0

0
0

文字

分享

0
0
0

50個星系團 照亮暗物質研究新方向

臺北天文館_96
・2013/06/25 ・1853字 ・閱讀時間約 3 分鐘 ・SR值 574 ・九年級

-----廣告,請繼續往下閱讀-----

由中央研究院天文及天文物理研究所主導的國際天文團隊使用Subaru望遠鏡,測量了50個星系團的暗物質密度分布情形,結果發現暗物質密度最高的地方的確是星系團的中心,並漸漸向星系團外圍遞減,遞減情形和「冷暗物質」(CDM)描述吻合。暗物質充斥全宇宙,其屬性仍然是謎,本次暗物質密度分布的最新突破性研究結果,讓暗物質特性更清楚,謎團也縮小了一點點。

天文學界從80年前便首度獲得暗物質存在的證據,現在科學家大多認同暗物質的確存在。但在漆黑夜空中看不到暗物質,在粒子物理學者的實驗中,迄今也仍未找到暗物質的粒子。由於暗物質的質量占我們的宇宙總質量高達85%,「什麼是暗物質?」成為目前天文學者和粒子物理學者最想解決的問題。

星系團是宇宙中質量最大的天體結構,由中研院天文所博士後研究員岡部信主持的國際天文研究團隊,本次利用Subaru主焦點相機,共測量了50個星系團的暗物質密度特性。共同參與研究的英國伯明罕大學(Birmingham University)的Graham Smith解釋,星系團很像是:「你在晚上飛過一座大城市的上空時所看到的鳥瞰圖,你可以把每一盞明亮街燈都當作一個星系,把街燈間空隙想像成充滿暗物質。星系團裡的星系是存在於一個由暗物質構成的背景裡,除了看得到的燈光以外,其實背景裡還有連接著街燈的電線、街道。」岡部團隊認為,就像從市中心到郊區,街道和電線分布密度並非總是相同,所以他們也想以數量更多的星系團取樣得來知暗物質密度如何變化的普遍狀況。

日常生活中,我們每天接觸到的物質,密度由它的組成成分決定,同理,暗物質的密度也取決於暗物質粒子之不同屬性。所謂的「冷暗物質」的描述,在目前暗物質理論中居主流地位,它描述的暗物質粒子僅在彼此間才相互作用,和其他物質之間的交互作用,可能僅限於藉重力才發生;相互作用很少,屬性是冷的,因而稱為「冷暗物質」(Cold Dark Matter)。

-----廣告,請繼續往下閱讀-----

暗物質既不發出也不吸收任何電磁輻射,在觀測上極度困難,因此岡部團隊採用「重力透鏡」的方式來觀測暗物質;根據愛因斯坦的廣義相對論,當極遙遠光源所發出的光束在接近大質量天體(譬如星系團)附近時,光束會彎曲,(條件是星系團位置必須在光源和觀測者之間,且三者大致排列成一直線),由於星系團裡有很多暗物質,結果造成背景星系形狀改變,因此看到星系形狀的細微改變就可偵測得到暗物質。

根據這個重力透鏡的原理,在觀測上的確發現到,受星系團裡暗物質的影響,遙遠星系的形狀和位置確實會改變。要去測量很遙遠又很暗的星系會受到暗物質在星系團裡藉重力帶來的微小變化,目前最佳測量儀器是Subaru望遠鏡,因為,它測量得非常精確,除此之外,極暗淡星系在外觀上變化微渺、總數量龐大,如何取樣也是一項關鍵技術,也是岡部在研究中獲得的重要突破。

冷暗物質理論用兩個數字描述星系團裡的暗物質分布如何由中心朝外圍由高而低遞減。其一是星系團質量,也就是它含有多少總數的質量。其二是結構參數(concentration parameter),或不妨稱為星系團物質分布的平均密度。

岡部團隊將50個已知質量最大的星系團在觀測中獲得的結果予以加總,獲得一個整體的平均密度。結果發現暗物質密度確實由星系團外圍向星系團中心遞增,與冷暗物質模型理論相符,且這張平均分布圖顯現暗物質分布是高度對稱的,中心的密度峰(peak)很明顯。個別星系團的質量密度分布值有高有低,不盡相同,先前的研究因星系團取樣數量太少,結構參數(平均密度)偏高,結果導致與「冷暗物質」所描述不符,這次岡部團隊將星系團數量增加,結構參數的平均值也隨之改變,結果正與冷暗物質理論吻合!

