聽見極光

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

• 本文編譯自《Physicists explain how type of aurora on Mars is formed》

形成極光的要素有三，其中之一就是磁場。地球具有覆蓋全球的磁場，可以在兩極地區生成北極光和南極光；然而，火星沒有覆蓋全球的磁場，因此火星上的極光並非出現在兩極，只能在特定區域生成。

近期，愛荷華大學領導的研究團隊，根據美國航空暨太空總署（NASA）火星大氣與揮發物演化任務（MAVEN）探測器的數據，確認了火星離散極光是由太陽風和火星南半球地殼上空殘存的磁場相互作用所生成。

極光三要素：大氣、磁場、高能帶電粒子

在介紹火星前，讓我們先把鏡頭轉到地球，談談地球上的極光在哪裡形成，以及如何形成。

地球極光出現的區域稱為極光橢圓區（auroral oval），涵蓋北極與南極地區，但並非以兩極為中心；換句話說，極光橢圓區也涵蓋了極圈以外的部分高緯度地區。另外，極光橢圓區的寬度與延伸範圍，會隨著太陽黑子 11 年的循環週期而變動。

當太陽風和地球磁層的高能帶電粒子被地球磁場牽引，沿著磁力線加速往高緯度地區移動，最後和大氣中的原子碰撞時，就會形成多采多姿的極光。

綜合以上所述，可以得知極光的三個要素是：大氣、磁場、高能帶電粒子。

地球上這些「指引我們美妙未來的魔幻極光」，若屬於可見光波段，就能用肉眼觀測，並以相機記錄這夢幻舞動的光線。

極光橢圓區與地理北極、地磁北極相對位置圖。其中紅色實線表示極圈範圍，綠色區域則為極光橢圓區。圖／National Park Service

火星的大氣層、磁場以及離散極光

在介紹離散極光之前，得先介紹它的幕後推手——行星際磁場（Interplanetary Magnetic Field，IMF）。IMF就是太陽風產生的磁場，在行星際空間主導著太陽系系統內的太空天氣變化，並阻擋來自星際間的高能粒子轟擊。

那麼 IMF 是如何產生的呢？當太陽風的高能帶電粒子從太陽表面向外傳播，會同時拖曳太陽的磁力線一起離開；太陽一邊自轉一邊拋射這些粒子，讓延伸的磁力線在黃道面上形成了螺旋型態的磁場。

以蛋糕裝飾來說明的話，太陽就像是在轉盤上的蛋糕，太陽風粒子就是擠花裝飾；而當蛋糕一邊以固定速度自轉，擠花逐漸向外擴散的同時，就會在蛋糕產生螺旋狀的軌跡。

對太陽風和 IMF 有基本認識之後，讓我們把鏡頭轉向火星，談談火星的大氣層和磁層和地球有什麼不同。

相較地球來說，火星的大氣層非常稀薄。這是因為太陽風的高能粒子轟擊火星大氣層，強大的能量將大氣層的中性原子解離為離子態，導致大氣層的散失；該過程稱作濺射（sputtering），發生在火星大氣層的濺射主要透過兩種方式達成—–第一，在 IMF 的作用之下，部分的離子會環繞磁力線運動，隨著 IMF 移動而被帶離火星；另外一部份的離子則像撞球一般，撞擊其他位於火星大氣層頂端的中性原子，引發連鎖的解離反應。 

MAVEN 任務的領銜研究員 Bruce Jakosky 說明，根據團隊研究的成果，太陽風的濺射效應會將火星大氣層中的惰性氣體氬解離，並將這些氬離子從大氣層中剝離。火星大氣層內氬的同位素（質子數相同，但是質量不同的元素）以氬-38 以及氬-36 為主，後者因為質量較小而較容易發生濺射。

藉由氬- 38 和氬-36 的佔比，Jakosky 的團隊推估火星約有 65％ 的氬已經散逸至外太空。基於該研究結果還可以推算出火星大氣層中其他氣體的散逸情形；其中又以二氧化碳為焦點，畢竟行星需要足夠的溫度才能維持液態水的存在，而二氧化碳在溫室效應有很大的貢獻。

