Loading [MathJax]/extensions/tex2jax.js

0

1
2

文字

分享

0
1
2

室溫超導體:開啟未來世界的鑰匙?

Castaly Fan (范欽淨)_96
・2023/09/26 ・3942字 ・閱讀時間約 8 分鐘

2023 年 7 月 23 日,來自南韓的研究團隊發表了《The First Room-Temperature Ambient-Pressure Superconductor》,宣示著世界上第一個室溫常壓超導體被成功發明。文章剛刊登到 arXiv 上,便掀起了全球各地的研究熱潮,不少媒體競相報導,科技市場、各種概念股也沸騰著。那麼,「室溫超導體」究竟是何方神聖?

超導體——能源損耗的救星?

相信大家對於這個詞並不陌生、卻又不甚熟悉。在中學時代理化課,我們接觸過「導體」這個詞;在關注科技業或者財經新聞時,可能接觸過「半導體」這個詞。而「超導體」(superconductor)究竟是什麼?

首先,「超導」是一種物理性質,在距今大概一百多年前便被發現。最早可以追溯到 1911 年,科學家發現:將汞(水銀)透過液態氦冷卻至 4.2 K(相當於 -268.95 °C)時,電阻將完全消失,這便是「超導現象」的開端。因此,「低溫」似乎是開啟新世界的一把鑰匙。而電阻消失有什麼幫助?

事實上,我們生活周遭的一切都是在無窮的損耗中進行的,以電子產品和通訊設備為例,這些電路元件與器材的運作源於電流,亦即導線內部電子的游動,但這個傳輸過程是耗能的,因為電子會不斷與導線內壁的原子碰觸、摩擦,從而消耗到不少能量,同時也意味著導線壽命會隨時間衰減。電路損耗的能量與電阻成正比(P = I²R),如果電阻消失了,那意味著損耗的電熱能也將消失,這將大幅提升電子在線路中的傳輸效率,從電力傳輸、通訊、發電機,到交通工具、家用電器等層面,使用效能都將顯著提升。

-----廣告,請繼續往下閱讀-----

到了 1933 年,物理學家發現:當物質低於臨界溫度變成超導體時,會具有「完全抗磁性」,也就是原本應該穿過物體本身的磁力線會巧妙地從旁「繞過」,這個現象被稱為「麥斯納效應」(Meissner effect)。這個效應帶來了超導體的「懸浮」性質,也就是在不用任何外力的接觸下,在足夠的低溫環境中、超導體便可以藉由抗磁性讓物體「懸浮」而起。我們知道,凡是有接觸便有摩擦力的產生,而摩擦力會損耗不少熱能,因此,如果可以不透過外力接觸而操控物體、就意味著沒有了摩擦力、也就可以不再擔心能量的損耗。

A diagram of a sphere and a line

Description automatically generated
麥斯納效應示意圖:當超導材料低於臨界溫度時(右),便可產生完全抗磁性。圖/Wikimedia

簡而言之,我們可以歸納「超導體」具有下列兩大特性:

  • 超導電性:在臨界溫度以下,電阻消失,意味著能量損耗可被降至最小值。
  • 完全抗磁性(麥斯納效應):在臨界溫度以下,磁力線被排斥於物體之外,意味著超導體可具有懸浮特性。

科幻電影中,那些飛快如光的磁浮列車、懸空而起的滑板、或者看似反重力的幽浮,這些都可以透過超導實現,因此,未來世界很可能充滿著各個類型的超導設備。即使在今日,相關的應用也已出現,比如日本便在數十年前研發出「超導磁浮列車」(SCMaglev),2015 年測試的最高時速即達到每小時 603 公里,刷新了地表上速度最快的列車紀錄。

室溫超導體——物理學的聖杯

然而,你或許也發現了,「超導體」並非唾手可得,至少需要「低溫」這個條件,又或者「高壓」 。

-----廣告,請繼續往下閱讀-----

而低溫不僅僅是冰點這樣的溫度,而是接近「絕對零度」(0 K,即 -273.15 °C) 的「極低溫」,因此,開發出「高溫超導體」成為了物理學家的重要目標,而這裡的「高溫」並不是讓水煮沸、會讓你燙傷的溫度,而是指高於絕對溫標 77 K(-196.2 °C,即液態氮的沸點)的溫度。這個對人類來說已是難以想像的低溫、對超導體而言卻是相對的高溫。截至 2023 年,人類所開發出最高溫的超導體是一種名為 lanthanum decahydride(十氫化鑭,LaH₁₀)的化合物,其臨界溫度是 250 K(-23 °C),在 200 GPa(相當於接近兩百萬大氣壓)的環境下才得以實現超導特性。

