貓奴注意！喵星人石化開關的秘密——《真的假的！奇怪知識又增加了》

本文與 Panasonic 合作，泛科學撰文 

●以下科學研究內容作為知識分享，不直接與Panasonic A La Uno全自動洗淨馬桶產品功能連結

在做家務的痛苦排行榜上，「刷馬桶」絕對名列前茅。明明天天都在沖水，但過不了幾天，馬桶內壁邊角總會浮現黃黃的水垢、角落發黑的霉斑，甚至是那些刷掉又長出來的粉紅色污垢（黏質沙雷氏菌）。

許多市售衛浴設備常標榜「神奇抗污」或「永久不沾」，讓人誤以為安裝後便能永保潔淨。然而從材料科學的角度來看，世上並無能使污垢憑空消失的魔法。所謂「耐污」的實質機制，並非打造完全不沾染髒污的材質，而是調整表面的物理與化學屬性，使水垢和微生物難以強力附著。一旦降低了污垢與內壁之間的附著力，透過日常水流沖刷，便能輕易地將髒污帶走。

為什麼污垢「黏不住」？ 

要搞懂為什麼某些特殊表面能做到「耐污」，我們得先像偵探一樣，拆解馬桶裡的髒污究竟是怎麼「抓緊」材料表面的。馬桶內壁的污垢主要有兩大難纏的元兇：

1. 水垢與礦物沉積*1：我們日常使用的自來水中含有鈣、鎂等金屬離子。當水滴在表面經歷反覆的濕潤與蒸發乾燥循環時，這些離子會逐漸結晶析出，變成硬度極高、緊緊「卡」在微觀縫隙裡的礦物質水垢。
2. 生物膜與有機物*2：包含尿液中的無機鹽、油脂殘留，以及細菌入侵後分泌出像超強膠水一般的聚合物，所組成的黏滑防禦大本營。

這兩大類污垢想要在材料上「落腳」，前提是它們必須能在表面找到足夠的附著點與黏合力。那麼，材料科學家是如何讓這些髒污「站不穩」的呢？答案就藏在「表面能（Surface Energy）」與「濕潤性（Wettability）」這兩個核心概念中。

當我們把水滴在某個表面上時，水滴會聚成一顆圓滾滾的水珠，還是迅速攤平開來？這取決於表面的特性：

• 疏水路線（Hydrophobic）*1：具備低表面能的疏水表面，能顯著減少水分子或污染物與表面之間的極性作用力與氫鍵。水滴在這種表面上會因為表面張力而收縮成水珠，當水珠滾動滑落時，就能順便把表面的灰塵與礦物質顆粒帶走，這就是著名的「自清潔效應」。
• 親水路線（Hydrophilic / Superhydrophilic）*2：相反地，極度親水的超親水表面則會強烈地吸引水分子，在材料最外層形成一層薄薄的「水化層（Hydration Layer）」。這層水化層就像是實體的液體盾牌，讓油污、蛋白質或細菌無法直接接觸到材料基底，只能漂浮在水膜上方。

如果要用攀岩來比喻：傳統粗糙的表面就像是有許多凹槽的攀岩牆，髒污就像攀岩者，需要找到落腳點並用力撐住才能攀附；而我們做的是抽掉把手點，或是在把手上塗上潤滑油，讓髒污找不到施力點，自然難以停留。

不給細菌「握手」的機會

解決了水垢，下一個更棘手的對手是「細菌」。

馬桶內壁那些黑黑粉粉、摸起來滑滑的污垢，在微生物學中被稱為「生物膜（Biofilm）」。細菌並不是孤立生長的，當單顆細菌落在表面後，如果覺得環境舒適，它就會開始分泌胞外聚合物（EPS），這是一種天然的超強膠水。細菌們用這種膠水把自己與同伴緊緊黏在一起，並築起堅固的防禦堡壘，這時一般的沖水就很難把它們沖洗乾淨了。

根據《Nature Communications》與《Microsystems & Nanoengineering》的學術期刊研究指出，要阻止生物膜形成，除了化學上的抗菌，材料的「表面微幾何結構」扮演了至關重要的角色。

