天文學家發現至今最年輕、威力相當於「一萬個螃蟹」的中子星

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

• 作者／陳哲佑
  • 任職於日本理化學研究所，專長為黑洞物理、宇宙學、重力理論等。
  • 熱愛旅行、排球與珍珠奶茶

• Take Home Message
  • 今（2023）年 6 月，北美奈赫茲重力波天文臺（NANOGrav）團隊觀察到宇宙中的低頻重力波。
  • NANOGrav 團隊利用數個脈衝星組成「脈衝星陣列」（PTA），測量各脈衝星訊號到達的時間，計算不同訊號的到達時間是否存在著相關性。
  • PTA 得到的重力波訊號相當持續，沒有明確的波源。科學家推測此訊號可能來自多個超大質量雙黑洞系統互繞而產生的疊加背景。

2015 年 9 月，位於美國的雷射干涉儀重力波天文臺（Laser Interferometer Gravitational-Wave Observatory, LIGO）成功偵測來自雙黑洞碰撞的重力波訊號（請見延伸閱讀 1）。

這個發現不僅再次驗證愛因斯坦（Albert Einstein）「廣義相對論」的成功，更引領人類進入嶄新的重力波天文學時代。到了現在，我們不僅能使用各種電磁波波段進行觀測，還多了重力波這個強而有力的工具能夠窺探我們身處的宇宙，甚至還有同時結合兩者的多信使天文學（multi-messenger astronomy）^註1，皆能帶給人類許多單純電磁波波段觀測無法觸及的資訊（請見延伸閱讀 2）。

如同不同波段的電磁波觀測結果為我們捎來不同的訊息，重力波也有不同的頻譜，且頻譜與產生重力波的波源性質有非常密切的關係。以雙黑洞碰撞為例，系統中黑洞的質量與碰撞過程中發出的重力波頻率大致上成反比，因此當系統中黑洞的質量愈大，它產生的重力波頻率就愈低。

目前地球上的三個重力波天文臺：LIGO、處女座重力波團隊（The Virgo Collaboration, Virgo），以及神岡重力波探測器（Kamioka Gravitational wave detector, KAGRA, or Large-scale Cryogenic Gravitational wave Telescope, LCGT）都受限於干涉儀的長度，只對頻率範圍 10～1000 赫茲（Hz）的重力波有足夠的靈敏度，此範圍的重力波對應到的波源即是一般恆星質量大小的雙黑洞系統。

然而，來自超大質量黑洞互繞所發出的重力波頻率幾乎是奈赫茲（Nano Hertz，即 10^-9 Hz）級別，如果想要探測到此重力波，就需要一個「星系」規模的重力波探測器。雖然這聽起來彷彿天方夜譚，但就在今年 6 月，北美奈赫茲重力波天文臺（North American Nanohertz Observatory for Gravitational Waves, NANOGrav）的團隊利用「脈衝星計時陣列」（pulsar timing array, PTA）成功地觀測到這些低頻重力波存在的證據。

以不同方式觀察不同頻率的重力波

NANOGrav 如何觀測低頻重力波？

讀者聽過脈衝星（pulsar）嗎？它是一種高速旋轉且高度磁化的中子星（neutron star）^註2，會從磁極放出電磁波。隨著脈衝星的旋轉，它的電磁波會以非常規律的時間間隔掃過地球，因而被身處於地球上的我們偵測到，就像是海邊的燈塔所發出的光，會規律地掃過地平面一般。由於脈衝星的旋轉模式相當穩定，掃過地球的脈衝就如同宇宙中天然的時鐘，因此在天文學上有相當多的應用——甚至可以用來觀測重力波。

利用脈衝星觀測重力波的第一步，首先要記錄各個脈衝星的電磁脈衝到達地球的時間（time of arrival），並且將這些訊號與脈衝星電磁脈衝的理論模型做比對。

如果訊號和理論模型相符，那麼兩者相減後所得到的訊號差（residual）只會剩下一堆雜訊；相反的，如果宇宙中存在著重力波，並且扭曲了該脈衝星和地球之間的時空，那麼兩訊號相減之後就不會只有雜訊，而會出現時空擾動的蹤跡。