接著，讓我們一探究竟火星磁場與地球有何不同。地球能形成全球磁場的奧秘是什麼呢？這要先從行星發電機理論開始說起，該理論指出行星要維持穩定的磁場有三個要件——導電流體、驅動導電流體運動的能量來源、科氏力。

以地球為例，地核內部保留了地球形成初始的熱能，約有 4000°C 至 6000°C 的高溫。位於地核底層的高溫液態鐵，因為密度下降而上升至地核頂端，接觸到地函時，這些液體會喪失部分熱能而冷卻，因為溫度比周圍環境低，密度變高而下沉；如此不斷的熱對流循環下，讓帶有磁力的流體不斷運動，進而形成電磁感應。另外，科氏力的作用讓地球內部湧升的流體偏向，產生螺旋狀的流動效果，有如電流通過螺旋線圈移動的效果。

在火星所發現的地殼岩石證據顯示，火星在數十億年前曾經和地球一樣具有全球的磁場。科學家對火星磁場消失的原因還不是很清楚，其中一種假說認為可能跟火星質量較小有關，在火星形成之初散熱較快，造成火星外核液態鐵短時間內就凝固，無法像地球一樣，保留高溫地核使液態的鐵和鎳因為密度的變化，不斷從地核深處上升至地函，再冷卻下降，持續進行熱對流。

火星地核內部缺乏驅動導電流體的原動力，導致火星內部的發電機幾乎停止運轉，無法形成全球的磁場。話雖如此，火星仍然具備小區塊的磁場，主要分布在火星南半球留有殘存磁性的地殼上空。

磁層與大氣層相互依存，火星在太陽風不斷吹襲之下，大氣層愈趨稀薄；火星內部又缺乏發電機的動力，無法形成完整的磁層。火星缺乏厚實的大氣層保護，就難以阻擋外太空隕石的猛烈攻勢，因此如今呈現貧瘠乾燥又坑坑疤疤的外貌。

既然這樣，看似缺乏極光形成要素的火星，又是如何形成極光的呢？

雖然火星沒有覆蓋全球的磁層作為保護，但火星南半球仍帶有區域性的磁場。在那裡，磁性地殼形成的殘存磁場與太陽風交互作用，滿足了極光生成的條件。這種極光被稱為「離散極光」，與地球上常見的極光不同，有些發生在人眼看不見的波段（比如紫外線），所以也更加提升了觀測難度。

那麼，研究團隊是怎麼發現這種紫外線離散極光的呢？那就是藉由文章首段提到的 MAVEN 探測器所搭載的紫外成像光譜儀（Imaging Ultraviolet Spectrograph，IUVS）！

該團隊的成員 Zachary Girazian 是一位天文及物理學家，他解釋了太陽風如何影響火星上的極光。

火星離散極光的發現

研究團隊根據火星上離散極光的觀測結果，比較以下數據之間的關係——太陽風的動態壓力、行星際磁場（IMF）強度、時鐘角和錐角^{[註 1]} 以及火星上極光的紫外線，發現在磁場較強的地殼區域內，極光的發生率主要取決於太陽風磁場的方向；反之，區域外的極光發生率則與太陽風動壓（Solar Wind Dynamic Pressure）關聯較高，但是太陽風動壓的高低則與極光亮度幾乎無關。

N. M. Schneider 與團隊曾在 2021 年的研究發表提到，在火星南緯 30 度至 60 度之間、東經 150 度至 210 度之間的矩形範圍內，當 IMF 的時鐘角呈現負值，如果正逢火星的傍晚時刻，較容易觀測到離散極光；也就是說在火星上符合前述的環境條件很可能有利於磁重聯（Magnetic Reconnection）——意即磁場斷開重新連接後，剩餘的磁場能量就會轉化為其他形式的能量（如動能、熱能等）加以釋放，例如極光就是磁重聯效應的美麗產物。

