Loading [MathJax]/extensions/tex2jax.js

0

2
0

文字

分享

0
2
0

賽道上高溫與摩擦的平衡!賽車最重要的配件「剎車」——《黏黏滑滑》

晨星出版
・2023/01/06 ・3272字 ・閱讀時間約 6 分鐘

度影響剎車的抓力

雖然似乎有點違背直覺,但是煞車是高速駕駛不可或缺的一環。不管是在哪個賽車場,駕駛的目標之一就是保持在賽道的最佳路徑(racingline)—繞行賽道的最短路徑。所以駕駛過彎時不會沿著急轉彎處長長的外彎道前進,而是「夾著」彎道的內側,稱為彎頂點(apex,即過彎路線中最接近彎道內側的點)的地方,以將他們必須行駛的距離縮到最短。

這麼做需要非常精準的煞車:要在剛剛好的時間對煞車踏板施予剛剛好的壓力。當他們辦到時,駕駛就會出現在賽道轉彎處的絕佳位置,且依然帶有征服下一段賽程所需的速度。但是這樣的開車方式會耗損煞車;而且有些賽道沒什麼機會可以讓煞車冷卻。

以世界知名的摩納哥街賽道來說。雖然僅長3.34 公里(2 哩多),是F1 賽程中最短的賽道,但是卻必須不斷踩煞車和加速。煞車製造商布雷博(Brembo)指出,2019 年賽季中,駕駛們每一圈使用煞車 18.5 秒,多過總賽程的四分之一。

在需求最高的轉彎處,汽車要在不到 2.5 秒的時間內將時速從 297 公里(185 哩)減至 89 公里(55 哩);這會將大量動能快速轉換成熱能,難怪煞車碟盤會冒出火花。為了要負荷這樣龐大的熱負載,製造商在每個煞車碟盤的邊緣鑽入細小的徑向孔—數量超過 1000 個。

-----廣告,請繼續往下閱讀-----

這樣的小孔可以增加煞車碟盤的表面積,比較容易散熱。但是也具有通氣孔的功能。與安裝在各個輪框上的大型冷卻管相結合時,可以把冷空氣拉入煞車碟盤中心,把熱空氣從邊緣帶走。還有個額外優點,這些F1 煞車碟盤相當輕,重量約各為1 公斤(2.2 磅),相較之下,差不多大小的鑄鐵煞車碟盤則為 15 公斤(33 磅) 。

所以為什麼不全面使用這種煞車碟盤呢?有個原因是價格—每片煞車碟盤可能要價高達 2000 美元(約 1500 英鎊) ,而且要六個月的時間才能製成。它們也不太耐久,通常每次比賽後就得更換。最後,它們受限於一定的工作溫度,只能處於 350 ∼ 1000℃。

低於溫度下限時,它們幾乎不具有停止能力—煞車片與煞車碟盤無法產生足夠的抓力。但是如果煞車的溫度高於上限值太久,則會災難性地失靈。如馬歇爾對我描述的,「彷彿在踩縫紉機。當這種狀況發生時,煞車碟盤耗盡『材料』的速度有多快,簡直難以置信。」

科技有助於車隊和駕駛控制他們的煞車,但是就跟 F1 的大部分狀況一樣,沒那麼簡單。冷卻管的大小與形狀可控制流經煞車碟盤的空氣量,所以你可以想像管子愈粗愈好。

-----廣告,請繼續往下閱讀-----

但是如 F1 傳奇工程師帕特.西蒙茲(PatSymonds)告訴《賽車工程》(Racecar Engineering)雜誌的,冷卻有其後果:「遇到像蒙特羅這樣需要一直踩煞車的賽道,我們被迫使用一些該賽季最粗的管子。從最細的冷卻管換到最粗的冷卻管,會犧牲 1.5%的空氣動力學效率,這代表最高速度時速會減少 1 公里。」

我可以想像這會引發車隊的煞車工程師與他們的空氣動力學家爭辯。就連測量煞車配件的溫度都不容易。馬歇爾告訴我,在奧斯頓馬丁 F1 車隊中,他們會在煞車片的安裝托架中埋入高溫的熱電偶,和一系列直接朝向煞車碟盤的遠紅外線感測器。電視轉播賽事時偶爾會出現的彩色熱影像,主要是為了給我們這些觀眾看—顯示出他們建議的最高溫度。