材料科學領域中有一個著名的「附著點理論（Attachment Point Theory）」：

1. 粗糙與微孔洞表面：如果材料表面存在許多微小的裂縫、氣孔或微米級凹洞，細菌（體積通常約 1 到 3 微米）就會興高采烈地鑽進這些小凹槽裡。這些凹槽不僅提供了極佳的機械咬合支點，還能幫細菌擋掉水流的沖刷。
2. 極致平滑與微結構表面：相反地，如果材料表面做到極致平滑，完全沒有微米級的缺陷；或者反過來設計出尺寸遠小於細菌的奈米結構，細菌的足跡構造（如鞭毛或纖毛）就無法在表面找到穩固的「接觸附著點（Contact Points）」。

當細菌發現自己在這個表面上連「手都握不緊」、隨時會被水流吹走時，它就無法順利定殖並分泌膠水築巢。此外，現代衛浴結構在設計時，也越來越強調「一體成形」與「無接縫工藝」。消除接縫與死角，等於直接拔除了細菌與水垢最喜歡的避風港。

當材料、結構與流體科技組隊聯防 

了解了材料化學與微觀幾何，我們就能勾勒出一座現代耐污馬桶的完整防禦體系：【材料層（低附著力）】+【結構層（無縫平滑）】+【動態流體層（泡沫與水流剪切力）】= 高效清潔！

以市面上備受矚目的 Panasonic A La Uno 全自動洗淨馬桶為例，就是將材料科學、結構工程與流體力學發揮到極致的典型代表：

1. 材料層：有機玻璃系新素材

A La Uno 全自動洗淨馬桶採新開發的「有機玻璃系新素材」（以壓克力高分子為基礎研發的衛浴專用材料，這類高分子成形技術亦被廣泛運用於大型水族館高壓觀景窗與飛機機艙罩）。這種材料表面具備極佳的疏水性與耐水垢特性，水滴不易長時間攤平停留；材質堅固、不易破裂，耐刮、不易造成細小傷痕。通過實驗測試，這種素材配合泡沫洗淨，在沖洗後能有效沖刷掉高達 99.99% 的大腸桿菌，從源頭阻斷細菌定殖。

2. 結構層：無接縫工藝與三重防濺防護

在宏觀結構上，A La Uno 全自動洗淨馬桶採用無水箱沖水與便器、溫水洗淨便座一體成型設計，減少傳統水箱與座體之間的結構層次及接縫，並搭配可動迴轉式排水系統完成沖洗。更貼心的是其「三重防護」設計：

• 泡沫防護：在水面上製造一層充沛的泡沫緩衝層，有效抑制男性站立小便時的尿液與污水飛濺；
• 外圍防護：馬桶邊界特別設計了高約 3mm 的水檔，防止液體延著外壁滴落至地板；
• 測漏防護：便座與馬桶本體採用不外露的防護設計，避免液體從縫隙飛濺滲漏。

3. 動態流體層：雙效泡沫洗淨、漩渦水流與 nanoe™ X

當污垢降落在馬桶內壁時，A La Uno全自動洗淨馬桶 的動態流體科技便接手進行徹底打掃。其「雙效泡沫洗淨」會先釋放直徑約 5mm 的「毫米泡沫」包裹並帶走大塊髒污，再透過直徑約 60微米的「微米泡沫」深入微觀縫隙，徹底溶解殘餘的油脂與細微污垢。接著，配合高度清潔力的「漩渦型強力水流」，利用旋轉產生的流體剪切力，一口氣將附著力已被削弱的污垢剝離並沖走。此外，Panasonic A La Uno 全自動洗淨馬桶還搭襯了 nanoe™ X 健康科技，釋放氫氧離子有效抑制異味與髒污，維持空氣與內壁的良好衛生狀態。

科技讓生活變輕鬆，但物理法則依然誠實

從材料化學的低表面能設計，到微觀幾何的附著點控制，再到流體力學的水流沖刷，一座現代抗污馬桶的演進，縮影了人類如何運用基礎科學來解決日常生活痛點的智慧。

我們習慣將衛生清潔想像成一場與細菌髒污的硬碰硬死鬥。然而，A La Uno全自動洗淨馬桶 等現代衛浴技術的突破，展示了材料科學的另一種聰明思維：不靠強酸強鹼硬打，而是透過物理與化學邏輯，將「污垢固著」的機率降到最低。

