彩色相機一直以來感光的極限都受限於因為要彩色成像，需要有不同的感測區塊加上濾片來測不同顏色的光，所以每個像素上的光很多都被浪費了。
以往的一個解決方式是利用分光鏡把不同波長的光投影到不同的CCD上，所以有所謂三CCD的攝影機。但是這樣的解決方案成本太高，無法普及。現在有公司開發出放在像素前的小分光器，可以把不同顏色的光導向不同的畫素，這樣一來就沒有因未使用濾鏡而被浪費的光，也可以整合進目前的感光元件設計。
這種小分光器的設計是利用光在小結構傳播時有波動的特性，所以不同波長的光的傳播對尺度很敏感，只要經過仔細的光學運算就可以設計出讓不同的光走不同路徑的微分光器。實際的裝置有設計出紅色跟藍色的分光器，可以把紅色跟藍色的光分到周圍的像素，也開發出了新的光學計算軟體。這樣的新型感測器或許有一天就會用在新的相機上，讓相機有更高的感光度跟夜拍的能力！
轉載自 Scimage 科學影像
本文由 高柏科技 合作，泛科學撰文
林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。
「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。
這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。
高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？
科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。
回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。
林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。
因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。
太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。
熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。
儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。
學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。
他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。
他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。
這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。
林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。
訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？
林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。
在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。
大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。
討論功能關閉中。
當我望著無邊無際的蔚藍海洋、聽到浪花聲、感受微風的輕拂，喜悅地回想起和好友在此旅行的回憶，並決定拿起手機拍下眼前的美景，我是如何感知世界、如何儲存與提取記憶？我的情感、思想、決策與行為是如何發生的？這些心智行為的奧秘藏在擁有 860 億個神經細胞的大腦，是我之所以為我的關鍵。
究竟大腦如何運作？這些神經細胞是如何透過彼此的連結與交互作用產生進一步的功能？進入 21 世紀以來，美國、歐盟、日本、中國等紛紛成立大型且長期的腦科學研究計畫，企圖揭開大腦的奧秘。
我國科技部也推出「台灣腦科技發展及國際躍升計畫」，整合既有研究能量與專業人才，期望建構模式動物至部分人腦的腦神經網路結構及功能圖譜，並帶動腦部疾病的精準醫療。
想要全面分析大腦的結構與訊號，解開單一或一群神經細胞的連結情形，精良的觀測工具是其根本，因此臺大物理系教授朱士維致力研發先進的光學顯微鏡技術。
朱士維表示，常用於醫療的影像技術，像是正子造影（PET）、磁振造影（MRI）、超音波等，雖然可以穿透很深的物體，但是解析度不夠高，無法看到單一細胞；而解析度極高的電子顯微鏡穿透深度卻很小，只能看到表層。光學顯微鏡恰好介在中間，適合用於研究小動物的腦。近期，朱士維的跨領域團隊發表了數個嶄新的顯微技術，分別在解析神經訊號和結構有了重大突破。
首先，研究團隊發表了「高速體積成像系統」，是全球第一次可在活體果蠅腦中以毫秒解析度取得神經結構 3D 高速動態影像！
「高速體積成像系統」是由雙光子顯微鏡與「可調變的聲波漸層透鏡」（TAG）結合構成。拍攝二維的動態影像並不稀奇，厲害的是，研究團隊如何把二維變成三維？關鍵就在於「可調變的聲波漸層透鏡」。由於液體透鏡的密度，會決定光的折射率，進而影響焦距的長短，研究團隊透過壓電材料激發液體透鏡共振，當透鏡的密度不斷變化，焦點也會快速移動，其振盪頻率可高達 100 kHz – 1 MHz，也就是說，在 10 萬分之一秒以內即可完成焦點的來回移動。