剎車片的抓力在彎道時高速剎車時至關重要。圖/envatoelements

摩擦介面與溫度控制

煞車片與煞車碟盤之間還有另一個重要的過程是磨耗。所有滑動與摩擦都會對兩個表面造成實質傷害;每次煞車作動,兩者都會有微粒破裂。在煞車系統的使用期間,這會逐漸降低材料的摩擦係數—換句話說,會失去它們的抓力。

但這不只是因為彼此的表面被「磨光」,或是失去黏性。磨耗也會形成摩擦膜(tribofilm)這種東西—煞車片與煞車碟盤相接觸時壓碎的一層非常薄的細粒狀材料。「談到磨耗與摩擦力,摩擦膜非常有影響力,」英國里茲大學(University of Leeds)的沙赫里爾.柯沙利(Shahriar Kosarieh)說。

-----廣告,請繼續往下閱讀-----

「我們把這層膜視為『第三體』,因為儘管它是由互相滑動的那兩種材料製成,其化學與機械性質還是與那兩種材料不同。」關注各式各樣市售鑄鐵煞車片的德國研究人員發現,無論煞車片是什麼材質,形成的摩擦膜總是會受到氧化鐵(Fe3O4)控制,其他成分的影響力則相當微弱。

「摩擦膜會控制散熱,且能減少摩擦力—它會主導性能,」柯沙利繼續說道。「煞車製造商很清楚這一點,調配自己的煞車片配方時會考量這一點。煞車片與煞車碟盤要互相搭配,才能產生最佳性能。只要你更動了任一個材料,就會改變界面產生的結果。」

柯沙利最近的研究關注鑄鐵煞車碟盤輕量替代物的摩擦表現,這些輕量煞車碟盤主要都是鋁製。不只有他這麼做—整個汽車產業都對減輕重量很執著,主要是因為汽車的重量愈輕,消耗的燃料就愈少,環境影響也愈少。目前是以鋁為主流。

「那是一種低密度金屬,約比灰鑄鐵(grey cast iron)還低 2.5 倍,所以減輕重量的可能性很高,」他跟我在電話中閒聊。「鋁的導熱性也很高,在表面形成的氧化物也具有一些防蝕效果。」把鋁合金與碳化矽等硬質陶瓷材料結合也能提升其強度。

-----廣告,請繼續往下閱讀-----

「但是鋁的問題在於當溫度高於400℃時會開始熔化。就煞車而言,這代表摩擦力突然銳減,也是你能想像最糟的狀況。所以更加促使工程師更努力找出方法,既能讓表面有比較好的熱穩定性,使用壽命又能更持久。」

工程師致力於找出剎車在溫度與磨損上的平衡。圖/envatoelements

對柯沙利而言,最有意思的其中一種方法是電漿電解氧化(plasmaelectrolytic oxidation, PEO),這是用一個電場在鋁的表面形成一層複雜又高度耐磨的薄層。當他測試各種不同以電漿電解氧化處理過的鋁盤性能時,發現有些可以撐過約 550℃。不過,許多案例的摩擦係數太低—低於實際煞車系統所需的最低閾值。

柯沙利並不洩氣。「煞車是整個系統一起作動。如果你拿到一個新的煞車碟盤,那你也需要把對位碟盤調整到最佳狀態。製造商設計出專供電漿電解氧化塗層煞車碟盤使用的新煞車片配方。」我只找到幾篇已發表的研究,結合了電漿電解氧化煞車碟盤與這些新的摩擦片,但是結果看起來大有希望。輕量的鋁製煞車在未來的道路車輛上可能有機會亮相。

F1 在 1970 年代晚期為它們的煞車碟盤和煞車片找到了不同的解決方法,從那時候起就沿用至今:一種稱為碳-碳(carbon-carbon)的材料,在石墨基質裡包埋高度有序的碳纖維。其散熱效果非常好,所以也用在太空梭上。雖然它聽起來可能跟F1 賽車底盤用的碳纖維很類似,但其實是非常不一樣的猛獸。