A diagram of a molecule

Description automatically generated
目前已知被證實的高溫超導體——「十氫化鑭」的化學結構。圖/acs.org

由此可知,要開發出「高溫超導體」實屬不易,發明出「室溫」、「常壓」的超導體基本上更是難上加難。且液態氦、液態氮這些低溫材料都是需要一定的成本,再加上要定溫保存更是不易,因此,倘若室溫超導體能被成功發明,這意味著不僅能大幅降低成本、還能大幅提升運作效能。

LK-99——睽違已久的聖杯、或是泡影?

回到文章一開始的新聞:2023 年 7 月下旬,韓國科學技術研究院 (KIST)以李石培、金智勳為主的研究團隊宣稱他們開發的材料「LK-99」在「室溫」、「常壓」環境下具有超導特性。這次的實驗紀錄號稱:他們的 LK-99 材料具有室溫超導特性,且上限可以到達 400 K(127 °C)這名副其實的「高溫」,並且是在正常大氣壓力下完成的——這遠遠勝過上一個高溫超導體 250 K、200 GPa 的紀錄;不僅如此,這個「LK-99」製作過程超乎想像地簡易,基本上待在實驗室不用三天就可以完成!擁有這麼良好特性、且製作過程又特別上手的超導材料如果被證實,勢必掀起第四次工業革命。

A diagram of a molecule

Description automatically generated
LK-99 的晶體結構側視圖。圖/https://arxiv.org/pdf/2307.16040.pdf

讓我們先來看看這個團隊在論文中的研究內容:首先,這個「LK-99」是近似於 Pb₉Cu(PO₄)₆O 的化合物,從化學式來看,可以發現鉛(Pb)、銅(Cu)、磷(P)這些都是不難到手的化學元素。而製作過程基本上就是研磨、混合、加熱、密封、抽真空等步驟,來回大概三天以內、就能生成 Pb₉Cu(PO₄)₆O,也就是 LK-99。根據他們的論文所述,這個晶體結構的形變會在材料內部產生應力,從而在特定截面產生「超導量子阱」(superconducting quantum well,SQW),致使材料產生了超導特性。這一系列過程都在常溫、常壓下進行的,且LK-99的超導特性可以維持到攝氏 127 度的高溫。

-----廣告,請繼續往下閱讀-----

簡單來說,這個 LK-99 的超導性質與溫度、壓力無關,而是肇因於晶體本身,特定的結構形變導致了物質產生超導現象。在他們發布的影片中,可以看見灰黑色的 LK-99「部分懸浮」在磁鐵上,這是他們用來佐證「完全抗磁性」(麥斯納效應) 的證據,之所以沒有完美地懸浮是因為晶體的雜質所導致;此外,他們也宣稱測量結果顯示零電阻率,也就是電阻完全消失的「超導電性」。當「零電阻率」、「完全抗磁性」這兩個條件充分具備後,LK-99 便可以被視為一個成功的室溫超導體。

A black piece of coal on a round metal container

Description automatically generated
影片中所顯示的 LK-99 具有部分懸浮的特性。圖/Wikimedia

在論文推出後,世界各地的學術機構與實驗室開始著手復現 LK-99 的製備過程、並競相發表研究成果,短短不到兩週時間,關於 LK-99 的復現實驗以及理論相關的研究已經有二十多項。然而,截至目前(2023 年 8 月 10 日)為止,尚未有成功復現、且通過同行審核被登上期刊的成果(論文發表在學術預印本網站 arXiv,一般需要通過同行審核才有機會被刊登在期刊)。實驗的成果不盡相同,有些證明了 LK-99 的懸浮與抗磁性、有些證明了零電阻率,但也有一些只有觀測到電阻的跳變、有些甚至沒有觀測到任何結果。