然而以觀測的角度來看，即便我們從來自單一脈衝星的訊號中發現訊號差出現偏離雜訊的跡象，也不能直接推論這些跡象一定是來自重力波。畢竟科學家對脈衝星的內部機制和脈衝傳遞的過程也並未完全了解，這些未知的機制都可能會使單一脈衝星的訊號差偏離雜訊。

因此為了要判斷重力波是否存在，就必須進行更進一步的觀測：利用數個脈衝星組成脈衝星陣列，測量每個脈衝星訊號到達的時間，並且計算這些不同脈衝星訊號的到達時間是否存在某種相關性。

舉例來說，如果脈衝星和地球之間沒有重力波造成的時空擾動，那麼即便每顆脈衝星的訊號差都出現偏離雜訊的跡象，彼此之間的訊號也會完全獨立且不相干；反之，如果脈衝星和地球之間有重力波經過，這些重力波便會扭曲時空，不僅會改變這些脈衝訊號的到達時間，且不同脈衝星訊號到達的時間變化也會具有某種特定的相關性。

根據廣義相對論的計算，一旦有重力波經過，不同脈衝星訊號之間的相關性與脈衝星在天球上的夾角會滿足一條特定的曲線，稱為 HD 曲線（Hellings-Downs curve）。

科學家以兩顆脈衝星為一組觀測單位，藉由觀測多組脈衝星的訊號、計算它們之間的相關性，再比較這些數據是否符合 HD 曲線，就能夠進一步推斷低頻重力波是否存在。值得一提的是，由於重力波訊號非常微弱，用來作為陣列的脈衝星必須有非常穩定的計時條件，因此一般會選擇自轉週期在毫秒（ms）級別的毫秒脈衝星作為觀測對象。

NANOGrav 在今年 6 月發布的觀測結果就是利用位於波多黎各的阿雷西博天文台（Arecibo Observatory，已於 2020 年因結構老舊而退役）、美國的綠堤望遠鏡（Robert C. Byrd Green Bank Telescope）和甚大天線陣（Very Large Array, VLA）觀測 68 顆毫秒脈衝星。

他們分析了長達 15 年的觀測數據後，發現這些脈衝星訊號的相關性與 HD 曲線相當吻合，證實了低頻重力波確實存在於我們的宇宙中。

除了 NANOGrav，其他團隊例如歐洲的脈衝星計時陣列（European Pulsar Timing Array, EPTA）、澳洲的帕克斯脈衝星計時陣列（Parkes Pulsar Timing Array, PPTA）、印度的脈衝星定時陣列（Indian Pulsar Timing Array, InPTA），以及中國的脈衝星計時陣列（Chinese Pulsar Timing Array, CPTA）等，皆得到相符的結果。

NANOGrav 觀測結果帶來的意義

與先前 LIGO 觀測到的瞬時重力波訊號不同，目前利用 PTA 得到的重力波訊號是相當持續的，而且並沒有較明確的單一波源，反而像是由來自四面八方數個波源組成的隨機背景訊號。

打個比方，LIGO 收到的重力波訊號像是我們站在海邊，迎面而來一波一波分明的海浪，每一波海浪分別對應到不同黑洞碰撞事件所發出的重力波；而 PTA 的訊號則是位於大海正中央，感受到隨機且不規則的海面起伏。

目前對這些奈赫茲級別的重力波訊號最合理也最自然的解釋，是來自多個超大質量雙黑洞系統互繞而產生的疊加背景。若真是如此，那這項發現將對天文學產生重大的意義。

過去科學界對於如此巨大的雙黑洞系統能否在可觀測宇宙（observable universe）的時間內互繞仍普遍存疑，如果PTA觀測到的重力波真的來自超大質量雙黑洞互繞，那代表這類系統不僅存在，它們的出現還比過去我們預期的更為頻繁，且產生的訊號也更強。

NANOGrav 的觀測結果

不過除了雙黑洞系統，也有其他「相對新奇」的物理機制也可能產生這樣的重力波背景，包含早期宇宙的相變、暗物質，以及其他非標準模型的物理等。若要從觀測的角度去區分這些成因，最重要的關鍵在於，能否從隨機背景中找到特定的波源方向。

