Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

鑽石行星

科學人_96
・2013/02/07 ・909字 ・閱讀時間約 1 分鐘 ・SR值 517 ・六年級

在某些系外行星上,鑽石可能比石頭還多。

撰文/麥森(John Matson)

對於環繞著遙遠恆星的系外行星,相關研究仍處於初期階段。然而,研究人員已發現的數百顆系外行星,沒有兩顆是相似的。有的巨大到可以把木星壓扁,有的則是小得像是被恆星燒烤著的鵝卵石,有的則打腫臉充胖子、密度低得有如苔蘚聚集而成的泥炭。還有些系外行星猛一看覺得很熟悉,但是某些性質卻和地球相反,地球上的稀有物質在那裡到處都是,反之亦然。

舉例來說,碳是構成鑽石到石油等珍貴物質的關鍵元素,儘管如此重要,碳卻佔地球組成不到0.1%。

-----廣告,請繼續往下閱讀-----

不過,在其他的行星上,碳卻可能和泥土一樣普通,搞不好,那裡的泥土根本就是碳。有一顆距離我們40光年遠的系外行星,最近經判定就是這樣的一個地方,碳是該行星最主要的成份,而且內部的強大壓力讓大量的碳組成了鑽石。

這個稱為巨蟹座55e(55 Cancri e)的行星,地殼由石墨組成,厚達數百公里。美國耶魯大學的天文物理博士後研究員馬度蘇罕(Nikku Madhusudhan)說:「如果你繼續往下挖,會發現地殼之下有很厚的鑽石層。」結晶的鑽石層厚度達行星半徑的1/3。

這些主要由碳組成的行星,形成過程和地球非常不同。如果以太陽的成份為指標,最初形成太陽系行星的塵埃和氣體中,氧氣約是碳的兩倍。而地球上的岩石也確實大多是富含氧的矽酸鹽礦物。然而,天文學家發現巨蟹座55e所環繞的恆星,卻是含碳略多於氧,這顯示出截然不同的行星形成環境。馬度蘇罕和同事計算這顆行星的性質時,發現它的密度比水高,但是比地球上的礦物低,符合對碳行星的預測。該研究結果發表在2012年11月10日的《天文物理期刊通訊》(Astrophysical Journal Letters)。

美國航太總署哥達德太空飛行中心的庫赫納(Marc Kuchner)說:「如果碳行星上有任何生命體,它們將和仰賴氧的地球生物截然不同。在燃料用途上,稀有的氧氣和人類亟需的碳氫燃料一樣珍貴。」即使是求婚的方式也會很特別,庫赫納若有所思地說:「在碳星球上,會讓人興奮的是一小杯亮晶晶的水,而不是鑽戒。」(洪艾彊 譯)

-----廣告,請繼續往下閱讀-----

 

SA原文:Carbon Planets Turn Earth’s Chemistry on Its Head.

研究文獻:A Possible Carbon-rich Interior in Super-Earth 55 Cancri e. Nikku Madhusudhan et al. 2012 ApJ 759 L40

刊載於《科學人》2013年第132期02月號

-----廣告,請繼續往下閱讀-----
文章難易度
科學人_96
39 篇文章 ・ 5 位粉絲
《科學人》雜誌-遠流出版公司於2002年3月發行Scientific American中文版,除了翻譯原有文章更致力於本土科學發展與關懷。

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

-----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

2
1

文字

分享

0
2
1
製藥廠的野心,與暗潮洶湧的秘密協商——《謊言之瓶》
臉譜出版_96
・2021/06/27 ・3362字 ・閱讀時間約 7 分鐘

  • 作者 / 凱瑟琳.埃班  (Katherine Eban)
  • 譯者 / 高子梅

二○○七年十月 印度新德里

馬爾溫德.辛格的起步一開始並不順利。他父親是一位創業垂統的遠見之士,但他不像他父親,他知道自己的首要任務是幫股東們創造價值。他曾告訴印度的財經媒體:「我內心是個創業家,真正的創業家的終極目標就是要創造價值。」

