爸爸如何繼位？乾隆皇帝如何看待雍正皇帝繼位疑團？——專訪中研院歷史語言研究所陳熙遠研究員

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

「烘」與「烤」有什麼差別呢？明火就是直接的火「烤」，因為是單向的加熱，外焰通常在500度C左右，溫度很高。接觸火焰的食材因為快速受熱，會造成表面容易烤焦，內部卻來不及受熱，而出現沒烤熟的狀況。「烘」主要是靠空氣的熱分子，以包圍的方式遍佈食材四週，以大約200度左右的溫度，穩定地對食材進行「熱對流」加熱。這可以使整個食材均勻受熱乾燥，裡層跟外層的風味、水份、熟度也接近一致。

烹調手法——「烘」的古往今來

話說古代廚藝「西方重烘烤，東方重蒸煮」，這可以從同樣的麵粉食材，老外吃麵包，我們卻吃饅頭看得出來！但並不是東方人的老祖先不會烘焙，而是將烘這個技術用在別的地方……例如：將賣不完的豬肉，經由「烘」的過程，以小火、慢移、長時間，把肉慢慢烘乾保存，若是用大火烤只會外焦內不熟。又或者是吃不完的龍眼，經由「烘」的作用，不但甜度被濃縮爆錶，還意外增加了濃郁的香甜風味，除了可以調味，還能做成藥品呢！

善用烘焙技術的西方人士，也把腦筋動到植物的種子上。早期的瑪雅人會先把做巧克力的可可豆，經過發酵，烘焙後，磨碎做成飲料喝，但是歐洲人有更好的發現……他們實驗讓可可豆透過「烘」的時間和溫度的差異，找出美味秘方，並嘗試推廣到東方。

當時東方的大清帝國是康熙皇帝統治。他因為生病被西藥治癒，所以對西方事物很有興趣。聽說當時西方流行喝chocolate，於是他好奇想嚐嚐這黑黑的飲料「綽科拉」。

只是康熙皇帝覺得沒有調味、加糖的「綽科拉」苦到難以形容，直到後來巧克力經由不斷演進，成了風靡世界的美食。

不論東方西方，都知道「烘」能讓食物更有風味，讓大家愛不釋口哦！

全新第三季《神廚賽恩師》

公共電視科普節目《神廚賽恩師》 ，結合科學、廚藝與食育教育，引領大眾用有趣的方式、從 Science-科學角度讓大眾了解傳統廚藝「伙房 36 法」中的科學知識。第三季節目於 2023 年 2 月 3 日起，每週五晚上 6 點在公視主頻首播，公視 3 台每週五晚上 7 點首播，重播時段為公視主頻每週六早上九點三十分與公視 3 台週日晚上六點播出。

▸《神廚賽恩師》第三季將於 2/3（五）起，18:00 在公視主頻首播

其他播出資訊

▍ 公視頻道每週五晚間 18:00、公視三台每週五晚間 19:00 （首播）

▍ 公視頻道每週六早上 09:30、公視三台每週日晚間 18:00 （重播）

▍ 並將於公視+ 影音平台完整上架　敬請期待

▍ 烹調中蘊含科學原理，一起發現料理中樂趣

• 本文轉載自科技大觀園，原文為《用科技為古物揭秘！乾隆賞玩的神秘寶鏡，真身竟是阿茲特克的「黑曜石鏡」》
• 作者 / 科技大觀園特約編輯｜唐佐欣

大部分的人聽到「古物展覽」四字，腦海中浮現的印象，恐怕與故宮大門前綿延的階梯一般，給人某種莊嚴而不可褻玩焉的距離感。但事實上，古物的價值不只在於它度過的年月，而是它當初被使用的方式，如何訴說了古代人生活的樣貌？又對現在的我們有何種啟示？如果說，古物上的每一道刻痕，都是訴說歷史的語言，那我們又該用何種方式解讀呢？

歡迎來到「古物科學鑑定」的思考領域！故宮研究員們的其中一項課題，就是利用科學技術分析古物，不但可以推導它當初的製作方式，更可以鑑定出它的前世與今生！任職於故宮登錄保存處的陳東和博士，在採訪當天特地為我們親自導覽，就一起來看看古物分析的案例吧！