-----廣告,請繼續往下閱讀-----

岡部團隊對暗物質研究的下一步計畫是,從更小尺度去測量暗物質密度,那也就是在星系團的中心部份。星系團中心就像是大城市的市中心鬧區,探討在更小尺度上測量暗物質密度,又可幫助我們再更進一步釐清暗物質的性質。

本篇論文共同作者,東京大學Kavli數物連攜宇宙研究機構高田昌?教授,對這個研究領域的未來充滿期待:「把很多星系團的重力透鏡觀測結果精確地合成為單一結果,是非常厲害的技術。臺灣和日本的天文學家正聯手合作,準備以Subaru望遠鏡上的新一代超廣角相機(HSC: Hyper Suprime-Cam)來進行人類史上最大的星系普查計劃之一。本次研究新成果,證實了運用HSC這座超廣角相機來進行重力透鏡的研究,的確前景看好並且可行。」

全文請詳閱:

資料來源:中研院天文網[2013.06.14]
-----廣告,請繼續往下閱讀-----
文章難易度
臺北天文館_96
482 篇文章 ・ 44 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

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

20
6

文字

分享

0
20
6
暗能量是什麼?看不到也摸不著,我們該如何找到它?
PanSci_96
・2023/11/27 ・5683字 ・閱讀時間約 11 分鐘

愛因斯坦對於宇宙的理解錯了嗎?

愛因斯坦的廣義相對論重新改寫我們對於時間、空間、與質量的認知,也開啟我們對廣大宇宙研究的大門。

在宇宙物理學如同大霹靂快速發展之時,我們也發現愛因斯坦最早提出的宇宙模型,可能並不完全正確。

正確來說,我們發現我們過去對宇宙的理解,可能真的太少了。少到我們至今所觀測到的所有物質,可能仍不到整個宇宙組成的百分之五。並不是說這些能量或物質距離我們太過遙遠,而是他們可能就在附近,而我們卻全然不了解它。

-----廣告,請繼續往下閱讀-----

其中佔了將近宇宙組成七成的「暗能量」,到底是什麼來頭?我們能徹底了解它,同時能為我們宇宙的存在,提供一個正確的解釋模型嗎?又或者我們能掌握它,來改變宇宙的未來嗎?

暗能量(dark energy)到底是什麼?這聽起來有夠中二的名字,難道是暗影大人的新能力嗎?

其實暗能量的「暗」,指的是我們看不到也摸不到,用上各種波段的電磁波都察覺不到,甚至現今沒有任何儀器能偵測到它的存在。因為我們無法感受到它、不知道他們的型態,所以稱為暗能量。也就是說,如果暗影大人或是哪個最終 BOSS 的絕招是「暗能量波動」,當巨大的能量朝你襲來,不用擔心,站在原地就好,因為它只會穿過你的身體,打不中你的。同樣的,你可能聽過的「暗物質」,指的也是我們無法探知的未知物質。也就是說,暗物質並不是指某種特定物質叫做暗物質,任何我們現在還無法探測到的,都可能是暗物質的其中一種。題外話,近年某些暗物質面紗底下的容貌,已經逐漸能被我們窺見,例如微中子。這部分,之後我們介紹暗物質的節目中,再來好好討論,今天先來和大家聊聊佔了宇宙質能 7 成的暗能量。

矛盾大對決來了,既然我們摸不到,也看不到,我們怎麼知道暗能量存在,還是僅存在我們的中二想像中呢?我們得將時間回推到最早認為宇宙中有未知能量存在的那個人,他不是別人,就是鼎鼎大名的愛因斯坦。

-----廣告,請繼續往下閱讀-----

1916 年愛因斯坦推導出廣義相對論,解釋物質和能量如何影響時空的彎曲和演化。愛因斯坦當時認為,宇宙應該是靜態的,但是若宇宙中只有物質,宇宙應該會受重力吸引而塌縮,因此需要與反向的能量來平衡重力,這股能量平均地存在在空間當中。愛因斯坦當時引入了宇宙常數 Λ 來平衡他的靜態宇宙模型,而直到非常近期的 1998 年,暗能量 (dark energy) 這個詞才由物理學家麥可.特納提出。