未來研究方向：移居火星

因為火星上離散極光的生成與殘存的磁層有關，而磁層又關乎大氣的保存。所以觀測離散極光的數據資料，也能作為後續追蹤火星大氣層逸散情形的一個新指標。愛荷華大學的研究成果，主要在兩個方面有極大的進展——太陽風如何在缺乏全球磁層覆蓋的行星生成極光；以及離散極光在不同的環境條件的成因。

人類一直以來懷抱著移居外太空的夢想，火星是目前人類圓夢的最佳選擇；但是在執行火星移民計畫之前，火星不斷逸散的大氣層是首要解決的課題。缺乏覆蓋全球的大氣層保護，生物將難以在貧瘠的土壤存活。或許透過火星上極光觀測的研究成果，科學家們將發掘新的突破點；期許在不久的將來，我們能找到火星適居的鑰匙。

• 註1：IMF 的時鐘角（Clock Angle）與錐角（Cone Angle）

如何判定 IMF 的角度呢？因為磁場空間是立體的關係，我們測量 IMF 方向切線與 X、Y、Z 軸之間的夾角——也就是運用空間向量的概念，來衡量 IMF 的角度。時鐘角是指 Y、Z 軸平面上，IMF 方向與 Z 軸的夾角；而錐角則是在 X、Y 平面上，IMF 方向與 X 軸之間的夾角。

參考資料

1. Science Daily. Physicists explain how type of aurora on Mars is formed.
2. Z. Girazian, N. M. Schneider, Z. Milby, X. Fang, J. Halekas, T. Weber, S. K. Jain, J.-C. Gérard, L. Soret, J. Deighan, C. O. Lee. Discrete Aurora at Mars: Dependence on Upstream Solar Wind Conditions. Journal of Geophysical Research: Space Physics, Volume 127, Issue 4.
3. Michelle Starr. Mars Has Auroras Without a Global Magnetic Field, And We Finally Know How. ScienceAlert.
4. Michelle Starr. For The First Time, Physicists Have Confirmed The Enigmatic Waves That Cause Auroras. ScienceAlert.
5. Southwest Research Institute. SwRI Scientists Map Magnetic Reconnection In Earth’s Magnetotail.
6. 呂凌霄。太空教室學習資料庫。
7. 頭條匯。火星上的「離散極光」是如何形成的？物理學家有新發現，帶你揭秘。
8. Wilson Cheung。【北極物語】承載北極文化──極光。綠色和平。
9. 大紀元。火星上的極光是如何形成的？ 科學家解謎。
10. BBC News 中文。北極光：美國科學家首次在實驗室驗證北極光產生原理。
11. 明日科學。科學團隊藉由 NASA 的太空船所收集的資料得知火星大氣層的流失可能肇因於強烈的太陽風。
12. 台北天文館。NASA 首次繪製火星周圍電流分布圖，證實火星有磁場。科技新報。
13. 交通部中央氣象局太空天氣作業辦公室。太空天氣問答集。
14. Denise Chow. In an ultraviolet glow, auroras on Mars spotted by UAE orbiter. NBC News.
15. NASA. NASA Mission Reveals Speed of Solar Wind Stripping Martian Atmosphere.
16. NASA Goddard. NASA | Mars Atmosphere Loss: Sputtering.

身為一名訓練師，你真的了解你的寶貝們嗎？寶可夢圖鑑讀熟了沒？

其實圖鑑告訴你的比想像中的還多喔！國外玩家建立了這個 Scientific Pokedex 網站，來跟大家分析這些寶可夢們是如何使用科學力來戰鬥的。

每個星期跟著 R 編一起來上一門訓練師的科學課吧！

超來電小倉鼠  #25 皮卡丘

皮卡丘之於寶可夢世界就像米老鼠之於迪士尼（乁～都是老鼠？），身為圖鑑上第一隻遇到的電氣系神奇寶貝，牠的內容可說是煥然一新，充滿各種對「電」特別敘述和幻想。例如：

「幾隻皮卡丘湊在一起可以造成閃電風暴」（紅、藍、葉綠版）

「靠牠的尾巴偵測四周，閃電有時候會打到尾巴」（銀、魂銀、X 版）

「很聰明，會用電烤熟漿果讓它更好吃」（金、心金版）

看起來任何一個圖鑑中的敘述，都是真實世界的電、磁真的有可能辦到的事（註1）。在寶可夢世界中，皮卡丘能夠控制從微弱到強大的電力，但與我們的主人翁小智日常生活最相關的大概是這個敘述：