一個值得注意的部分是:即使韓國研究團隊的論文中宣稱他們觀測到 LK-99 的抗磁性,也有不少團隊復現 LK-99 的懸浮特性,然而,這並不能斷定它來自於「麥斯納效應」。事實上,不少磁性物質都會有「抗磁性」,這來自於微觀的分子磁矩;但超導體所具備的是由宏觀「超導電流」產生的「完全抗磁性」(注意:本文目前為止強調的都是「完全」抗磁性),甚至能因麥斯納效應產生的磁通量而「固定懸浮」在同一位置(即使將底座磁鐵 180 度反轉,它也應當平穩地懸浮在相同的角度——這背後是複雜的量子機制,而非磁場或靜力平衡的結果)。另一方面,即使一些實驗發現了該物質有「零電阻」的結果,但這並不全然等同於「零電阻率」,因為如果測量的尺寸過小、也是會有量測不出電阻的可能性。因此,目前大部分的研究指向大概是:LK-99 或許具有抗磁性,但並未被證實存在有明確的超導行為。

歷史借鏡與未來展望

事實上,物理學家對於室溫超導的聖杯之旅一直以來從未間斷。舉例而言,2020 年,美國羅徹斯特大學以迪亞斯(Ranga P. Dias)為首的團隊便號稱開發出了一種名為 carbonaceous sulfur hydride 的超導材料,利用鑽石生成,並在 288 K (15 °C)、267 GPa 的環境下具有超導特性,甚至登上《自然》期刊,但該論文在兩年後因為統計分析結果的瑕疵而被撤銷;2023 年初,該團隊再次宣稱開發出了以 lutetium hydride(氫化鑥)為主的超導材料,這次的結果更令人驚豔——在 294 K (23 °C)、1 GPa(約莫一萬大氣壓)下便具有超導特性。可惜的是,該論文後來也因為涉嫌抄襲與偽造數據而被撤下。

-----廣告,請繼續往下閱讀-----

科學最重要的一個評判標準就是它必須是「可證偽的」(falsifiable),對於從事實驗的科研人員而言,一個發明是否能被確立最關鍵的要素便在於實驗「可復現」(repeatable) 與否。如果一個實驗無法被成功復現,便很難說服學界接受研究成果。目前看來,南韓團隊所研發的 LK-99 可能無法算是成功的室溫超導體,不過我們也無需氣餒;儘管 LK-99 的超導行為目前尚未被成功復現與證實,但多少也給人們開闢一條研究蹊徑。

人類對於室溫超導體的探索從未間斷,物理學家們也嘗試以各種材料進行研發、希冀能儘早將璀璨的遠景付諸現實。雖然人們所憧憬的那種像科幻片中先進且便捷的「未來世界」可能不會在明天就來臨,但以當前科學日新月異的發展步調來說,也許已是指日可待。

A train on a track

Description automatically generated
超導的應用早已陸續浮現在生活中,日本的超高速列車 SCMaglev 便用到了低溫超導的磁浮特性。圖/scmaglev.jr
-----廣告,請繼續往下閱讀-----
文章難易度
Castaly Fan (范欽淨)_96
6 篇文章 ・ 4 位粉絲
科學研究者,1999年生於台北,目前於美國佛羅里達大學(University of Florida)攻讀物理學博士,並於費米國家實驗室(Fermilab)從事高能物理相關研究。2022年於美國羅格斯大學(Rutgers University)取得物理學學士學位,當前則致力於學術研究、以及科學知識的傳播發展。 同時也是網路作家、《隨筆天下》網誌創辦人,筆名辰風,業餘發表網誌文章,從事詩詞、小說、以及音樂創作。

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

1
0

文字

分享

0
1
0
任意添加光學元件 為研究打開大門的無限遠光學系統
顯微觀點_96
・2025/01/30 ・1763字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖 / 顯微觀點

顯微鏡在科學發展中扮演關鍵的角色,讓人們得以突破肉眼的限制,深入微觀的世界探索。而隨著時間推進,顯微技術也日新月異,其中現代顯微鏡設計了所謂的「無限遠光學系統」(Infinity Optical Systems),更是提升了顯微鏡性能和突破過去的觀察瓶頸。因此主要的顯微鏡製造商現在都改為無限遠校正物鏡,成為顯微鏡的技術「標配」。