如果是雙黑洞系統造成的重力波，勢必會有來自某些方向的訊號比較強；反之，如果是早期宇宙產生的重力波，那麼這些重力波將會隨著宇宙的膨脹瀰漫在整個宇宙中，因此它們勢必是相當均向的。

為了找到波源方向，提升訊號的靈敏度成為了當務之急。而若要提升 PTA 的靈敏度，最主要的方式有兩種——其一是將更多的脈衝星加入陣列；其二則是延長觀測的時間。

目前，不同的 PTA 團隊已經組成國際脈衝星計時陣列（International PTA）互相分享彼此的脈衝星觀測資料。隨著觀測技術的進步，解密這些奈赫茲級別的神祕重力波將指日可待。

註解

1. 相較於過往只能以可見光觀測宇宙，多信使天文學能利用多種探測訊號，如電磁波、微中子、重力波、宇宙射線等工具探索宇宙現象，獲得更多不同資訊及宇宙更細微的面貌。
2. 質量較重的恆星在演化到末期、發生超新星爆炸（supernova）後，就有可能成為中子星。

延伸閱讀

1. 林俊鈺（2016）。發現重力波！，科學月刊，556，248–249。
2. 金升光（2017）。重力波獨白落幕 多角觀測閃亮登場，科學月刊，576，892–893。
3. NANOgrav. (Jun 28 2023). Scientists use Exotic Stars to Tune into Hum from Cosmic Symphony. NANOgrav.

• 〈本文選自《科學月刊》2023 年 10 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。

• 本文轉載自臺北天文館，《臺北星空》第 99 期。
• 文／許晉翊。臺北市立天文科學教育館研究員。

塵埃可能是參宿四變暗的罪魁禍首

去年年底，天文學家發現參宿四的亮度異常降低，這現象還被某些人解釋為這顆紅超巨星已幾乎沒有核燃料，即將發生超新星爆炸。不過，華盛頓大學和羅威爾天文台的天文學家認為，參宿四更可能只是正在發生其他紅超巨星也會發生的事情：拋出的外層大氣遮住了一些往地球的光線。

天文學家在二月進行的觀測數據中，發現參宿四表面平均溫度比 2004 年的測量低了 50 至 100 度，這個結果使他們更加確定其答案必為星際塵埃，若是對流胞上升至表面冷卻的話，那降幅會更為明顯。

科學家宣稱在隕石中發現了外星蛋白質

繼默奇森隕石發現胺基酸以來，在 1990 年的一塊隕石中，隱藏了更具突破性的進展，蛋白質一般是由多個胺基酸組成的，同時也是地球上幾乎所有生物體中的必要組成成分，從細胞核膜到遺傳物質 DNA 都有蛋白質的身影。在這被稱為「Acfer 086」的隕石所含有的蛋白質，被稱為血石素 (Hemolithin) ，是一種新的命名，旨在描述其具有一半血紅素 (Hemoglobin) 及一半卵磷脂 (Lecithin) 的分子結構，科學家發現的這種新蛋白質，成分中含有鐵和鋰，且氘與氫的比例與地球上的不同，基本上可以確認絕非地球上的物質。儘管研究團隊認為這是最有可能的解釋，但是他們也指出其發現的複合性分子可能不是蛋白質，而只是一種聚合物，所以現在下結論仍為之過早，但是種種跡象顯示「它」是蛋白質的機率相當高。

宇宙最早的物質可能潛藏於中子星的核心

中子星是恆星死亡後的核心塌縮而形成，中子星的質量上限約在兩個太陽質量，更大的質量將會形成黑洞，然而最近天文學家發現了少數超過這個上限的中子星。

研究團隊計算了中子星物質的狀態方程式，計算的結果描述了中子星的可能結構。結合最近 LIGO 和 VIRGO 的重力波觀測結果，更進一步揭露了許多中子星內部的訊息。根據他們的研究，這些死亡恆星的中心可能可以找到由夸克形成的核心，其含量甚至可能佔核心組成的一半以上，未來更多的中子星觀測資料將可提升或改善這項研究結果的正確性。

