我們日常中無處不在的音樂，除了療癒身心，更可以透過聲音的特性，找出藏在背後的科學小知識！
由客家電視製作的《音樂關鍵字》系列動畫因此誕生，是臺灣首部原創音樂科普動畫劇集。以校園生活為背景，透過生動幽默、溫馨感人的故事劇情，運用 3D 動畫串起聲音與音樂的物理學、心理學、生理學，並量身訂做原創客語歌曲。
讓音樂成為你生活中，最浪漫的科學！
和朋友們去 KTV ，一直切歌的人很容易變成討厭鬼，尤其當他還切在歌曲準備進副歌的時候，真是討厭死了！
但為什麼被切歌，會讓人覺得討厭、心生不悅呢？
這是因爲我們所聽到的流行音樂，都有類似的基本曲式，主歌結束之後，會經過一段特別編曲的過門段，再進入到高潮迭起的副歌。
我們從小耳濡目染，心裡會預測樂曲的進行，當我們腦中預測的旋律被具體實踐時，就會感到一種快感。快感的來源，是由於大腦的酬賞系統正在運作，反之，如果干擾了酬賞系統的運作，比如在接近副歌時切歌，便會讓人不開心了。
本文由 高柏科技 合作，泛科學撰文
林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。
「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。
這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。
高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？
科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。
回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。
林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。
因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。
太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。
熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。
儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。
學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。
他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。
他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。
這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。
林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。
訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？
林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。
在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。
大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。
討論功能關閉中。
你有過邊聽音樂邊跑步的經驗嗎？讓我們先來看一段動畫，再開始今天的主題！動畫裡的主角阿辰有個熱愛跑步的阿公，他想要挑戰路跑，於是向阿辰下戰帖，想看誰可以先跑完四圈操場。沒想到，原本落後的阿辰，戴上耳機後，竟然逆轉局勢，贏得了比賽。這究竟是什麼魔法？為什麼音樂能讓阿辰瞬間變成飛毛腿呢？
2014 年，美國音樂潮牌 Sol Republic 調查 1,000 位民眾使用耳機的習慣，有 62% 的民眾表示「一整天沒有聽音樂，比一整天沒有社交活動」更糟，另外也有 40% 的民眾表示，如果沒有搭配音樂，他們想要運動、鍛鍊身體的欲望就會大幅降低。
在臺灣，如果你曾經踏進健身房或運動中心，想必聽過從喇叭傳出來的快節奏音樂，或是看過不少人戴著耳機跑步、舉重、騎飛輪。如果你在學校或熱鬧的商圈看過街舞表演，通常也都是選用節奏明快的流行歌。可是，為什麼音樂和運動有關呢？一邊運動，一邊聽音樂，真的對我們有幫助嗎？如果有，背後的科學原理又是什麼？