當材料科學與現代衛浴技術結合，刷馬桶不再是一件令人頭痛的辛苦瑣事。透過這些前沿科技的加持，我們得以從繁重的家務勞動中解放，享受更加乾淨、舒適且有品質的日常生活。

*1 參考論文：A metallic anti-biofouling surface with a hierarchical topography containing nanostructures on curved micro-riblets

*2 參考論文：Brushing up functional materials

為什麼貓這麼喜歡貓薄荷呢？

原來是貓薄荷裡的荊芥內脂導致貓咪吸了貓心大悅，不住翻滾、流口水、打呼嚕。

但是，貓薄荷不是對所有貓都有用。不到六個月的小貓似乎不會有反應，而且有的貓喜歡，有的貓不喜歡……咦，這還和遺傳有關係嗎？

想要同時驅蚊，又讓貓貓情不自禁饞你身子嗎？那你一定要試試貓薄荷！

荊芥內脂不只會讓貓咪快樂似神仙，也會活化蚊子體內的受體蛋白，接觸到的蚊子會產生搔癢和刺痛感。哈哈小蚊子，你也來嘗嘗癢癢痛痛的痛苦！

給你的貓貓來點刺激的快樂草吧！

延伸閱讀

人類必恭必敬稱家貓為「主子」，並自貶為「奴才」。陛下身體微恙，一團絨毛癱軟，表情內斂，叫貓奴如何揣測上意？懷疑牠受苦，便心急如焚。幾乎上演《還珠格格》裡，人家紫薇說沒事，爾康卻捨不得的虐心互動。貓咪說不定覺得：「……有這麼多人關心我，我已經不痛了……」人類仍在一邊：「可是，我好痛！」^[1]

在治療人類時，醫護人員會用視覺類比量表（Visual Analogue Scale）、臉譜疼痛量表（Wong-Baker faces pain scale）或 FLACC 量表^[註] 等工具，來評估患者疼痛的狀況。前二者靠病人自我評估，以數字或表情，象徵由舒適無恙，漸進到痛徹心扉的程度差異。 FLACC 則是醫護觀察嬰幼兒或無法言語溝通者，就其身體不適產生的行為變化來計分。^[2] 儘管每個人敏感的程度不同，至少單一病患前後的得分，能相互對照出疼痛是否得到緩解，或者更加惡化。因此，這些量表均可視為有效測量疼痛的方法。

問題是有口難言，又行徑鬼祟的貓咪怎麼辦？人貓猜心的瓊瑤戲碼，自古不斷重演，沒完沒了。

直到有天，獸醫們看不下去了…

貓咪苦臉量表

2017 年的時候，加拿大蒙特婁大學 Paulo Steagall 副教授以及他的團隊，招募了一票被送急診的病貓。在得到飼主同意後，他們比較疼痛的病貓、服用止痛藥的病貓，還有健康貓咪的表情舉止，研發出「貓咪苦臉量表」（Feline Grimace Scale），並將結果發表於 2019 年的《科學報告》（Scientific Reports）。^{[3, 4]} 其中列出幾個徵兆，可依級別給分，就此將貓咪的疼痛量化：

耳朵姿態（ear position）：貓耳的尖角向外分開，並略為朝後旋轉。^{[3, 5]}

_{圖／參考資料 5}

瞇眼程度（orbital tightening）：上下眼瞼之間的空隙，小於眼睛的寬度，或是完全緊閉。^{[3, 5]}

_{圖／參考資料 5}

口鼻緊繃（muzzle tension）：口鼻（即臺語所謂「喙管」的部位）由圓轉扁，而呈橢圓形。^{[3, 5]}

_{圖／參考資料 5}

觸鬚變化（whiskers change）：觸鬚從平常放鬆的圓弧，撐直且稍微向前。^{[3, 5]}

_{圖／參考資料 5}

頭部位置（head position）：原本處於全身最高處的貓頭，降至低於肩膀，並往下垂。^{[3, 5]}

_{圖／參考資料 5}

貓臉疼痛辨識技術

目前受惠於物種專屬苦臉量表的，除了貓，還有鼠、兔、馬、羊、豬和貂等動物。受過訓練的獸醫，能精準判讀牠們的表情，用這些工具，來評估牠們的疼痛指數。隨著科技的進步，到了 2022 年《科學報告》期刊再次關懷貓咪的痛楚時，另一群科學家拿出「貓臉辨識技術」，試圖取代專業的肉眼觀察。^[6]