-----廣告,請繼續往下閱讀-----

製造碳-碳很緩慢且複雜,此材料是由原子薄層堆疊成層。它在摩擦力方面勝出,提供的抓力比傳統煞車配件高 2 倍(在其理想工作溫度範圍內)。但是那並非魔法。在競速的壓力之下,這種材料終究會磨耗殆盡,部分是由於摩擦,但也有化學方面的因素。溫度上升時,碳-碳會與空氣中的氧氣產生反應,而氧氣會提高其劣化程度。你有時候會看到F1 駕駛大力踩煞車時冒出黑塵,這就是原因。

藉由感測器數據調整剎車系統

這個過程代表車隊需要監測的煞車項目不只是溫度。馬歇爾跟我說,他們會使用壓力感測器留意流經管子的氣流。他們也有針對磨耗的電子感測器,可以測量胎側的活動。

「我們使用這些儀器測量煞車片還能接觸煞車碟盤多久。由此可以推論總磨耗程度—也就是煞車片與煞車碟盤的磨耗總和。」為了推算總磨耗比例與煞車片的關係,以及對煞車碟盤的磨耗程度,車隊會把感測器數據對照以往試駕和賽事所蒐集的煞車數據。

「我們可以從所有資料中追溯比賽時的磨耗速率。如果太快,我們可以調整煞車平衡,以免磨耗最高的車輛壽終正寢,或可以請駕駛找一些乾淨的空氣冷卻煞車。」不管怎麼做,目標都是確保駕駛在需要的時間和地點擁有阻擋能力。任一賽季都會面臨數以千計的彎道,這些系統,當然還有駕駛,都表現卓越。

-----廣告,請繼續往下閱讀-----

——本文摘自《黏黏滑滑》,2022 年 11 月,晨星出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----
文章難易度
晨星出版
12 篇文章 ・ 3 位粉絲

0

1
0

文字

分享

0
1
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

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

10
1

文字

分享

0
10
1
最讓水珠站不住腳的塗料
胡中行_96
・2023/11/06 ・2183字 ・閱讀時間約 4 分鐘

不少影視作品,善用水滴暗喻流淚。離散的場面哀戚,暗夜裡風雨飄搖。雨絲打在窗上,衝擊著觀眾敏感的心。主觀鏡頭宛如主角的目光,透過玻璃望向遠方。可是任誰都無法忽略,前景那一顆在表面移動的雨滴,默默地、緩緩地滑到一半,止住了。雨過天晴,窗外的玫瑰花瓣托著晨露,晶瑩剔透,水珠怎麼飽滿,也沒溜下來。如此揪心的情緒渲染,倘若換作荷葉或鐵氟龍鍋具,效果肯定蕩然無存。稍稍傾斜,便把持不住一滴,三兩下流得乾乾淨淨,不著痕跡。於是,被騙得一把鼻涕一把淚的觀眾,拭乾雙眼,體會刻骨銘心:摩擦力大的表面,即使垂直,水滴也可能攀附;摩擦力小,則些微的斜度,就會流失水滴。[1]

圖/Gary Ellis on Unsplash

接觸線摩擦力

想留住水滴,就如同要挽回即將離去的戀人,免不了得談客觀條件。芬蘭阿爾託大學(Aalto University)和于韋斯屈萊大學(University of Jyväskylä)合作的團隊,在《自然化學》(Nature Chemistry)期刊上,介紹新創塗料時,列出下面 4 個影響水滴流動的要素:[1]

  1. 接觸線摩擦力(contact line friction):受到水滴的大小、表面張力、接觸面的形狀,以及水滴後退角(receding contact angle)與前進角(advancing contact angle)(如下圖)的差距所影響。接觸線摩擦力是這裡羅列的項目中,唯一會導致靜摩擦力(static friction),[1]阻礙移動發生的力量。[2]接下來的幾個,都是在水滴已經開始移動後,才會出現。[1]
  2. 黏滯耗散(viscous dissipation):流動的過程中,其黏性將部份動能,不可逆地轉換成熱能。[3]
  3. 氣阻(air resistance):通過氣體的時候,氣流對其表面產生的阻力。[4]
  4. 靜電力(electrostatic forces):某些物體相互摩擦後會帶電,因而有推或拉的力量。[5]當水滴在疏水性的表面上移動,引發電荷分離(charge separation),水滴通常帶正電,該表面則帶負電。靜電力對斜面上水滴下滑速度的影響,甚至可以超過重力。[6]
a. 水滴在(左)親水性和(右)疏水性表面上的情形;b. 水滴後退角(θR)與前進角(θA)的差距,會影響接觸線摩擦力。圖/參考資料 7,Figure 1(CC BY 4.0