在愛因斯坦之後,著名宇宙學家傅里德曼提出不同看法,他認為宇宙不一定是平衡的,也可能正在收縮或膨脹當中,並根據廣義相對論推導出 Fridemann 方程式,關於 Fridemann 方程式的故事,先前我們有好好介紹過。

暗能量不只存在於理論上的預測,同時期天文學家開始發現我們熟知的銀河系,並無法代表整個宇宙,原來夜空中很多像星雲的天體,其實是遙遠的星系!宇宙遠比以前認為得大的太多了!1929 年,哈伯進一步發現,這些星系竟然正在遠離我們而去,而且距離我們愈遠的星系,遠離的速度就愈快!宇宙竟然真的是以地球為中心,而地球利用強大的排斥力,將其他星系用力向外推開嗎?當然不是,想像一下,宇宙就像一個葡萄乾麵包,上面布滿的葡萄乾就是各種天體,當麵包發酵膨脹時,不論站在哪顆葡萄乾的視角,所有天體的距離都是互相拉遠,而且距離愈遠的天體,彼此遠離的速度就愈快。

也就是說,哈伯觀測到的結果顯示整個宇宙正在膨脹。但還有一個問題,就是這個宇宙的膨脹速度,是隨著時間經過越來越快的加速膨脹,還是膨脹速度正隨著時間在趨緩的減速膨脹呢?為什麼這個問題很重要?因為如果是減速膨脹,靠現有的重力理論就可以解釋,宇宙中天體所提供的重力,正在使宇宙減速膨脹,甚至宇宙的結局可能會是宇宙重新塌縮。但如果宇宙正在加速膨脹,那麼只考慮重力就不夠了,為了抵抗向內塌縮的重力,勢必要有一股力量要將宇宙向外加速推開。這時,就需要加入暗能量的存在了。

-----廣告,請繼續往下閱讀-----

宇宙真的正在加速膨脹?

為了確認宇宙正在減速或加速膨脹,好推算暗能量是否存在,科學家再次將目光投向宇宙深處。隨著觀測技術愈來愈進步,天文學家可以透過不同方式,觀測更早期的宇宙。

愈遠的天體發出的光,需要經過愈長的時間才能傳到地球。假設我們觀察離地球1億光年遠的星球,由於我們看到的影像是從星球出發後,經過 1 億年後才到達地球,因此在望遠鏡中看到的,其實是該星球一億年前的樣子。只要利用這點,如果我們將望遠鏡頭對向更加遙遠的宇宙深處,就能看到更早期的宇宙樣貌,幫助我們了解宇宙過去的樣子。

科學家主要透過三種方法,分別用來觀測晚期、中期、到早期的宇宙。第一種方法是觀測 Ia 型超新星爆炸,它指的是當一顆緻密白矮星到了生命末期,吸收大量鄰近伴星的氣體,使得內部重力超過某個極限,引發失控的核融合而形成的超新星爆炸。這個爆炸會在瞬間釋放出許多能量,亮度甚至可以媲美整個星系,因此即使是很遙遠的超新星也可以被地球觀測到。最受天文學家關注的是,因為每個 Ia 型超新星爆炸時產生的尖峰光度都相同,可以直接作為觀測或是亮度的比對參考點,又稱為標準燭光。當它離我們愈遠亮度就愈小,只要觀測亮度就可以得知它離我們的距離。

Ia 超新星殘骸。圖/wikimedia

接著,透過光譜分析,我們還能得到這個超新星遠離我的的速度。這就像是救護車在靠近和遠離我們的時候,警笛的聲音頻率會因為我們和救護車相對速度的改變而產生變化,同樣的道理放在電磁波上,當超新星遠離我們,電磁波頻譜的頻率會下降,我們稱為頻譜「紅移」。最後,只要我們同時觀測好幾顆超新星,並且量測每一顆的距離和遠離我們的速度,看看是不是真的離我們越遠的超新星離開的速度越快,就可以知道宇宙正在加速或是減速膨脹。