故宮也有科學實驗室？

近年來國立故宮博物院因應文物保存修復、展覽、工藝史研究、出版及文物徵集之需要，文物科學鑑識分析扮演了關鍵角色，更藉此釐清了過去從被解密的答案，如龍藏經、西清續鑑鏡匣的保存與工藝技術；象牙球、轉心瓶、青銅器等內部結構與製作工藝等等。

陳東和博士所屬的登錄保存處文物科學研究分析實驗室，就是故宮專屬的科學鑑識單位。以西清續鑑鏡匣修復工作為例，其利用顯微拉曼光譜[註1]等技術進行「非破壞檢測」，分析出銅鏡畫像中所使用的顏料成分，甚至可以推導出蟲蛀蝕會避開畫像某些部位的原因。

而為使各年齡層大眾對文物科學鑑識有所認識，本次《古物揭秘展》展以「利用科技為古物揭密」為主軸，結合牆面輸出、 動畫影片、互動式多媒體等形式，呈現故宮近來文物科學鑑識成果，展期將至11月30日為止。

科學鑑識與歷史古物的相遇

本次《古物揭秘展》分為三大主軸，分別為「探究齋」、「實驗閣」與「解密樓」。

「探究齋」介紹文物科學鑑識的廣泛用途，包括保存修復、徵集鑑識、與古代工藝技術探究等等；一句話來說，文物科學鑑識就是要透過現代科技分析古代文物，以了解文物的材料與工藝技術、製作年代與來源等，並藉此回答各項古物的研究問題。

以文物修復與文物徵集為例，文物修復師需要知道古物的材料才得以正確地進行修復，而文物徵集也需要確認文物的保存狀態與真偽的辨別，科學鑑識的工具在此時幫上大忙。

「實驗閣」則是介紹科學鑑識的分析技術，可略分為影像、成份及結構分析三大類，儀器種類甚多，包括X光電腦斷層掃描儀、顯微拉曼光譜儀、傅立葉轉換紅外光光譜儀、3D立體光學顯微儀等等。

「解密樓」則是展覽重點，由於文物科學實驗室所分析、解密過的文物高達上百件，現場便將介紹的重點放在幾項經典文物，如〈清晚期 雕象牙透花人物套球〉、〈清 乾隆 洋彩黃錦地葫蘆形交泰轉心瓶〉，以及〈春秋晚期 鄝公鼎〉等等。

X光斷層掃描，揭開「象牙球」的18層秘密

陳東和以〈清晚期 雕象牙透花人物套球〉（簡稱象牙球）為例來解說，象牙球產於中國廣東，是以象牙作為原料，透過繁複的雕工所刻出來的球狀陳設器，不僅被進貢到清宮，其精湛的工藝更被西方視為清代工藝的代表，一度大量外銷至歐陸。而藉由現代鑑識科技，我們得以更深入了解這項精緻的工藝品。

陳東和提到，在過去，研究人員往往只能仰賴肉眼與經驗，或者憑藉既有文獻拼湊古物的身世，也因此導致許多懸而未決的問題。他笑說，「象牙球擺在肉眼前，我們最了不起看到第四、五層，以前還要用竹籤去慢慢剝算有幾層」，如今，然而，透過X光電腦斷層掃描的技術，便得以精確地確定象牙球總共有18層，並且透過三維影像重建與處理技術，數位拆解每一顆球，透視每顆球的雕刻紋飾，釐清許多過去難以解答的謎團。

展間的「象牙球互動桌」，便是將每層的剖面輸出到壓克力，再透過光照，讓民眾可以欣賞到每一層相異的樣貌。「文物可能是個工藝的展現，但也有品味、美學的議題，」陳東和也向我們補充，當他授課時，常會與學生分享如何轉換不同的脈絡來理解一件古物，「沒辦法從美學的角度欣賞時，可以轉換從工藝技術的角度掌握，我們也不要忘記它也很有可能是當時的高科技產物。」

是「玉」還是「石」？光譜檢測為古物驗明正身

古物揭開的不只是工藝或技術史，更包括當時的國際貿易及文化交流狀況。陳東和以〈黑曜石鏡〉為例解說，〈黑曜石鏡〉是在清代順治皇帝時由傳教士進貢而來。根據故宮器物處吳曉筠研究員的研究，當時順治皇帝找來耶穌會傳教士湯若望協助鑑定。據文獻記載，湯若望當時認為，該鏡是出自於「大西洋屬雅里嗎及賀仁兩國山中」[註2]，材質上則屬於建材用途的「巴薩勒得」[註3]。