但是要創造出長久的價值,就不像表面那麼容易了。二○○六年接管這家公司時,這位年輕的執行長立刻複習一遍他的企管碩士教戰守冊—積極尋找收購和結盟的機會。但就算他成功地製造出話題,根據《亞洲貨幣》(AsiaMoney)的說法,蘭伯西的損益表底線卻在「下降中」。蘭伯西不得不撤回收購德國最大學名藥公司的那場標案。後來又碰 FDA 的作梗。在他看來,美國的監管機關真的「很討人厭」,不管他怎麼保證公司一定會改革,怎麼暗示它們為這家公司留點面子,對方就是無動於衷。

馬爾溫德.辛格。圖/Wikipedia

在馬爾溫德的印度老家裡,你幾乎什麼問題都可以解決,不管是靠金錢來買通還是暴力威脅。就在五個月前,馬爾溫德的弟弟席溫德跑去堵一個很愛強出頭的心臟外科醫師,因為後者在一筆交易裡反對他重返辛格家族名下新德里的一家醫院。結果外科醫生上班的時候竟碰上幾近一百名的警力和多達一整個營的快速行動部隊,全都配備防暴用的催淚瓦斯和水灌車。

但在美國,你召集不到自衛部隊,而且 FDA 也拒絕讓步。身為蘭伯西最大股東的辛格兄弟發現這些問題已經有損他們的損益表底線。但就在這些紛擾當中,馬爾溫德注意到紐約有家公司的顧問傳了一則很有趣的訊息給他。日本製藥公司第一三共(Daiichi Sankyo)裡一個叫做宇根勉(Tsutomu Une,暫譯名)的傢伙想跟他談一下策略合夥的事。馬爾溫德嗅到了商機。

-----廣告,請繼續往下閱讀-----

在離新德里四千英里外的東京,宇根勉博士正在全球各地尋找新的收入來源。身為全日本第二大藥廠第一三共全球企業策略資深執行官的宇根勉,想要打入公司尚未涉足的海外市場,譬如印度和東歐。他需要一個成本低廉但產值又夠大的合作對象。於是目光落在蘭伯西身上。

蘭伯西實驗室有限公司。圖/Wikipedia

六十歲的微生物學家宇根勉是從醫藥創新領域裡的基層慢慢爬上來的。他在第一製藥公司(Daiichi Pharmaceutical Company)工作了三十幾年,並在該公司二○○五年與三共公司(Sankyo Company)合併之後繼續一路攀到高位。態度穩重又彬彬有禮的宇根勉從以前就有習慣把工作生涯的點滴內容記錄下來。

日本比任何一個國家都來得唯原廠藥是從,認為學名藥不值得信賴。這國家崇尚品質和衛生管理。儘管以前品質上曾受到鄙視,但它的現代製藥產業已不可同日而語,在品管上享有全球數一數二的地位。他們的藥丸必須是白色的,否則病患會存疑。宇根勉雖然是這塊謹慎招牌下的產物,卻也看出了日本製藥業的保守天性和對高成本研究的全心投入,將導致這個產業成長的趨緩。

從他的角度來看,在十一個國家設有製藥工廠、產品銷售遍布一百二十五個國家的蘭伯西,非常具有吸引力。它有眾多符合「先申請主義」的藥物申請案正在美國境內等待通過,其中仿製立普妥的學名藥勢必會是有史以來最賺錢的上市學名藥。第一三共的盤算是趁手邊還沒有暢銷藥(blockbusters)襲捲市場的空檔,先靠一批成本低廉的藥物產品來創造收入。蘭伯西似乎是一個絕佳的結盟夥伴,可以幫它達到這個目的。若是能很快完成收購,便可趕在下一季的投資者會議上撐起第一三共重創的股價。

-----廣告,請繼續往下閱讀-----

在日本的董事會議廳裡,決策做成往往是靠共識的產生。所以宇根勉必須說服他的同僚們。

只是當第一三共的總經理小田剛(Takashi Shoda ,暫譯名)告訴他的同僚們,「印度會是一張王牌,可以讓一家日本製藥公司步上全球化。」這點子聽起來宛若空中樓閣。

對文化蘊涵向來敏感的宇根勉深知這種事要小心處理。蘭伯西不是一般的印度公司。它是一家有文化歷史的機構,是由顯赫的辛格家族創辦,已經傳了三代。現在掌權的是辛格家族裡的一位繼承人,他是受過美式教育的企管碩士,年紀只有他的一半多一點。但還好宇根勉在第一三共的地位算高,高瞻遠矚的見地向來受人敬重,商業頭腦也很受肯定。因此在二○○七年十月初,他首度伸出觸角,聯絡上蘭伯西在紐約的一位外聘顧問。