-----廣告,請繼續往下閱讀-----

第二種方法是觀測宇宙大尺度結構,宇宙中星系的分佈其實是不均勻的,有些地方有星系團,也有一些地方是孔洞,整個宇宙就像是網子一樣。這是因為宇宙在形成星系時,向內的重力以及向外的氣體與光壓力會彼此抗衡,就像我們在擠壓彈力球一樣,向內壓時內部壓力會增強,導致物質向外拋射,壓力減弱後又會停止拋射,這樣來回震盪的過程,就在宇宙中形成一個個震波漣漪,稱為重子聲學振盪(BAO,baryon acoustic oscillations)。有趣的是,當好幾個地方都在震盪,就會產生類似好幾個水波互相撞在一起的干涉現象。而這個宇宙規模的超大水波槽中,波腹部份聚集較多物質就會形成星系團,波節部份不足以形成星系就形成孔洞,是不是覺得我們的宇宙就像是一鍋湯,而我們只是裡面毫不起眼的一顆胡椒粒呢?不過即使是連一粒胡椒都不如的我們,透過觀測宇宙星系分布並透過理論計算,人類科學家還是可以得知這些結構的大小,並且推知這些結構上的星系距離我們多遠,最後再搭配紅移光譜,一樣可以算出宇宙膨脹的速度。今年七月升空,11 月 8 號從太空傳回第一張照片的歐幾里得太空望遠鏡,它的其中一項任務,就是專門觀測重子聲學振盪,來研究宇宙大尺度結構。歐幾里得太空望遠鏡有望帶給我們對宇宙的全新認知,關於這一部分,我們很快會再來深入介紹。

第三種方法是透過觀測宇宙微波背景輻射,它是宇宙的第一道曙光,在此以前,宇宙能量很高,光和電漿相互作用,不會走直線。但是到了宇宙三十八萬歲時,宇宙已經冷卻到足以讓電子與原子核結合,宇宙終於變得乾淨了,光也終於可以走直線。而三十八萬歲時的早期宇宙的畫面,至今仍不斷經過遙遙 137 億年的時間抵達地球,被我們觀測到,稱為宇宙微波背景輻射。有趣的是,根據這些照片,我們能發現早在 137 億年前,宇宙各處就不是均勻的。透過分析這些微波的分布,科學家能計算出當時宇宙的組成成份。這時我們發現,目前的已知物質,也就是元素週期表上看得到的原子,只佔所有能量的 4.93%,而看不到的暗物質,佔 27.17%,那還有 67.9%,將近七成的組成分是什麼?科學家認為就是暗能量。

宇宙微波背景輻射。圖/wikimedia

哇!暗能量佔的比例這麼高?那我們未來有機會從空間中汲取無限的能量嗎?先不要想的這麼美,其實暗能量在宇宙中的密度很低,依照質能等價公式,質量跟能量是可以互相換算的。換算下來暗能量每立方公分只有 10 的負 24 次方公克,相比之下,水的密度是立方公分 1 公克!真的微乎其微。之所以暗能量在宇宙中佔的能量比這麼大,是因為它均勻的存在在廣大無垠的宇宙中,不像一般的物質,只集中在一些星系和星體中。

現在我們知道暗能量存在,而且量也不少,但回到最關鍵問題,這些暗能量到底是怎麼來的呢?

-----廣告,請繼續往下閱讀-----

宇宙與暗能量的未來

科學家普遍認為暗能量是來自「真空能量」,根據量子力學,我們過往認為的真空,其實會不斷短暫的出現粒子並消失。而這些量子漲落便會產生真空能量。雖然這聽起來很玄,但各位看完我們的影片並按下訂閱之後,這些訂閱數就一定會是真的。都看到影片最後一段了,就拜託大家再多動一下手指吧!