1930 年代,相位差顯微技術出現,利用光線在穿過透明的樣品時產生的微小的相位差造成對比,使透明樣本需染色就能更容易被觀察。1950 年左右,則出現使用兩個 Nomarski 稜鏡,將光路分割再合併產生 干涉效應的 DIC 顯微技術,讓透明樣本立體呈現、便於觀察。

在傳統「有限遠系統」中,單純的物鏡凸透鏡構造,會直接將光線聚焦到一個固定距離處,再經過目鏡放大成像。也因此過去顯微鏡的物鏡上通常會標示適用的鏡筒長度,通常以毫米數(160、170、210 等)表示。

-----廣告,請繼續往下閱讀-----

而在過渡到無限遠校正光學元件之前,選用的物鏡和鏡筒長度必須匹配才能獲得最佳影像,且大多數物鏡專門設計為與一組稱為補償目鏡的目鏡一起使用,來幫助消除橫向色差。

但是問題來了!當這些光學配件要添加到固定鏡筒長度的顯微鏡光路中,原本已完美校正的光學系統的有效鏡筒長度大於原先設定,顯微鏡製造商必須增加管長,但可能導致放大倍率增加和光線減少。因此廠商以「無限遠」光學系統來解決這樣的困境。

德國顯微鏡製造商 Reichert 在 1930 年代開始嘗試所謂的無限遠校正光學系統,這項技術隨後被徠卡、蔡司等其他顯微鏡公司採用,但直到 1980 年代才變得普遍。

無限遠系統的核心在於其物鏡光路設計。穿透樣本或是樣本反射的光線透過無限遠校正物鏡,從每個方位角以平行射線的方式射出,將影像投射到無限遠。

-----廣告,請繼續往下閱讀-----
有限遠(上)和無限遠(下)光學系統的光路差別
有限遠(上)和無限遠(下)光學系統的光路差別。圖 / 擷自 Optical microscopy

透過這種方法,當使用者將 DIC 稜鏡等光學配件添加到物鏡、目鏡間鏡筒的「無限空間」中,影像的位置和焦點便不會被改變,也就不會改變成像比例和產生像差,而影響影像品質。

但也因為無限遠系統物鏡將光線平行化,因此這些光線必須再經過套筒透鏡在目鏡前聚焦。有些顯微鏡的鏡筒透鏡是固定的,有些則設計為可更換的光學元件,以根據不同實驗需求更換不同焦距或特性的透鏡。

除了可以安插不同的光學元件到光路中而不影響成像品質外,大多數顯微鏡都有物鏡鼻輪,使用者可以根據所需的放大倍率安裝和旋轉更換不同的物鏡。

傳統上一旦更換物鏡,樣本可能就偏離焦點,而須重新對焦。但在無限遠光學系統的設計中,物鏡到套筒透鏡的光路長度固定,也就意味著無論更換哪個物鏡,只要物鏡設計遵循無限遠系統的標準,光路長度和光學路徑的一致性得以保持。

-----廣告,請繼續往下閱讀-----

因此無限遠光學系統也有助於保持齊焦性,減少焦距偏移。這對需要頻繁切換倍率的實驗操作來說,變得更為便利和具有效率。

不過使用上需要注意的是,每個顯微鏡製造商的無限遠概念都有其專利,混合使用不同製造商的無限遠物鏡可能導致不正確的放大倍率和色差。

改良顯微技術,使研究人員能夠看到更精確的目標;以及如何讓更多光學配件進入無限遠光學系統中的可能性仍然在不斷發展中。但無限遠光學系統的出現已為研究人員打開了大門,可以在不犧牲影像品質的情況下輕鬆連接其他光學設備,獲得更精密的顯微影像。

  1. M. W. Davidson and M. Abramowitz, “Optical microscopy”, Encyclopedia Imag. Sci. Technol., vol. 2, no. 1106, pp. 120, 2002.
  2. C. Greb, “Infinity Optical Systems: From infinity optics to the infinity port,” Opt. Photonik 11(1), 34–37 (2016).
  3. Infinity Optical Systems: From infinity optics to the infinity port
  4. Basic Principle of Infinity Optical Systems
  5. Infinity Optical Systems

延伸閱讀選擇適合物鏡 解析鏡頭上的密碼

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