水滴對固體表面的依附,使它處處惹人嫌。比方說,在汽車的擋風玻璃,以及先進駕駛輔助系統的鏡頭上,會妨礙視線,干擾行車安全。[7]常言道:「所有感情問題,一律建議分手。」研究團隊想利刀斬孽緣,則所開發的塗料,要能有效減少物體表面的接觸線摩擦力,使水滴在上頭「站不住腳」。過往的研究認為,關鍵是降低形貌或化學的異質性[1]

開發新塗料

研究團隊調節時間、溫度和水份等變因,讓疏水性的辛基三氯矽烷(octyltrichlorosilane),在親水性的二氧化矽(SiO2)板上,自然「生長」成自組裝單層膜(self-assembled monolayer)。[1]無論這層膜在矽板上的密度低,也就是表面大多都是二氧化矽;或者密度高,即辛基三氯矽烷佔多數,都可以視為異質性低的情形。反之,若表面密度中等,則異質性高。理論上,異質性低對削弱接觸線摩擦力有幫助,但是研究團隊認為塗料密度低的時候,表面親水性過高,效果可能不彰。[1, 8]

-----廣告,請繼續往下閱讀-----

然而實驗結果有些出乎意料:當這層膜在矽板上的表面密度較低,水竟然自由地於塗料的分子間流動,很容易滴落;而表面密度高時,水則停留在塗料上面,也可以輕易滑下來。唯有介於兩者之間,水才會緊巴著矽板。[1, 8]

表面塗料低、中和高的密度,造成不同的異質性(heterogeneity)與摩擦力(friction)。圖/參考資料 1,Figure 1a(CC BY 4.0

防潑水塗料的用途

芬蘭研究團隊的成品,應該是目前全世界最滑溜的塗料,防潑水的能力超級好。[8]麻煩的是厚度太薄,耐用性有待提升。將來如果成功改善,有望廣泛運用於除冰、抗霧、暖氣管線等諸多方面。[1, 8]

表面塗料密度低,斜度漸增,攝影機跟著轉動。影/參考資料 1,Supplementary Video 2(CC BY 4.0
表面塗料密度中等,斜度漸增,攝影機跟著轉動。影/參考資料 1,Supplementary Video 3(CC BY 4.0
表面塗料密度高,斜度漸增,攝影機跟著轉動。影/參考資料 1,Supplementary Video 4(CC BY 4.0
  1. Lepikko S, Jaques YM, Junaid M, et al. (2023) ‘Droplet slipperiness despite surface heterogeneity at molecular scale’. Nature Chemistry.
  2. Müser MH. (2008) ‘How static is static friction?’. Proceedings of the National Academy of Sciences, 105(36):13187-8.
  3. Malik MY, Hussain A, Salahuddin T, et al. (2016) ‘Effects of viscous dissipation on MHD boundary layer flow of Sisko fluid over a stretching cylinder’. AIP Advances, 6, 035009.
  4. Oxford University Press. ‘Air Resistance’. Oxford Reference. (Accessed on 27 OCT 2023)
  5. Electrostatics: A non-contact force’. (31 DEC 2018) Department of Education, Victoria State Government, Australia.
  6. Díaz D, Li X, Bista P, et al. (2023) ‘Self-generated electrostatic forces of drops rebounding from hydrophobic surfaces’. Physics of Fluids, 35(1):017111.
  7. Hodgson G, Passmore M, Skarysz M, et al. (2021) ‘Contact angle measurements for automotive exterior water management’. Experiments in Fluids, 62, 119.
  8. Researchers create the most water-repellent surface ever’. (23 OCT 2023) Aalto University, Finland.
-----廣告,請繼續往下閱讀-----

0

1
1

文字

分享

0
1
1
為什麼壁虎能飛簷走壁?壁虎之「爪」所藏有的秘密!——《黏黏滑滑》
晨星出版
・2023/01/08 ・3040字 ・閱讀時間約 6 分鐘

潮濕環境中就算是壁虎也會腳滑?