而量子力學除了能在真空中產生真空能量以外,這個過程甚至可能幫助我們開啟蟲洞!關於真空能量與時空旅行的關係,可以參考我們的這一集哦(閃電俠)。

為了重新認識我們的宇宙,科學家此時再次拿出了宇宙常數 Λ 和 Fridemann 方程式,建立了一個可以完美解釋前面三種觀測結果的模型-ΛCDM 模型。

ΛCDM 是近代在解釋宇宙微波背景輻射、宇宙大爆炸時,最常被使用的理論。目前對於宇宙歷史與加速膨脹的圖像,也都基於此模型。

-----廣告,請繼續往下閱讀-----
ΛCDM模型,加速擴張的宇宙。圖/wikimedia

不過 ΛCDM 理論仍有兩個致命的問題待解決。第一個是理論中的宇宙常數 Λ,應該要與位置、時間無關,是一個不隨時間變化的常數。然而針對觀測早期和晚期宇宙所計算出來的宇宙常數數值卻不一樣,要如何解釋這個觀測差異?第二個問題是,假設暗能量是真空中的量子漲落所造成,依此推算出的宇宙常數數值,還跟觀測差了 120 個數量級!也就是 10 後面有 120 個零,整個宇宙中的原子數量也才 82 個數量級而已!

因此科學家也提出其他可能的暗物質理論。比如認為暗能量不是來自真空能量,而是由一種未知的粒子場所驅動,而這個場與時間有關,導致早期和晚期宇宙的觀測結果有差異。還有人認為根本沒有暗能量存在,宇宙會膨脹,是因為愛因斯坦的廣義相對論在宇宙學這種大尺度中是不適用的!就像牛頓的萬有引力公式在地球上管用,到了太陽系規模就會出現誤差。或許在宇宙規模還有比廣義相對論更完備的其他理論等待我們發現!另一派科學家也認為沒有暗能量,我們會看到加速膨脹,只是因為銀河系剛好位於宇宙大尺度結構的孔洞中,也就是葡萄乾麵包裡面空氣比較多,口感比較鬆的地方,由於這個地方總體重力比較小,天體也就是葡萄乾之間向外膨脹的速度比較快,但不代表整個葡萄乾麵包都在加速膨脹,宇宙加速膨脹只是局部觀測的假象。

這些理論或許可以解釋部份的問題,但沒有一個能解釋所有觀測數據,而且由於觀測的限制,這些理論都缺乏數據的佐證。因此目前我們只能說,暗能量的效應確實存在,但我們還不知道它確切是什麼。

有人可能想問,研究暗物質對我們真的那麼重要嗎?其實,它不只影響了宇宙過去演化的歷史,也影響著我們將來的命運。由於宇宙膨脹,物質的密度會因為膨脹被稀釋,但如果暗能量是常數,就代表密度不會改變,因此宇宙會膨脹的愈來愈快,導致遙遠的星系加速離我們遠去,最後暗能量會超過所有的基本作用力,包括重力、電磁力和核力,星系、太陽系、地球都將被拉開,甚至中子和質子都互相分離,使原子不復存在,進入大撕裂時期,也將是宇宙最孤獨的結局。不過這是一百多億年後的事情,在那之前地球會先被死去的太陽吞沒,我們應該要先煩惱的是要如何移民其他星球才是。

-----廣告,請繼續往下閱讀-----

最後總結一下,暗能量到底是什麼?很抱歉,經過了幾十年的努力,這個問題依舊是一個問號,但藉由宇宙學的研究,使我們更謙卑更加發覺自身的渺小,我們或許已經掌握許多物質運作的原理,也開發出許多高科技產品,但這些只是整個宇宙的 5% 仔,宇宙中還有許多未知等待我們去探索,而它深深關係到我們的過去和未來。

最後也想問問大家,你覺得當一切真相大白之時,我們會發現暗能量是什麼呢?

  1. 符合最直覺的 ΛCDM 理論,它就是宇宙加速膨脹的元凶!
  2. 它根本不存在,我們甚至需要比廣義相對論更強的理論來解釋!
  3. 依照人類這個物種的感知等級,可能永遠無法了解暗能量的真相!
  4. 我、我已經無法抑制我左手的暗能量了!啊啊啊~

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

1

7
0

文字

分享

1
7
0
韋伯太空望遠鏡運作滿週年,它看到了什麼?
PanSci_96
・2023/09/02 ・3306字 ・閱讀時間約 6 分鐘

古老星系中發現有機分子?我們離第三類接觸還有多遠?

韋伯正式展開拍攝任務已經屆滿週年,最近也傳回來許多過去難以拍攝到的照片。六月初,天文學家在《自然》期刊上發表了這張照片,在藍色核心外,環繞著一圈橘黃色的光環。

這是一個星系規模的甜甜圈?這是一個傳送門?還是外星文明的戴森環?

