「隱蔽且致命」的威脅卻常被忽視,那就是「肺纖維化」。其中最常見的類型「特發性肺纖維化」(IPF),其預後往往不太樂觀,確診後的五年存活率甚至比許多常見的癌症還低。

首先,我們得先破解一個迷思:肺纖維化並不是單一疾病,而是許多種間質性肺病的共同表現。當我們聽到「肺纖維化」,腦中常浮現「菜瓜布肺」的形象,患者的肺部外觀充滿一個個空洞與疤痕,像極了乾燥的絲瓜。這精準描繪了肺部組織逐漸硬化、失去彈性的過程。

更重要的是,IPF 這類肺纖維化的威脅在於「不可逆」的特性,一旦形成就很難逆轉。這跟部分 COVID-19 康復者身上、仍有機會復原的肺纖維化,是兩種完全不同的概念。

-----廣告,請繼續往下閱讀-----
IPF 這類肺纖維化的威脅在於「不可逆」的特性,一旦形成就很難逆轉 / 圖示來源:shutterstock

肺部為何會變成「菜瓜布」?

為什麼好端端的肺會變成菜瓜布?這其實是一場身體修復機制失控的結果。

「纖維化」的組織,就是肺部間質組織(interstitium)的疤痕化。間質是圍繞在肺泡周圍,包含血管與支持肺部結構的結締組織。在正常情況下,肺部損傷後會啟動修復機制,並再生健康組織。但在肺纖維化的患者體內,這套修復機制卻「當機」了。

身體會不斷地發出訊號,導致負責修復工作的「纖維母細胞」(fibroblasts)被過度活化,進而失控地沉積膠原蛋白疤痕組織,最終在肺部形成永久性的纖維化。

科學家發現,這個過程之所以棘手,在於它是一個「惡性循環」,肺部同時存在著「發炎反應」與「纖維化」這兩條路徑 ,它們相互加乘,演變成難以阻斷的強大破壞力。

-----廣告,請繼續往下閱讀-----

雖然特發性肺纖維化 (IPF) 的具體成因不明 ,但已知某些特定族群的風險更高。例如抽菸,特定年齡與性別(50歲以上男性)、長期暴露於粉塵環境的工作者(農業、畜牧業、採礦業…)、胃食道逆流者。此外,患有自體免疫疾病(如類風濕性關節炎、乾燥症、硬皮症、皮肌炎/多發性肌炎,)的患者,他們併發肺纖維化的機率遠高於一般人,必須特別警覺。

雖然特發性肺纖維化 (IPF) 的具體成因不明 ,但已知某些特定族群的風險更高。/ 圖示來源:shutterstock

打斷惡性循環的挑戰,為何只對抗「纖維化」還不夠?

面對這個不可逆的疾病,醫學界長年束手無策,直到 2014 年才迎來一道曙光。美國 FDA 批准了兩種機制不同的新藥:Nintedanib 和 Pirfenidone。這兩種藥物的出現是治療史上的分水嶺,首度被證實能夠「延緩」IPF 患者肺功能的惡化速度。

然而,這場戰役尚未結束。現有的治療雖然帶來了希望,卻也凸顯了「未被滿足的醫療需求」。從機制上來看,這些藥物主要抑制的是「纖維化路徑」。

這讓科學界開始思考這個未被滿足的棘手問題:既然疾病的本質是「發炎」與「纖維化」的雙重打擊,那麼,我們是否能找到「同時抑制」這兩條路徑的全新策略,從而更有效地打斷這個惡性循環?

-----廣告,請繼續往下閱讀-----

找到同時調控「發炎」與「纖維化」的新靶點

為了解決難題,科學家將目光鎖定在一個細胞內的酵素:磷酸二酯酶 4B(PDE4B)

為什麼鎖定它?讓我們看看它的「雙重作用」機制:

  1. 關鍵位置: PDE4B 同時存在於免疫細胞(與發炎有關)與纖維母細胞(與纖維化有關)當中。
  2. 作用機制: PDE4B 的主要工作是降解細胞內一種叫 cAMP(環磷酸腺苷) 的訊號分子。cAMP 可以被視為細胞內的「穩定信號」。
  3. 雙重抑制: 當我們使用藥物抑制了 PDE4B 的活性,細胞內的 cAMP 就不會被分解,濃度會隨之升高。高濃度的 cAMP 能穩定免疫細胞和纖維母細胞,同時產生抗發炎抗纖維化的雙重效應。

簡單來說,鎖定並抑制 PDE4B,就像是同時抑制了免疫風暴與纖維化的工程,有望從雙從抑制打擊這個惡性循環。

全球臨床試驗帶來的新希望

近十年來,全球在肺纖維化領域投入了大量的臨床試驗,我們相信,在科學家逐步破解肺纖維化惡性循環的複雜難題後,期盼未來能為無數患者爭取到更安全、健康的生活與未來。

-----廣告,請繼續往下閱讀-----

最後,我們必須再次提醒,特發性肺纖維化(IPF)與漸進性肺纖維化(PPF)是極具破壞性、且不可逆的疾病。面對這個比癌症更致命的對手,雖然現有的治療手段能延緩惡化,但無法逆轉已經形成的肺部疤痕組織,因此「早期診斷、早期治療」仍是對抗肺纖維化最重要的黃金時刻。

必須再次提醒,特發性肺纖維化(IPF)與漸進性肺纖維化(PPF)是極具破壞性、且不可逆的疾病。/ 圖示來源:


-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
1

文字

分享

0
2
1
AI 能像人類一樣思考?諾貝爾物理學獎研究助力人工智慧模擬人類大腦
PanSci_96
・2024/11/14 ・2117字 ・閱讀時間約 4 分鐘

即使再怎麼模仿,AI 終究無法以與生物相同的方式思考吧?畢竟電腦的電子元件和我們大腦中的神經細胞結構截然不同。再怎麼模仿,AI 終究無法以與生物相同的方式思考吧?