銀河系中也許有至少 36 個外星高等智慧文明存在

繼德瑞克方程式後，人類就一直持續在搜尋地外高等智慧文明，但長時間以來一無所獲，新的研究認為該方程式的後面幾項參數，不確定值太多，使得整個方程式的實用性降低，研究人員建立了一套新的參數及計算標準，稱為天文生物學哥白尼極限，在六種嚴格的限制條件下，得到的外星文明數量約為 36個。

若將此 36 個外星文明平均打散在銀河系中，可以得到每個文明的平均距離至少有 17,000 光年，而人類自有無線電訊號以來，也才 125 年，亦即最遠的傳播僅達125 光年，此外，無線電波在傳遞過程中也會逐漸變弱，因此，除非我們能想到如何建造無線電擴音器，並在接下來的 17,000 年都保持人類的生存及技術實力，否則我們仍無法與任何外星文明聯絡。

首次發現奇怪的冥府行星

天文學家發現一顆非常奇怪的系外行星 TOI-849b ，它位於 730 光年遠，母恆星TOI-849 與太陽非常相似。 TOI-849b 僅比海王星小一點，但質量卻是海王星的兩倍多，因此密度與地球差不多！如此高密度顯示它是岩質行星，但大小卻遠高於岩質行星的上限。這意味著它可能是非常罕見的冥府行星（Chthonia），即是大氣層已被剝離的氣體行星核心。

天文學家認為這種極靠近恆星的氣體行星，會被高熱剝離大氣，如 Gliese 3470 b 被觀測正以高速失去其大氣層。但這不足以解決 TOI-849b 大氣全部損失的原因，還有大天體碰撞等事件的可能性。另一可能原因是 TOI-849b 開始形成氣體行星時，沒有足夠的物質成為大氣。又或者是它在行星系統演化後期時形成，抑或是在原行星盤的間隙中形成的，使得沒有足夠的材料來增加大氣。研究小組計劃將繼續觀測，以確定 TOI-849b 是否還剩下任何大氣。

天文學家在本超星系團旁發現了新的長城結構

宇宙的結構並不是由隨機分佈的星系所組成，而是互纏互繞、具有藕斷絲連的特性，受到萬有引力的影響，較為靠近的星系組合成一個星系群或星系團，或隸屬於一個超星系團，這些藕斷絲連的網狀結構，又被稱為大尺度纖維狀結構，其中最大的一條被稱為武仙－北冕座長城，全長跨越 97 億光年，是目前已知最巨大的結構。新發現的纖維狀結構橫跨南極天空，至少長達 13.7 億光年，發現者將其命名為「南極長城」（South Pole Wall） ，而且南極長城的特別之處在於它離銀河系非常近，簡直就像是在我們的後院而已，僅有5億光年遠，（我們所在的結構稱為拉尼亞凱亞超星系團，直徑達5.2億光年，所以5億光年確實就像是後院的存在）換句話說，它是離我們最近的長城結構。

迄今為止質量最大的合併事件證實了中介質量黑洞的存在

在 70 億光年外，一對碰撞的黑洞產生了新的重力波，在 2019 年 5 月 21 日由 LIGO 和 VIRGO 雙重認證得知，這次的重力波事件是黑洞天文學中最受囑目的發現之一，因為該天體質量介於恆星級黑洞及超大質量黑洞之間，正是天文學家急欲尋找的中介質量黑洞，且我科技部及清華大學研究團隊亦參與其中。本次的重力波訊號與往常的訊號相比非常短，但經過艱困的比對分析後，科學家得知這是分別由 66 倍太陽質量及 85 倍太陽質量的黑洞合併而成，產物為一個約 142 倍太陽質量的黑洞，這是自發現重力波以來迄今為止最大質量的重力波源。

中介質量黑洞是黑洞系列的一個謎團，我們常發現的是恆星質量黑洞及超大質量黑洞，但是藉由重力波的觀測， GW190521 成為對於中介質量黑洞的第一次決定性的直接觀測。超大質量黑洞的形成過程仍是個謎，長久以來，科學家不清楚它們是由恆星大量坍縮聚集而成，抑或是透過一種尚未被發現的方式產生的，所以科學家一直在尋找中介質量黑洞，來填補介於兩者差異甚大的質量空隙，如今，科學家終於有證據可以證明中介質量黑洞確實存在。