——都不是!其實,這是一個含有有機物多環芳香烴的古老星系,其名為 SPT0418-47。因為名字很長,以下我們就簡稱為 SPT0418 吧!

-----廣告,請繼續往下閱讀-----

這個觀測結果有什麼特殊意義?這代表我們發現外星生命了嗎?

SPT0418 是怎麼被拍到的?扭曲時空的重力透鏡!

一年前,在韋伯望遠鏡傳回第一組令人震撼的照片時,我們製作了兩期節目來介紹韋伯望遠鏡,和它在天文觀測史上跨時代的重要意義。在那之後,也有不少泛糰敲碗,希望我們可以再繼續介紹韋伯望遠鏡的後續發展。

這次在週年前夕公開的這張 SPT0418 照片,是一張標標準準因為重力透鏡而形成的美麗照片。「重力透鏡 Gravitational Lensing」這個概念,相信有在關注天文物理的泛糰們,應該都有聽過。愛因斯坦的廣義相對論告訴我們,星系與星系團的龐大質量會扭曲它們周圍的時空,就像一面星系尺度的超級放大鏡一樣,可以在光線通過時改變它們的走向,從而扭曲背景星系的影像。而如果背景星系與前方的前景星系剛好前後對齊的話,重力透鏡效應還能將背景星系扭曲成美麗的環型,這個環型被稱為「愛因斯坦環 Einstein Ring」。

背景星系從黑洞後面經過時的重力透鏡效應模擬影像。圖/Wikimedia

乍聽之下,重力透鏡會扭曲背景星系影像,好像會干擾觀察,是個缺點。但實際上重力透鏡在扭曲影像的同時,也會聚焦背景星系發出的光,從而讓背景星系變得更加明亮而容易觀測,讓天文學家可以看到更遠或更暗的天體。因此雖然扭曲的影像會增加分析上的麻煩,但天文學家其實非常喜歡觀測這些受重力透鏡效應影響的天體們。甚至會專門安排觀測計畫,拍攝這些受重力透鏡效應影響的區域。這次的主角 SPT0418,正是韋伯太空望遠鏡針對重力透鏡效應開展的「TEMPLATES 」觀測計畫的其中一個觀察對象。

-----廣告,請繼續往下閱讀-----

SPT0418 是一個位於時鐘座(Horologium)方向,距離地球約 123 億光年遠的古老星系。最早在南極望遠鏡(SPT)的觀測資料中被發現,並在後續以阿塔卡瑪大型毫米及次毫米波陣列 ALMA 進行的觀測中,確認了它是一個富含大量塵埃,而且正在以每年約 350 個太陽質量的超高速率生成恆星的星系。

在我們與 SPT0418 之間,還存在著一個前景星系。正是這個前景星系的質量扭曲了周圍的時空,像一片巨大的放大鏡一樣將背後的 SPT0418 扭成了漂亮的愛因斯坦環。

當觀察者、前景星系和背景星系在同一直線上時,就可以透過重力透鏡效應觀測到愛因斯坦環。圖/PanSci YouTube

在這張經過調色的照片中,中間的藍色部分就是前景星系,旁邊的橘色環則是因為重力透鏡而扭曲的 SPT0418 。得益於這個重力透鏡,SPT0418 的影像被增亮了三十倍以上,非常適合讓天文學家一窺早期宇宙中星系的狀態,因此被選為韋伯的觀測目標。

韋伯望遠鏡藉由重力透鏡效應拍攝到的扭曲的古老星系 SPT0418-47。圖/J. Spilker/S. Doyle, NASA, ESA, CSA

那麼,這次的觀測又有什麼重要意義呢?

-----廣告,請繼續往下閱讀-----

多環芳香烴是什麼?看見它代表什麼意義?