臉部校正

臉部校正是建立辨識系統的要務。先調整貓臉的特徵（landmarks，即照片上標有號碼的黑點），讓它們在空間中對齊，減少幾何上的變異，方便接下來的步驟進行。原則上，校正後的貓臉必須：^[6]

1. 在畫面正中央；
2. 旋轉直到雙眼的連線呈水平；
3. 尺寸都約略相同。

_{圖／參考資料 6 ，figure 1}

模型１：特徵基準（landmark-based）

在找到貓臉的特徵後，依據「貓咪苦臉量表」的觀察部位，將貓臉特徵（黑點）分為：左眼、右眼、額頭與耳朵，以及口鼻和觸鬚，四個區塊向量。然後，多加一些貓鼻子的照片，進行「資料擴增」（data augmentation），^[6] 彌補原始資料的不足，以強化機器學習。^[7] 不過，團隊事後發現，這次的資料擴增，成效不彰。^[6]

_{圖／參考資料 6 ，figure 3}

處理這些照片的計算模型，是一種叫做「多層感知器」（Multi-Layer Perceptron）的人工神經網路（artificial neural network）。^[6] 就像人的神經系統，有好多神經元相互連結，將輸入的資料從上一層送到下一層，經過多層運算後再輸出。^{[8, 9]}

模型２：深度學習（deep learning）

研究團隊把大量沒有標註特徵的貓照，在校正角度和尺寸後，餵給 ResNet50 。^[6] 這是一種有五十層的深度學習模型，早已預先訓練好怎麼逐層辨識貓咪的輪廓、曲線及其它識別特徵。^[10] 套用該模型的同時，還要進行實驗需要的特定調整，例如：加上「痛」與「不痛」的分類標籤。^[6]

貓的痛，AI 有多懂？

上述兩個模型的實測，在判讀貓咪是否疼痛時，都有超過 72% 的準確率，算是相當不錯的成果。不過，在完全替代人工判讀之前，可能還要擴建訓練辨識系統的資料庫。因為當初請來的照片模特兒，是 29 隻準備接受卵巢子宮切除術的短毛母貓，年紀約幾個月到一歲多。拿牠們術前、術後，以及使用止痛劑前後的照片來訓練 AI ，雖然是個不錯的點子，但無法代表多元的貓咪社群。^[6] 將來的實驗，若能涵蓋其他性別、年齡和品種，相信貓咪們會覺得更加窩心。

備註

FLACC 量表： FLACC 是臉（face）、腿（legs）、活動（activity）、哭（cry）與  安撫（consolability）的縮寫。每個項目依觀察到的狀態，給 0 到 2 分，總分最高 10 分。^[2]

參考資料

1. 瓊瑤經典台詞》小時候看超感動，長大看卻啼笑皆非的 7 大經典場景（風傳媒，2020）
2. Pain assessment and measurement (The Royal Children’s Hospital Melbourne, 2019)
3. Evangelista MC, Watanabe R, Leung VSY, et al. (2019) ‘Facial expressions of pain in cats: the development and validation of a Feline Grimace Scale’. Scientific Reports, 9, 19128.
4. Me-owch — could resting cat face tell us about kitty’s pain? (CBC, 2020)
5. Feline Grimace Scale – Practice your pain assessment skills using the FGS! (Université de Montréal, 2019)
6. Feighelstein M, Shimshoni I, Finka LR, et al. (2022) ‘Automated recognition of pain in cats’. Scientific Reports, 12: 9575.
7. 2021 iThome 鐵人賽－DAY21 資料正規化與資料增強（Data Normalization & Data Augmentation）（IT邦幫忙，2021）
8. 2019 iT 邦幫忙鐵人賽－06. 深度學習的架構分析：多層感知器（IT邦幫忙，2019）
9. 神經網路（IBM，2020）
10. 何謂遷移學習?（NVIDIA，2019）