想知道為什麼音樂和運動有關，就得先瞭解聲音如何穿越耳朵、抵達大腦。
從生理構造來看，我們的耳朵可分為三部分：外耳、中耳和內耳。外耳負責將接收到的聲波傳入中耳。中耳有「耳膜」和「聽小骨」，能夠增強聲波，將聲波轉換成內耳能夠解讀的訊號。內耳有「耳蝸」和「前庭系統」，分別掌管聽覺和平衡感。這兩個結構會在末端合體，成為「前庭耳蝸神經」，也就是 12 對腦神經中的第 8 對，可以將聲音訊號直接送進大腦。
說到平衡感，那就和運動有關了！前庭系統的功能就是穩定身體，讓我們走路時不易跌倒、運動時能保持平衡，眼睛追蹤移動物體時，也不至於暈頭轉向。這些都要歸功於前庭系統裡頭的「半規管」和「耳石」，前者感知旋轉，後者感知重力與加速度。
如果我們一邊跑步一邊聽音樂，讓節奏規律的低頻重拍經由前庭系統刺激大腦，就能讓大腦誤以為是雙腳落地的低頻聲響。如此一來，大腦就會透過前庭系統發送訊號給肌肉，幫助腳步保持規律。換句話說，如果音樂節奏與步伐速度相近，跑起來就能更輕鬆；反之，如果換成節奏較慢的音樂，前庭系統就會讓我們不自覺放慢腳步，導致運動效果不佳。
早在 1911 年，美國統計學家艾爾斯（Leonard Ayres）就發現，如果賽道旁有樂隊演奏，自行車選手踩踏板的速度也會隨之加快。[1] 2012 年，英國雪菲爾哈倫大學（Sheffield Hallam University）的研究進一步證明，相較於踩踏速度沒有和音樂節拍同步的選手來說，同步選手的耗氧量減少 7%，意思就是比較不容易疲累或缺氧。由此可見，音樂就像身體的節拍器，可以穩住運動節奏，減少體力耗損。[2]
2017 年，印度幾所大學的醫學院教授共同研究音樂對青少年運動表現的影響。這些教授找來 50 位年齡介於 19 到 25 歲的學生，讓他們連續 10 個早晨在跑步機上運動，速度不限，累了就可以停下來。研究數據顯示，在沒有播放任何音樂時，男性的平均運動時間約為 26 分鐘，女性則是 18 分鐘；相較之下，當他們聆聽各自喜歡的音樂時，男性的平均運動時間可以達到 42 分鐘，女性則是 31 分鐘，前後有非常明顯的落差。[3]
2020 年，美國桑福德大學（Samford University）的研究也顯示，只要在暖身時，聆聽喜歡的音樂，就可以提高臥推槓鈴的表現。雖然臥推速度幾乎沒有差異，如圖（a），可是臥推次數明顯增加。根據圖（b）的數據，如果聆聽不喜歡的音樂（NON-PREF），平均只能推 11.1 下，經過兩分鐘休息後，只能再推 8.0 下；但如果聆聽喜歡的音樂（PREF），平均可以推 13.5 下，經過兩分鐘休息後，也可以再推 9.4 下，可見聽音樂運動的效果確實非常顯著。[4]
Reybrouck M, Podlipniak P, Welch D. (2019). Music and Noise: Same or Different? What Our Body Tells Us. Front. Psychol, 10: 1153.
前庭系統中對聲音最敏感的是球狀囊，它可能在聲音誘發肌肉收縮反應時扮演某種角色。事實上，夜店舞曲的重低頻鼓聲，其頻率分佈就很接近球狀囊最敏感的頻率，因此當人們藉由讓點頭動作跟鼓聲同步，應該可以造成愉悅感。
Manca A, Cugusi L, Pomidori L, et al. (2020). Listening to music while running alters ground reaction forces: a study of acute exposure to varying speed and loudness levels in young women and men. Eur J Appl Physiol. 120(6):1391-1401.
男性跑步時聽大聲的音樂會刻意去增加地面傳到腳底的反作用力，可見跑者的邁步方式會受到重低音的音樂所影響，讓腳底觸覺及頭部垂直加速度與重低音整合更佳。
Damm L, Varoqui D, De Cock VC, Dalla Bella S, Bardy B. (2020). Why do we move to the beat? A multi-scale approach, from physical principles to brain dynamics. Neurosci Biobehav Rev. 112:553‐584.
跟著音樂跑，會讓邁步動作變得自動化，步頻也會更穩定（不會忽快忽慢）