「用兩頰儲存電力，當睡覺的時候會充電，起來時昏昏沉沉有時候會有電力釋放」（註2）。

我沒記錯的話，皮卡丘似乎都是在小智的懷中（或附近）睡覺的，如果牠平時就電力超群，而且特別在這種時候無法控制電力釋放的話，小智有沒有可能有生命危險呢？

擁有儲存電力功能的物品，如皮卡丘的臉頰，被稱為電容器，在現在的電路系統中很常見。討論一個電容器的電容率大小，類似於討論彈簧的彈性係數會因為彈簧本身材質等條件而有不同，電容大小也會因電容器而異，跟材料、填充率、兩片電極之間遠近都有關。

電容（C）單位為法拉，1 法拉的電容器，在正常操作範圍內，每增加 1 伏特的電壓可以多儲存 1 庫侖的電荷。電容可由以下得知

C = q/V　（q 為電極板上的電荷，單位為庫侖；V 為之間的電壓，單位為伏特）（註3）

要計算皮卡丘的電容，現在我們需要知道的是該以牠的哪個放電現象做為最強的基準？

在綠寶石版的圖鑑中有這麼一句話：「皮卡丘臉頰儲存的電力可以依程度放出來，差不多等於閃電的電力。」好～那我們就把閃電的強度當作基準吧！

在空氣中，一公尺內產生 100 萬伏特以上的電場時，就會開始產生電弧（electric arc），大氣中的連續釋放的強大電弧就是閃電（註4）。

如果皮卡丘釋放的就是整串的電弧，所需時間跟閃電一樣僅 0.2 秒，一般的閃電電量為 15 庫倫，較強力的閃電甚至可以達到 350 庫倫（註5），而電壓介於 1000 萬到 1 億伏特，如果我們取最強的閃電數據，帶入上面的公式做計算。

假設皮卡丘的臉頰純存了最強大的閃電，他的電容將為 3.5 微（10^-6）法拉。

這其實算是相當合理的數字，一般常見或時常使用的電路中，電容大小通常都是在微法拉的範圍內，所以皮卡丘並沒有特別誇張。硬要比較的話，人體的電容為 400 微微（10^-12）法拉。

圖鑑中表示皮卡丘藉由睡覺來充電，在這樣的情況下能充電的來源只有一個——靜電，就像用氣球摩擦頭髮一樣，甚至閃電本身就是大氣中的靜電釋放。

靜電力的釋放，也就是皮卡丘的大部分絕招可以用一下公式得到

E = C V²/2（E 為能量，單位為焦耳）

如果要使出名副其實的閃電，能量將為 35,000,000,000 焦耳（350 億焦耳）。

雖然圖鑑上說大部分的皮卡丘可以控制自己的電流釋放，不過如果這電力屬實，那一隻皮卡丘就相當危險了，350 億焦耳的能量差不多等於 8.37 噸黃色炸藥，如果幾隻皮卡丘聚在一起別說閃電風暴了，大概森林都沒了。（註6）