錯,可以。

2024 年諾貝爾物理學獎跌破所有專家的眼鏡,頒給了兩位研究機器學習的科學家——約翰·霍普菲爾德(John Hopfield)和傑佛瑞·辛頓(Geoffrey Hinton)。他們以「人工」的方法打造了類神經網路,最終模擬出生物的「智慧」,奠定了當代深度學習的基礎。

為什麼解決人工智慧發展瓶頸的,竟然會是物理學?物理要怎麼讓 AI 更像人類?

-----廣告,請繼續往下閱讀-----
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

從巴甫洛夫的狗到赫布理論:理解學習的基礎

為了解答這個疑問,我們需要一些背景知識。

20 世紀初,俄羅斯心理學家巴甫洛夫發現,狗在食物還沒入口前,就會開始分泌唾液。他進行了一系列實驗,改變食物出現前的環境,比如讓狗習慣在聽到鈴聲後馬上得到食物。久而久之,狗只要聽到鈴聲,就會開始分泌唾液。

大約 50 年後,神經科學家赫布(Donald Hebb)提出了一個假說:大腦中相近的神經元,因為經常同時放電,會產生更強的連結。這種解釋稱為「赫布理論」,不僅奠定了神經心理學的發展,更成為現代深度學習的基礎。

然而,赫布理論雖然描述了鄰近神經元的關係,卻無法解釋大腦如何建構出如此複雜的聯想網路。

-----廣告,請繼續往下閱讀-----

霍普菲爾德網路:物理學家對神經網路的貢獻

然而,赫布理論雖能描述神經元之間的關係,卻缺乏數學模型。物理學家約翰·霍普菲爾德從數學家約翰·康威(John Conway)的「生命遊戲」(Game of Life)中獲得靈感,試圖建立一個可以在電腦上運行的記憶系統。

霍普菲爾德受「生命遊戲」啟發,嘗試建立電腦記憶系統。圖/envato

「生命遊戲」由數學家康威(John Conway)發明,玩家開始時有一個棋盤,每個格子代表一個細胞,細胞可以是「活」或「死」的狀態。根據特定規則,細胞會根據鄰居的狀態決定下一次的生存狀態。康威的目的是展示複雜的系統不一定需要複雜的規則。

霍普菲爾德發現,這個遊戲與赫布理論有強大的關聯性。大腦中的大量神經元,在出生時處於初始狀態,經過刺激後,神經元間的連結會產生或斷裂,形成強大的記憶系統。他希望利用這些理論,創造一個能在電腦上運行的記憶系統。

然而,他面臨一個難題:赫布理論沒有明確的數學模型來決定神經元連結的規則。而在電腦上運行,必須要有明確的數學規則。

-----廣告,請繼續往下閱讀-----

物理學的啟發:易辛模型

霍普菲爾德從物理學的研究中找到了類似的模型:易辛模型(Ising Model)。這個模型用於解釋鐵磁性物質的磁性特性。

在鐵磁性物質中,電子具有「自旋」,自旋產生磁矩。電子的自旋方向只有「向上」或「向下」,這就像生命遊戲中細胞的「生」或「死」。鄰近的電子會影響彼此的自旋方向,類似於細胞之間的互動。

易辛模型能用數學描述電子間的相互影響,並通過計算系統能量,得出自旋狀態的分佈。霍普菲爾德借用了這個概念,將神經元的互動視為電子自旋的互動。

他結合了康威生命遊戲的時間演化概念、易辛模型的能量計算,以及赫布理論的動態連結,創造了「霍普菲爾德網路」。這讓電腦能夠模擬生物大腦的學習過程。

-----廣告,請繼續往下閱讀-----

突破瓶頸:辛頓與波茲曼機

約翰·霍普菲爾德於1982年發明聯想神經網路,即「霍普菲爾網路」。圖/wikimedia

然而,霍普菲爾德網路並非完美。它容易陷入「局部最小值」的問題,無法找到系統的全局最優解。為了解決這個問題,加拿大計算機科學家傑佛瑞·辛頓(Geoffrey Hinton)提出了「波茲曼機」(Boltzmann Machine)。

辛頓將「模擬退火」的概念引入神經網路,允許系統以一定的機率跳出局部最小值,尋找全局最優解。他還引入了「隱藏層」的概念,將神經元分為「可見層」和「隱藏層」,提高了網路的學習能力。

受限波茲曼機(Restricted Boltzmann Machine)進一步簡化了模型,成為深度學習的基礎結構之一。這些創新使得 AI 能夠更有效地模擬人類的思維和學習過程。

AI 的未來:跨學科的融合

霍普菲爾德和辛頓的工作,將物理學的概念成功應用於人工智慧。他們的研究不僅解決了 AI 發展的瓶頸,還奠定了深度學習的基礎,對現代 AI 技術產生了深遠的影響。因此,2024 年諾貝爾物理學獎頒給他們,並非意外,而是對他們在跨學科領域的重大貢獻的肯定。

-----廣告,請繼續往下閱讀-----

AI 的發展,離不開物理學、生物學、數學等多學科的融合。霍普菲爾德和辛頓的工作,正是這種融合的典範。未來,隨著科學技術的進步,我們有理由相信,AI 將越來越接近人類的思維方式,甚至可能超越我們的想像。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1282 篇文章 ・ 2677 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。