第一次對話後,不到三個禮拜,宇根勉和馬爾溫德就碰面了。銀髮整齊往後梳的宇根勉用日本腔很濃的英文開口說話。馬爾溫德措辭優雅、穿著訂製西服、包著頭巾和匹配的手帕,看上去泰然自若。他們的協商進行得很快,雙方訂好在新德里展開後續會談。宇根勉和馬爾溫德以保密方式保持聯絡,在內部報告和往來信件裡都使用「鑽石」這個代號來代表第一三共,「紅寶石」則代表蘭伯西。若有媒體詢問,便聲稱他們正在討論代工生產的協議內容。這種事情在業界很平常,並不稀罕,不會引起財經媒體的注意。

-----廣告,請繼續往下閱讀-----

宇根勉首度伸出觸角後,又過了四個多月,兩方的對話已經從策略性合夥的議題提升到買斷協商。這位日本微生物學家和年輕的印度億萬富豪一直在股價和一些條款上討價還價。不過宇根勉對蘭伯西始終揮之不去的監管疑雲憂心忡忡。在雙方往返的電郵裡,宇根勉在律師們的指導棋下,不斷施壓蘭伯西必須詳述清楚該有的擔保、代表性與補償辦法,萬一蘭伯西的財務狀況不若馬爾溫德所保證的那樣,第一三共便可以控告對方違約。但馬爾溫德不斷擋住他的要求。最後宇根勉在一通電話裡告訴他,「我們的提問,你總是用『不用擔心』這種答案來打發,我的同僚們對此感到灰心。」同一天在第二通電話裡,馬爾溫德用他那一貫悅耳和平穩的聲音向這位科學家再三保證:「紅寶石無所畏懼,毫無過失。」

但是宇根勉仍有一些懸而未決的疑問。眾所皆知聯邦探員曾在二月突襲蘭伯西的美國總部,發出警告函抵制它的兩家主要工廠:帕奧恩塔薩希布和德瓦斯。但是沒有人知道這場調查的嚴重性究竟到什麼程度,或者這家公司的可能法律責任。馬爾溫德曾在電話裡詢問宇根勉:「你在擔心什麼?」宇根勉只能自行揣測美國司法部底下的檢察官和這世上最難纏的 FDA 監管人員到底在追查什麼。這是他的顧問們必須找到的答案。不到一個月,馬爾溫德和宇根勉在德里祕密會面,雙方都各自帶著律師和一小群高級主管。宇根勉明白表示,不管美國政府對蘭伯西進行的各種調查最後會查出什麼,都會影響第一三共的未來動作。但馬爾溫德表情淡定,保證會提供協助,對整個過程坦誠以對。他同意辦一場盡職調查會(due diligence meeting),將所有跟調查案有關的文件全攤在第一三共面前。

然後這位年輕的執行長就像把宇根勉當成自己人那樣,跟他說這些調查案的真正幕後推手是誰—輝瑞藥廠為了報復蘭伯西在立普妥專利權官司上的占盡優勢,於是透過某種手段對蘭伯西展開調查。宇根勉思索著他的說法,而蘭伯西智慧財產權顧問德斯穆克當時也出現在那群高級顧問裡,但他面無表情、沒有開口說話。

儘管馬爾溫德神情愉悅地再三保證蘭伯西「無所畏懼,毫無過失」,但這家公司基本上就是個隨時可能炸開的火藥桶。馬爾溫德很清楚這家公司最不可告人的祕密已經被記載在公司內部那份殺傷力最強的文件裡,亦即眾所皆知的自評報告(SAR),也就是拉吉達.庫馬秀給董事會看的那份批判內容毫不留情的 PowerPoint 簡報。

-----廣告,請繼續往下閱讀-----

要是它已被徹底摧毀,馬爾溫德就不會有今天的處境。

-----廣告,請繼續往下閱讀-----
臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。

2

7
3

文字

分享

2
7
3
向豐富多元的變質岩提問——《磐石紀事:追蹤 46 億年的地球故事》
貓頭鷹出版社_96
・2021/04/01 ・2564字 ・閱讀時間約 5 分鐘 ・SR值 513 ・六年級