歐西里斯號成功登陸貝努收集樣本

OSIRIS-REx 任務耗資 8 億美元，在 2016 年 9 月發射， 2018 年 12 月 3 日抵達500 公尺大的貝努近地小行星。經過一年多環繞研究後，團隊選擇了一個名為夜鶯（Nightingale）的小隕石坑為降落地點，因為該點表面物質的顆粒較細，且相對新鮮沒經過長期暴露於太空環境而變質。但夜鶯周圍也充滿危險，其中包括要經過一個兩層樓高，綽號厄運山（Mt. Doom）的巨石，而隕石坑內也有其他障礙物，因此太空船的目標是一個寬 8 公尺相對平坦無石塊的區域， OSIRIS-Rex 任務距離達3億公里之遙，相當不容易。臺灣本地時間 10 月 21 日 6 時 12 分歐西里斯號（OSIRISRex）號降落到近地小行星貝努（Bennu）表面，目標是從貝努表面收集至少 60 克的灰塵和碎石，預計 2023 年 9 月 24 日將樣品送回地球，以研究太陽系的起源與生命相關有機物和水的來源。中間還有一段插曲：一些岩石碎塊阻擋導致收集器無法完全閉合，使得在探測器的三公尺機械手臂末端的收集器內的小行星表面碎片樣本，一直在緩慢漏失到太空中，好在後來已經克服此狀況，且收集來的樣本也遠高於當初設定的最低目標。

阿雷西博望遠鏡的輝煌與終結

該望遠鏡於 1963 年落成啟用，阿雷西博天文臺開始運作之後，做出的科學貢獻不勝枚舉。 1964 年天文學家藉由雷達脈衝發現水星的自轉週期為 59 天，有別於原先認為的 88 天；1968 年提供了蟹狀星雲脈衝星（Crab Pulsar, PSRB0531+21，自轉週期33毫秒）存在的確切證據，也是第一顆被確認為跟超新星殘骸有關的中子星。 1974 年，天文學家法蘭克德瑞克及卡爾薩根設計了知名的阿雷西博訊息，內容包含人類的 DNA 結構，和太陽系的介紹等等，以強力的電磁波從阿雷西博天文台發送向距離地球 25000 光年的球狀星團 M13。雖然無法期待在不久的將來能收到回覆，卻是人類主動接觸外星文明的重要嘗試。 1989 年趁著小行星(4769)Castalia 經過，阿雷西博望遠鏡首次利用其功能描繪出小行星的 3D 圖像，迄今已研究過數百個近地小行星。今年的 12 月 1 日的一聲巨響，支撐平台的纜線應聲斷裂，整個接收平台、900 噸重的心臟與一個纜線塔硬生生撞入下方的碟型天線。雖然造成多大破壞還在評估，但照片與影片仍然震驚所有人，阿雷西博望遠鏡結束其 57 年傳奇的一生。

嫦娥五號返回艙帶回月壤， 40 年以來的新鮮貨

歷經 23 天的飛行，攜帶著月壤的中國嫦娥五號返回艙於 12 月 17 日凌晨 1 時 59 分安全返回地球，這是 40 年來首次收集月球樣本的任務。其返回艙在中國北部內蒙古四子王旗著陸場著陸。內蒙古地區夜間達攝氏零下 30 度，對於地面工作人員的準備是一大考驗。

嫦娥五號於 12 月 1 日登陸月球，並於兩天後開始返航，中國航天局也在月球上，升起了中國五星旗幟。此次任務是自 1976 年蘇聯「月球 24 號」任務以來的首次嘗試，使中國成為繼美國和蘇聯之後，第三個從月球上取回樣本的國家。飛船的任務是在「風暴洋」的區域收集兩公斤 (4.5磅) 的物質，該區域是一片廣闊的、此前尚未被探索過的熔岩平原。

中國的科學家們希望藉由採集回來的樣本了解月球的起源、形成以及月球表面的火山活動，並期望在 2022 年以前建立一個載人太空站，並最終將中國人送往月球。