這引我走上另一條路徑。有鑑於凡得瓦力靠得是兩個平面之間緊密接觸,如果是像史塔克教授提到的大溪地雨林那樣潮溼的環境,會發生什麼狀況呢?有水是否會改變壁虎的抓力?或者,如我假裝專業問她的問題,潮溼的壁虎可以黏在物體上嗎?

史塔克是討論這個問題的絕佳人選。為了更透徹理解真實世界的環境如何運作,她與研究夥伴一起花了好幾年時間探究表層水對壁虎黏附力的影響。她一開始先測量大壁虎在三種玻璃樣本上的黏附力—乾燥、用水滴稍微沾濕,以及完全浸泡在水中。

壁虎被放置在各個表面上,再用小型電動吊帶輕輕往後拖(沒錯,你沒看錯),直到牠們的四足全都移動。這能讓研究人員測量克服壁虎黏性所需的力量—稱為最大剪切黏附力(shearadhesion force)。

他們發現壁虎在潮溼的玻璃表面上,黏附力會明顯下降。

-----廣告,請繼續往下閱讀-----

「這讓我們很吃驚,尤其是有那麼多種壁虎生活在高濕度、高降雨量的環境中,」史塔克說。

「我們測量了四足完全泡在水中時的最低黏附力,這時候水絕對會干擾以凡得瓦力為基礎的黏附力所需的密切接觸。」但她承認,這個狀況在野外大概沒那麼普遍。

「實際而言,相較於走進暴雨之中並踩入深水坑,壁虎更有可能接觸到僅稍微沾濕的表面。」即使如此,史塔克在稍微沾濕的表面測得的力量,還是比足趾乾燥走過乾燥玻璃的壁虎還低(或比較不黏)。

大多數情況下,牠們依然有剛剛好的抓力可以承受自己的體重,但是當環境變得潮溼,壁虎的黏附力就會開始減弱。其中發生了什麼事?

壁虎腳趾的「疏水」特性

回到第一章,我們得知液體黏附於表面的能力關乎表面能和可濕性。壁虎趾墊極度疏水。它們會有效地排斥水,所以當蜥蜴把足部伸入水坑,會在足趾周圍形成微小的氣囊;水被推開,保持足趾乾燥。但是這項除水的能力有其限制,取決於壁虎最後踩上的表面。

-----廣告,請繼續往下閱讀-----
壁虎的足趾具有極高的疏水性。圖/envatoelements

在史塔克的研究中,她著重在玻璃表面,這是因為玻璃具有親水性,會吸水。當壁虎的足部接觸到潮溼的玻璃,牠無法完全把水推開,如史塔克的解釋,這會中斷提供壁虎大部分抓力的凡得瓦力。

此外,壁虎的足部泡在水中過了 30 分鐘後,牠們的足趾似乎會暫時失去傑出的防潑水能力。水會湧入皮瓣,更進一步減弱牠們的抓力,使得玻璃似乎更滑。

但是如果表面本身就具疏水性,那一切對壁虎來說就簡單多了。在那樣的情況下,其足部和表面都會排斥水,因此兩者接觸時也會很乾燥。那對壁虎而言是理想的狀況—沒有水,其剛毛和匙突都能用來黏附。

這也反映出許多物種在野外會遇到的環境:從有蠟的樹葉到樹幹,疏水性表面在自然界中不足為奇。重要的是,壁虎奔跑的頻率高於行走,史塔克之後證實,這有助於牠們更有效率地甩掉足趾上的水。

-----廣告,請繼續往下閱讀-----

鐵弗龍攀爬實驗

體悟到可濕性是壁虎抓力的關鍵因子,促使許多研究團體開始探究壁虎碰到工程性疏水表面會發生什麼事—最有名的研究是壁虎與鐵弗龍的比賽,首次討論在 1960 年代晚期開始。

德國科學家烏維.希勒(Uwe Hiller)發表的實驗指出,疏水性、表面能偏低的材料(如鐵弗龍),對壁虎而言太滑了,爬不上去。即使他用帶電粒子撞擊鐵弗龍以增加表面能,他的實驗壁虎依然難以爬得更遠。針對單一剛毛的實驗也得到一樣的結果。

所以我們也許能理解,史塔克沒有很想在 2013 年再次測試該材料的原因。「不過我的本科學生非常好奇會發生什麼狀況,所以我最後還是同意了。」他們發現的結果讓所有人都大吃一驚。根據他們的結果,活壁虎可以爬上鐵弗龍,但只有在有水的情況下才辦得到。