後繼的乾隆及道光皇帝繼承了這種說法，但在命名上，乾隆因為它外觀之美而以「黑玉鏡」命名，而道光皇帝則稱其為「烏玉鏡」；這塊神秘鏡子的材質，直到來到台北故宮，才在一位美國地質學家的提醒下，被重新認識為「墨晶」，而不是「玉」

爾後藉由吳曉筠研究員的跨國考察，發現其器型與14至15世紀阿茲特克帝國的黑曜石鏡相當一致，僅尺寸大了近10公分。最後，這面鏡子的謎題終於在近四百年後，由故宮的文物科學實驗室所揭曉，經過拉曼光譜檢測後，驗明材質即為黑曜石。

產製於阿茲特克帝國，被視為具有神秘力量、媒介人神溝通的黑曜石鏡，隨著殖民時代的到來，以通靈、占卜工具之姿進入歐洲，再由傳教士當作「奇珍異寶」進貢給清宮。一路從「烏玉鏡」、「墨晶鏡」至「黑曜石鏡」，這趟解密之旅，陳東和解釋，不僅是藉由人文面向的研究與對於材料的科學分析，向我們揭開了古代貿易、文化藝術交流的歷史，曲折的命名歷程，也說明了我們對於古物的認識，乃是隨著當下的知識與技術而演進。

回溯古物，更是為了「再往前走一步」

《古物揭秘展》知識轉譯的工程浩大，幕後的推手自然絞盡腦汁。陳東和笑說，在一開始策展時，自己相當貪心，想一股腦地將涉及古物科學鑑識的內容都分享給民眾，幾經考慮後，才決定以科普化為精神，透過趣味的互動式設計，啟發不分年齡層的族群，「很多小朋友看了覺得好玩，他就會把這樣的知識帶著走，未來讓他自己主動尋找答案。」

而從一般人的角度來看，科學鑑識看似與人文歷史各分屬於不同領域，對此陳東和表示：「科學對我來講是人文的一部分，兩者不會是對立的，自己也是因為對藝術感興趣，才會思考科學在這上面可以如何應用。」

陳東和解釋，他在法國唸書時，就發現羅浮宮有設置文物分析實驗室，科學鑑識的技術與人力也相當成熟，便勵志以進入該實驗室為目標。回台後，則將所學貢獻於故宮的文物科學實驗室。談及科學鑑識時，他特別解釋，科技與人文是互補的，倘若科學鑑識沒有豐厚的人文知識支撐，則容易造成誤判的結果，「科學鑑識不是像影印機，單純按一個鍵就跑出結果的。」他說，畢竟關鍵在於如何形成研究的問題意識，而不是為了科學鑑識而鑑識。

其實只要談起科學鑑識的過程，陳東和都藏不住期待與人分享的神色，「老實說，每次成功解開文物謎題都特別開心，因為每一件都有各自的故事；或是建立起鑑識系統，就覺得為台灣的科學鑑識領域做出一些貢獻。」

古物究竟有什麼引人之處？可以為生活在當今的我們帶來什麼收穫？陳東和說，古物跟文獻一樣，是人類過去活動的智慧結晶，同時也是反映精神層面的物質存在；而研究古物，「則是探問我們是如何走到現在的？回溯，更是為了再往前走一步。」

註釋

1. 一種分子結構分析技術。物質受雷射光激發其內部分子會產生振動，分析這些分子振動散射光譜，就能瞭解其分子結構，判定材質種類，是一種快速而非破壞、非接觸的分析方式，廣分運用於多種文物材料分析，如玉石、顏料或陶瓷中的礦物成分等。
2. 據參考文獻1推測，「雅里嗎」與「賀仁」為德國及希臘的音譯。
3. 據參考文獻1推測，「巴薩勒得」為拉丁文的「玄武岩」的音譯。

• 陳東和，〈星沈海底雲光黑─清宮舊藏一面黑色石鏡的鑑識〉， 《故宮文物月刊》，391期(2015.10)，頁124-128。
• 吳曉筠，〈深邃的魔力─黑曜石鏡的探索之旅〉， 《故宮文物月刊》，391期(2015.10)，頁116-123。
• 陳東和、陳致甫，〈西清續鑑鏡匣〉銅鏡畫像顏料檢測〉， 《故宮文物月刊》，352期(2012.7)，頁74-80