一般雙光子顯微鏡每拍攝一次只能拍到水平面（xy 軸）的像素並組成二維影像，若加上「可調變的聲波漸層透鏡」組成「高速體積成像系統」，即可同時進行深度（z 軸）的來回掃描，在同樣的時間內拍攝出一個包含各個深度的體積三維影像。
這項強大的技術對於研究神經與神經之間的功能性連結非常有用，譬如說，想了解果蠅如何處理嗅覺訊號，我們可以給果蠅聞一種特殊氣體，以「高速體積成像系統」綜觀其腦，即可找出此特殊的嗅覺刺激會引發哪些下游神經反應。接著，選擇想深入研究的神經，將拍攝範圍鎖定在該神經所在的區域，便可以毫秒時間解析度與微米空間解析度，追蹤訊號在這些神經細胞之間的傳遞順序。
朱士維表示，「高速體積成像系統」的突破之處，在於可以於腦中劃定任意形狀的空間，並以毫秒等級的時間解析度，看見目標神經中各個神經細胞的電生理動態行為。
研究團隊更進一步發展光學神經激發系統，用光精準地刺激個別神經，再透過「高速體積成像系統」，輔以自動化影像分析，精準定位有反應之神經區域，做到「全光學生理」觀察（all-optical physiology）。目前已成功解析果蠅的視覺神經迴路中，上下游的神經連結與編碼模式。
「高速體積成像系統」以高速動態影像研究神經細胞功能上的連結，為建立果蠅的「功能性全腦連結體（connectome）」提供強而有力的工具。
此外，在結構解析方面，顯微鏡光是能看到神經細胞還遠遠不足。神經細胞有樹突、軸突等向外延伸的纖維，有些纖維寬度只有 100 奈米，當兩條神經纖維緊鄰彼此，需要小於 100 奈米的解析度才能將它們區分開來。而且，神經纖維常常延伸至很遠的地方與其他神經細胞連結，因此顯微鏡的穿透深度，還須深至腦的最底層。
朱士維團隊發表了「深組織超解析光學技術」（Confocal lOcalization deep-imaging with Optical cLearing, COOL），在果蠅全腦中達成 20 奈米的超高空間解析度，剖析腦中神經的細微結構，能分辨出相鄰或彼此纏繞的神經纖維，藉以判斷神經連結的路徑。
「深組織超解析光學技術」結合了四個關鍵技術，包含「螢光蛋白標定」、「共軛焦掃描顯微鏡」、「光學組織澄清技術」以及「定位顯微技術」。
「定位顯微技術」是 2014 年諾貝爾化學獎的得獎項目，透過操縱螢光分子輪流放光，再分別計算螢光分子的中心位置，打破光學顯微鏡的解析度極限，大幅提高解析度至接近 20 奈米。「光學組織澄清技術」則是江安世院士發明的 FocusClearTM 試劑，因其獨特的化學配方，讓生物組織各部位的折射率一致，呈現透明狀態。
朱士維團隊找出可適用於腦組織的螢光分子並改善其放光能力，成功將定位顯微技術應用在果蠅腦，並且透過光學組織澄清技術讓腦組織透明化，減少組織的散射與像差，提高穿透深度，以及利用共軛焦掃描顯微鏡一層一層地掃描不同深度的影像。最終，組合成三維的超高解析影像。
這項技術最厲害之處在於可穿透厚度約 200 微米的果蠅腦，在果蠅全腦皆達成 20 奈米的解析度，可應用在建立果蠅全腦的神經連結網路。
這些研究成果仰賴跨領域的團隊，除了朱士維，還有清華大學腦科學研究中心主任、中央研究院院士江安世、中研院物理所副研究員林耿慧、清大工程與系統科學系副教授吳順吉、清大生醫工程與環境科學系助理教授朱麗安、捷絡生技公司執行長林彥穎等人，共同參與研究。
諾貝爾生醫獎得主 Sydney Brenner 曾說：「科學的進展往往是始自新的技術」，腦科學作為 21 世紀科學界的兵家必爭之地，顯微技術的研發重要性不言可喻。朱士維團隊在動態的神經訊號與靜態的神經結構，皆發展出相應的顯微技術，可說是為腦科學領域開拓出令人期待的嶄新未來。
我們打開Nikon D600，檢查其內部組件
D600是Nikon出產的全片幅數位單眼反射式相機（DSLR），旨在提供消費者一台具備專業性能但價格平易近人的相機。
拜大小為35.9×24公釐的CMOS感光元件所賜，它的畫素高達2430萬像素。與D600價位相近的款式通常感光元件只有其一半或四分之一大，這是由於傳統的全片幅感光元件成本相當高，導致每一片矽晶片可生產的感光元件數量較少。
以全片幅感光元件擷取的圖像由EXPEED 3成像引擎處理。EXPEED 3是內含多中央處理器（CPU）的媒體處理器，可以執行多重任務，例如色彩再現、灰階處理、影像銳化、伽馬校正和壓縮等。由於有多CPU，EXPEED 3成像引擎能夠平行執行多項任務，因此相機連拍速率可每秒高達5.5張。
與其他同樣高級的全片幅相機相較，D600最重要的特點是它輕便的設計──體積為14.2×11.2×8.1公分，重量也輕。而輕便背後的奧祕在於整合雙SD卡插槽，並選用體積較小的內部晶片和電板。
何謂全片幅？
全片幅單眼相機的感光元件相當於35mm底片的大小，主要優點是以全片幅感光元件拍攝的影像範圍較一般感光元件來得大，因此畫面不會被裁切，拍攝到的角度也更寬廣。舉例而言，一個24mm的鏡頭若是裝在全片幅相機上，則可拍攝到視角84度的影像，而焦距轉換率為1.5的一般相機則只有62度。除此之外，全片幅相機能應用於較大的感光點，進而取得更寬廣的動態範圍與更低的雜訊，因此影像即使過曝仍能保留細節。
本文節錄自《How It Works知識大圖解 國際中文版》第04期（2015年1月號）
更多精彩內容請上知識大圖解
狐禪