  • 文 | 貝鳶業如

變質隱喻

變質(「後來形成的」)岩石是岩石世界中少數的多語通曉者,一生至少曾在兩種不同的地質環境中居住過。這些岩石所代表的是多元文化,而非文化熔爐。變質作用與熔融無關,而與固態狀態下的再結晶有關,就跟粉狀的新雪被埋起並變得易碎一樣。因此,變質岩的結構和成分風格各異,是其所棲環境的混合產物,這使變質岩成為所有地質文章中最豐富的一種。

變質沉積岩是其中最易閱讀的一種,因為它們可能尚保有分層、漣漪紋,甚至化石等可見的特徵,於是可以由所形成的變質沉積岩(也就是它們的原岩,意為「第一岩石」)中分辨出此種岩石。這就好像你憑著耳朵上一道疤痕的形狀,而認出一位你自孩提時代後就再沒見過面的老朋友。但即便再結晶作用和變形作用已然抹去這些特徵,變質岩的成分還是記錄著自己的起源身分(雖然外貌變了,你的朋友還是記得很久以前的某個夏天,曾與你一同在海灘消磨時光)。

大理岩是由石灰岩加熱所形成,而這兩種岩石主要也都由方解石礦(碳酸鈣,CaCo)所組成。

意大利托斯卡尼的大理石采石場。圖/Pixabay

大理岩之所以呈半透明狀,單純就是因為再結晶顆粒的平均尺寸較大之故。板岩、千枚岩和片岩是頁岩(泥岩)不斷經由高溫烘烤而成。晦暗無光澤的黏土會依變質作用壓力與溫度條件的不同,而形成閃亮的雲母、耐看的紫色石榴石或天藍色的藍晶石,全都是由原來黏土中本來就有的鋁和矽重組而成。

-----廣告,請繼續往下閱讀-----

此類只在相當嚴格的物理條件範圍內才會形成的礦物,稱為指標性礦物,是烙印在岩石生涯旅程各個不同關卡的印記。地質學家研讀指標性礦物,便能夠就特定岩石從其起源一路追溯到最深的掩埋處所,再回到他當初無意間撿起這塊岩石的地表。像鑽石這種主要藉由壓力而形成的礦物,是良好的地壓計,提供了礦物形成之時,岩石所處深度的測量讀數。其他只在特定溫度下才會結晶形成的礦物,則被當成地熱計使用。這些受壓力和溫度影響的礦物即便在旅行前往地表時,依然是其宿主岩石的亞穩成分,這就像大雪堆在氣溫升至冰點上之後,還可以繼續存在一段時間。不過,從熱動力學的角度來看,鑽石不盡然恆久遠。與在地表的情況不同的是,鑽石會慢慢劣化成另一種平凡得多的碳結晶形態——石墨,也就是用來製造鉛筆芯的「鉛」。好在對珠寶商和客戶而言,鑽石劣化要耗去好幾段的地質時間。

藉由壓力而形成的鑽石,是良好的地壓計。圖/Pixabay

指標性礦物是辨識岩石變質時構造環境的關鍵。在地球大陸地殼的洞穴裡,溫度會以每公里攝氏二十度的速率穩定上升。

此種變化在礦坑深處便可直接觀察得到,在礦坑的較深處,溫度之高可能使人熱到無力。有些變質岩所含有的礦物集合與這種地熱梯度一致。也就是說,礦物所記錄下的溫度,正與我們預期中岩石所經歷受的壓力(深度)相當。這種以常見方式發展成熟的岩石所經歷過的,稱為一般性的深埋變質作用。