這次的拍攝結果不能完全說是意外,因為在這個研究中,韋伯的目標非常明確,就是要尋找古老星系中的多環芳香烴。

在天文學上,多環芳香烴通常指兩個以上的苯環所組成的有機化合物的統稱,人們一般以它的簡稱「PAH」來稱呼它。

發現有機分子,難道這代表有生命存在於古老星系中嗎?其實不能這麼快下定論。

因為 PAH 廣泛存在於各式各樣的星系中,與其他由碳和矽組成的塵埃顆粒,同屬於星際塵埃的一部分。甚至在彗星、小行星、隕石中,都能發現各式各樣的 PAH。目前認為,宇宙中可能有超過 20% 的碳原子,都是以 PAH 的方式存在,只是環數不盡相同。

-----廣告,請繼續往下閱讀-----
圖中右側的黑色暗帶為星際塵埃。圖/NASA, ESA, and the LEGUS team

所以,雖然科學家認為,宇宙中的生命誕生,可能與這些這些遍布其中的有機分子有關。但發現 PAH,不能直接與發現生命劃上等號。

過去數十年的天文觀測結果也顯示,PAH 確實廣泛存在於星系之中,但是天文學家對於這些分子究竟如何形成?又是什麼時候形成的?目前還沒有共識。因此迫切需要更多觀測,例如這次的目標 SPT0418 是個距離我們非常遙遠的古老星系,對於研究宇宙早期星系以及 PAH 的起源就很有幫助。

觀察 PAH 的困難及韋伯望遠鏡的重大突破

然而,要觀察 PAH 卻不太容易。原因是這些 PAH 發出的光,波長主要都集中在幾微米到十幾微米的近紅外與中紅外線波段。這個波段的光線受到大氣層的吸收非常嚴重,幾乎無法從地面觀測,因此過去我們很難取得相關數據。想要尋找 PAH 的蹤跡,勢必得使用紅外線太空望遠鏡才行。

這時,就是韋伯大展身手的時候了。比起同樣專注於紅外光譜的前輩史匹哲太空望遠鏡,韋伯的鏡片直徑大了超過七倍,集光面積更是大了將近六十倍,這不僅讓韋伯能夠拍攝遠比史匹哲更清晰的影像,更可以在更短的時間內拍攝到更暗的目標。

-----廣告,請繼續往下閱讀-----

得益於韋伯強大的觀測能力,在這個研究中它僅僅對著 SPT0418 曝光了不到一個小時的時間,就在 3.3 微米的波段找到了清晰的 PAH 發射譜線,確認了PAH的存在的同時,也打破了觀測到最遠的 PAH 訊號的紀錄。

此外天文學家也發現,韋伯所拍攝到的 SPT0418 與前幾年使用 ALMA 觀測到的影像並不全然相同。

由於觀測波段不同,不同的望遠鏡拍攝同一天體的亮部分布會產生差異。圖/PanSci Youtube

由於韋伯拍攝的是 PAH 發出的近紅外光,而 ALMA 拍攝到的則是毫米尺寸的大顆粒塵埃所發出的遠紅外線,因此這可能代表 SPT0418 這個星系的不同部分,有著不同的塵埃組成。為甚麼會這樣呢?天文學家目前也沒有肯定的答案,需要更多的觀測來進一步釐清。

任務還在繼續!TEMPLATES 計畫持續追蹤 PAH 足跡

韋伯對 SPT0418 拍攝的照片,不僅打破了人類探測過離太陽系最遠的 PAH 訊號紀錄,更展示了在重力透鏡加韋伯的攜手合作下,能大幅拓展人類觀測遙遠星系的能力。除了 SPT0418 之外,天文學家還預計觀測另外三個被重力透鏡放大的星系,尋找並研究其中 PAH 的足跡,以解開星系與星際塵埃的演化之謎。

-----廣告,請繼續往下閱讀-----
韋伯望遠鏡的「TEMPLATES 」計畫預計觀測四個被重力透鏡效應放大的天體。圖/JWST ERS Program TEMPLATES

雖然還有許多未解之謎,但韋伯傳回來的每張相片,都能讓我們能更了解這個宇宙一點點。最後想問問大家,韋伯望遠鏡正式展開拍攝工作屆滿一年,你最喜歡,或最希望我們繼續來講解的照片是哪一張呢?

  1. 土星、天王星和海王星的行星環高清照
  2. 大爆炸後 3.2 億年就誕生的的古老星系
  3. 即將蛻變為超新星的恆星照
  4. 更多你覺得美麗的照片,分享給我們吧

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 1