平時，在學校和補習班時，如果朋友從背後呼喊你的名字，你通常不需要回頭，就可以知道是誰的聲音；而在聆聽音樂時，即使各種樂器的聲音混雜在一起，還是可以聽出如鋼琴、吉他、爵士鼓等不同樂器的音色。可是，為什麼我們能分辨出不同的人聲和樂器呢？想知道答案，就得先認識基音和泛音！
首先，讓我們看一段動畫。在這段動畫裡，主角阿棋出生在醫生世家，卻想成為一位厲害的電吉他手。他不斷練習、上台表演，也邀請家人一同前來欣賞搖滾樂演出。可是，阿棋的二哥聽完表演後，卻只覺得電吉他很吵。
不管是鋼琴、吉他、爵士鼓，還是人聲，只要振動頻率相同，就能發出相同的音高，比如中央 DO 的頻率是 261.6Hz，也就是說，只要聲音每秒來回振動 261.6 次，就能準確發出中央 DO 的音高。但仔細想想，如果音高都一樣，所有聲音聽起來不就都一樣嗎？
沒錯！所以當我們聽見一個音，其實是聽見了很多不同頻率疊加而成的聲音，只是我們的大腦習慣將這些聲音理解成一個音。換句話說，當我們聽見樂器發出 DO 的音高，其實是同時聽見了代表音高的 「基音」261.6Hz，還有代表音色的「泛音」，也就是頻率 261.6Hz 以外的聲音。
想進一步瞭解基音和泛音，就得從一根弦的振動開始說起。
首先，讓我們來看看一根弦有幾種振動模式。當我們撥動琴弦彈奏一顆音，在最簡單的情況下產生的振動會呈現如圖一 1×f 的波形。假設這顆音是中央 DO，那麼這個波形就會每秒來回振動 261.6 次。
然而，一條弦並不會只有一種振動模式，有可能是圖中 2×f 的波形。在這種情況下，頻率就會變成兩倍，也就是每秒來回振動 2×261.6 次，變成高八度的中央 DO。除此之外，振動方式也有可能是圖中 3×f 或 4×f 的波形，變成高一個完全八度再加一個完全五度，或兩個八度的中央 DO。
按照相同的邏輯，一根弦可以有 n 種振動模式，產生 n×f 的波形和 n 種八度音高。
現在，我們知道了振動模式、波形和音高之間的關係，可是實際上，弦的振動模式非常複雜，是所有振動模式混合而成。因此，在彈奏中央 DO 時，琴弦除了產生 261.6Hz 的頻率，同時也會產生 2×261.6Hz、3×261.6Hz、4×261.6Hz，以及所有整數倍頻率的聲音，而最低頻率的聲音（261.6Hz）就是「基音」，也就是大腦所認知的音高，其餘頻率則統稱為「泛音」，主要影響聲音的音色。
以小提琴和鋼琴為例，即使彈奏同一顆音，波形仍然不同，就是因為不同樂器發出的泛音強弱不同，改變了我們聽見的音色。這就是我們能夠分辨不同樂器聲音的原因。
現在，試試用一聲讀出注音「ㄚ、ㄝ、ㄧ、ㄛ、ㄨ、ㄩ」，你就會發現，即使音高一樣，卻還是能聽出差別，原因就在於它們的泛音（音色）不同。透過電腦軟體，我們可以將人聲轉換成「聲譜圖」，進一步解析泛音的區別，如圖三。
圖三的縱軸是頻率，橫軸是時間。水平線條是聲音能量的強度，顏色越深表示能量越強、聲音越大。每個音各有泛音較強以及較弱的頻率範圍，比如「ㄚ」在 500 至 700Hz 左右的泛音線顏色很深，表示聲音較強，但「ㄧ」和「ㄩ」就相對微弱，構成獨特的音色。
從上述說明，我們發現不只是樂器，就連人聲有不同的音色，也同樣是因為泛音不同。最後，讓我們回到文章開頭，看看阿棋的二哥為什麼覺得電吉他很吵。
影片提到，搖滾樂表演的電吉他音色，之所以聽起來很特別，正是因為電吉他手善用推弦技巧，增加泛音的「雜質」。假設基音頻率為 1，那麼除了整數倍頻率的泛音以外，推弦後可能會出現 1.9、2.1 等非整數倍頻率的雜質，讓搖滾樂聽起來雖吵，卻也更有靈魂、更有渲染力！
https://baike.baidu.hk/item/%E5%89%8A%E6%B3%A2/3614838
削波(clipping)是一種失真形式，一旦超過閾值就會限制信號，電吉他的效果器有時是在模仿電晶體的削波（修剪）。
學科：信號處理
應用：削波失真、削波噪聲
高中物理老師在講聲波時，可以順便提到音高知覺與音色知覺，以下是我的兩個具體建議。
實驗一：請同學唱歌，然後去掉錄音中 500 Hz以下的成分，藉以讓同學知道，去掉基音與較低的一些泛音不會改變音高知覺，只改變音色知覺。
實驗二：請同學用悄悄話的方式講中文跟英文，悄悄話裡面沒有基音也沒有泛音（因為聲帶完全不震動），導致中文聲調聽不出來，於是，以悄悄話講的「保衛大台灣」，有可能被聽成「包圍打台灣」。用悄悄話講英文，則沒有這種問題，因為英文沒有聲調，去掉音高訊息不會影響英文語意的理解。
狐禪
cgtsai1971
#/media/File:Harmonic_series_on_a_string.gif){kind=link}