但許多其他的變質岩石所記錄下的溫度和壓力高峰情況,卻與這種典型的地熱梯度並不一致,亦即就岩石所到達的深度而言,這些岩石成分所暗示的溫度要不是太高,就是太低。

-----廣告,請繼續往下閱讀-----

這意味著岩石是在熱混亂的情況下產生變質,而這正是岩漿或構造活動的標記。

若一塊岩石所含的指標性礦物在低壓下記錄到高溫(就像天才兒童過早深入成人世界),那麼這岩石必然曾在接近熱源處產生再結晶,熱源則多半是地底的大塊岩漿。

經歷接觸變質作用的岩石,所接觸的熱源大部分為地底的岩漿。圖/Pixabay

此種岩石所經歷的,稱為接觸變質作用。相反地,若一塊岩石含有高壓礦物(如石榴石、玉、罕見的鑽石等),卻從未經歷過相應的高溫,那麼這塊岩石位於深處之時,必然有某種東西使之冷卻,或至少將之隔絕開來(就像一個天真的成人過著異乎尋常受保護的生活)。

岩石是效能極低的熱導體,因此一塊岩石(尤其是大塊的岩石)是有可能在被熱得多的岩石包圍的情況下,依然保持著涼爽。

-----廣告,請繼續往下閱讀-----

「隱沒帶」海洋地殼因自身重量的拉扯而下沉(就像厚重棉被掉下床去)回到溫暖地函之處,此處便是此種隔絕現象可能出現的地質場景。海洋地層運動進入地函(對流循環的下降部分)的速率,較其因傳導而升溫的速率快了許多倍(岩石很不容易因傳導而增溫),因此海洋地層在隱沒到地函裡千百萬年後,依然能夠保持異常冰冷的表層,這一點甚至可由地震「觀察」得到,因為穿行地球內部的震波在通過這些較冷地帶時,運動速率會提高一些。

已進入隱沒帶的岩石有時候又會再度回到地表,但我們對這種地球消化不良的現象所知極少。這些岩石含有高壓低溫礦物的特徵,很容易被辨識出來。這些岩石稱為藍片岩,因為其中一種富含鈉、稱為「藍閃石」的礦石呈牛仔布色而得名。藍閃石非常罕見,但科學期刊討論它們的篇幅卻很多,因為它們明確地訴說進入隱沒帶的旅程,使我們全都能夠免於走這一遭。再說一次:你得找到對的岩石提問才行。

圖中礦物深藍色的部分即為藍閃石。圖/wikimedia

與隱沒有關的變質岩無疑為地球所獨有。月球、水星、火星和金星上沒有將岩石從地表推回地底深處的構造循環作用,因此應該沒有變質岩的存在(除非你要把因隕石撞擊而受創,發生驚嚇變質的岩石也算進去)。

火星和金星上大規模的火山作用可能使較老的岩石被覆蓋住,因而經歷了深埋變質作用,但由於缺乏有效侵蝕媒介的存在,這些岩石就一直無聲地停留在難以企及的深處,無法到地表來訴說它們的故事。

-----廣告,請繼續往下閱讀-----
——本文摘自《磐石紀事:追蹤 46 億年的地球故事》,2020 年 12 月,貓頭鷹出版社
-----廣告,請繼續往下閱讀-----
所有討論 2
貓頭鷹出版社_96
65 篇文章 ・ 26 位粉絲
貓頭鷹自 1992 年創立,初期以單卷式主題工具書為出版重心,逐步成為各類知識的展演舞台,尤其著力於科學科技、歷史人文與整理台灣物種等非虛構主題。以下分四項簡介:一、引介國際知名經典作品如西蒙.德.波娃《第二性》(法文譯家邱瑞鑾全文翻譯)、達爾文傳世經典《物種源始》、國際科技趨勢大師KK凱文.凱利《科技想要什麼》《必然》與《釋控》、法國史學大師巴森《從黎明到衰頹》、瑞典漢學家林西莉《漢字的故事》等。二、開發優秀中文創作品如腦科學家謝伯讓《大腦簡史》、羅一鈞《心之谷》、張隆志組織新生代未來史家撰寫《跨越世紀的信號》大系、婦運先驅顧燕翎《女性主義經典選讀》、翁佳音暨曹銘宗合著《吃的台灣史》等。三、也售出版權及翻譯稿至全世界。四、同時長期投入資源整理台灣物種,並以圖鑑形式陸續出版,如《台灣原生植物全圖鑑》計八卷九巨冊、《台灣蛇類圖鑑》、《台灣行道樹圖鑑》等,叫好又叫座。冀望讀者在愉悅中閱讀並感受知識的美好是貓頭鷹永續經營的宗旨。