「就是那些罕見的發現既讓我們困惑,但也證實我們在野外所見的狀況,」史塔克說。

-----廣告,請繼續往下閱讀-----

「我們知道壁虎可以毫不費力地爬上最滑的樹木和植物,即使在大洪水過後也一樣,所以水顯然對牠們來說不是大問題。但是我們的模型就是沒預測到在鐵弗龍的結果。」

壁虎能輕易爬上最滑的樹木和植物。圖/envatoelements

另一個結果就沒那麼令人意外—在中度可濕的材料上,水似乎沒造成什麼差異。壁虎在潮溼和乾燥表面上都能緊緊抓附。

但是超級疏水的鐵弗龍則是異數—與我們對以凡得瓦力為基礎的黏附力的認知相反,水似乎增進了壁虎的黏附表現。

研究人員表示,這個結果並不能類推到更多的材料上,而是只特定於鐵弗龍。在那篇論文中,他們歸咎於鐵弗龍的粗糙度。乾燥時,這個粗糙度可以造成空氣隙(air gap),減少表面與壁虎匙突之間的接觸區域。潮溼時,粗糙度好像有點被消除,讓足趾可以充分地緊密接觸,獲得凡得瓦吸力。

-----廣告,請繼續往下閱讀-----

老實說,這個解釋無法說服我,而史塔克在電話中似乎也同意我的看法。我們單純無法解釋我們的結果,或為何鐵弗龍與其他材料如此不同。在之後的實驗中,我們擾亂它的粗糙度和氟化作用(一種表面加工),以檢視有無任何變化。我們發現後者對黏附力有比較大的影響。我們懷疑靜電可能也有關係,但是還無法肯定。

壁虎黏附系統的未解謎題

壁虎黏附力的主要機制來自凡得瓦力,這似乎毫無疑問,但是我與研究人員對談,加上讀了多於我想承認的期刊論文後,我愈來愈認為不只如此。儘管我們不斷又相當密集地進行研究,我們可能還未揭露壁虎黏附系統的所有秘密。

例如,我們依然還沒全面釐清潮溼環境下的角蛋白剛毛發生什麼事。人體的毛髮極容易受濕度影響,主要是因為水有助於α- 角蛋白的鄰近股之間形成暫時的氫鍵。雖然它跟壁虎的β- 角蛋白之間有一些化學差異,但水似乎也有可能也會對其機械性特質產生作用。

歐騰毫無疑問相信這件事。他在 2011 年發表的一篇文章中,發現濕度提升得愈高,剛毛會變得愈軟,但是我們不知道在「整隻動物」規模時會怎麼運作。還有許多細胞生物學家認為角蛋白毛髮有額外的功能—蛋白質表面自然產生的正電荷似乎會進一步增強凡得瓦效應。最後, 2011 年,在一間黑暗的研究實驗室中,發現了一些神祕的壁虎腳印。

-----廣告,請繼續往下閱讀-----

「我們發表那篇論文時並不太受歡迎」當我問起這篇論文時,史塔克笑著說。「大家都說壁虎使用的是無殘膠、乾淨的黏附系統,但是如果是這樣的話,這些腳印是哪裡來的?牠們留下了一些東西,我們從未在其他地方看到相關報告。」

史塔克跟她的研究夥伴發現殘留物含有脂質—這是通常在像蠟和油這種「滑溜」物質會發現的化合物。她也指出,這些脂質集中並環繞著剛毛,讓她認為這與角蛋白有關。但是她承認,他們還無法解釋出現這些脂質的原因,或它們究竟是哪裡來的。

「我們就是沒有答案,雖然我們懷疑那跟快速切換黏性和快速移動有關。可能就是這些脂質有助於剛毛和匙突潔淨又無塵。或是脂質可能與毛髮的結構有關聯。不管是哪個原因,都讓我們知道目前以β- 角蛋白均質柱狀物為基礎的模式並不完整。」

這些尚待解答的問題,只會讓壁虎的黏附系統更加迷人和值得研究。其性能也使其成為工程和材料科學界源源不斷的靈感來源。

-----廣告,請繼續往下閱讀-----

——本文摘自《黏黏滑滑》,2022 年 11 月,晨星出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----