想來每一個晚上小智抱著皮卡丘睡覺時，一定心裡在默默祈禱，希望他的好夥伴有一個好夢，要不然明天早上地上不是一具焦屍，就是一個巨大的彈坑……

編註：

1. 和其他討論過的神奇寶貝相比，皮卡丘的圖鑑內容獨特性真的很高，22 個圖鑑版本中有 11 種不同的敘述。其他很有趣的還有紅寶石版「當皮卡丘遇上新東西時，先用電流電一下再說。如果你看到焦黑的漿果，表示有皮卡丘沒拿捏好電力」；白金、黑、白版「可以幫其他身體虛弱的皮卡丘充電」……等，但還是比較多聚焦在他們的臉頰上，如生氣會放電、如果有火花你要小心之類的，我還是很想知道為什麼要是紅色的？
2. 這讓我很好奇，如果皮卡丘睡覺抽筋會怎樣？抽筋有時是身體內神經傳導電流稍微短路，使肌肉不正常收縮的現象，如果皮卡丘睡覺睡到抽筋，他們會不會開始亂放電一通？如果顏面麻痺呢？真好奇~
3. 這裡 Scientific Pokemon 是用兩個導體間的自電容來做計算，但從觀察來看，皮卡丘的電容器就是牠的臉頰，這形狀應該是比較接近球形或圓盤。
4. 閃電打下來前，會經由一個叫做 Step Leader 的導閃引導，整個過程可以想像成一個直徑 60 公尺的大圓球在大氣中不斷偵測有接地或耗能最少的傳導途徑，等確定位置之後閃電再循著路徑打下來，整過過程到命中地上（或是其他東西）在幾毫秒內就會完成。
5. 若導線中載有 1 安培的穩定電流，在 1 秒內通過導線橫截面積的電量為 1 庫侖（），一般我們摩擦東西產生靜電的電量只有微庫倫尺度而已，所以皮卡丘應該要睡很~久才能達到文章中的程度。
6. 如果這個能量能用在能源上不知道會如何？有興趣的人可以參考 PTT 的「要多少隻皮卡丘才能供應台灣所有電力？」

參考資料：

1. Scientific Pokemon
2. National Weather Service Lightning Safety Home Page
3. Wikipedia （電容、庫倫、閃電、炸藥當量）
4. Pokemon Database

極光會發出聲音嗎？在天文迷之間早已是不陌生的趣味話題，有些人不以為然。當然，大多數的普通人，是絕不可能從自己耳朵直接聽得到極光聲音的，不過如果想挑戰這件不可能的事，一個小小的手持式「超低頻接收器」（VLF）就能幫你實現。下次碰到極光，別忘了親自體驗看看。

根據本文原作者Bob King目睹極光不下數百次的豐富經驗，他還從來沒有聽到過有些人所說的吱吱喳喳聲或嘶嘶聲。但是，證據顯示，在電聲傳導效應（electrophonic transduction）下，極光所釋放出的特低頻電波訊號，的確能經由一些周圍環境裡的換能體（transducer）被轉換為聲波。根據NASA實驗室結果，金屬框眼鏡、草地或捲捲頭的頭髮，很多東西都能扮演「換能體」的角色，而只要是任何會讓物體發生震動的VLF，也都能被轉換成聲波。此外，在流星觀測時也有紀錄顯示聽到過類似聲音，其中原理可能也相同。

人們「聽得到」極光？原因還有一個，就是：「想像力」。經驗法則上，凡是會移動的東西都會發出聲音。當頭頂上有壯觀的光在舞動，它會欺騙你的大腦，讓大腦自動它配上「音樂」。事實上，極光發生在距地面80公里以上的高空，那裏空氣稀薄到根本無法將任何微弱聲波傳達至你耳中。

像你我這樣正常的人，本來是享受不到聽見極光之「聲」這種特殊樂趣的，不過，或許一臺小小的超低頻接收器，並在耳機孔上插一付耳機，就能幫個大忙，改造我們成為擁有能「聽見光」的超級順風耳！這手掌大的裝置能將太陽所發出的電子和質子在與地球磁場交互作用下所產生的「超低頻電磁波」轉換成聲波。

我們所習慣看得到的光，是種非常短的電磁波，大約只有一公分的幾萬分之一。瞳孔裡的色素（pigments）會將四周環境裡的這種電磁波轉換成看得見的影像。極光和自然界其他的電波能量，譬如閃電或者極光，波長大約有30公里甚至3000公里長，將它們轉換成人耳可聽得見的範圍，需要一支轉換器。轉換器的構造很簡單，基本元件可由現成的WR-3改造，加上個金屬的機構殼，裝上鞭形天線和供應9伏特電力的電池，就可算大功告成。

除了極光之聲以外，像這樣一支改裝過的接收器同時會收到很多其他由非自然界所製造的電波聲音，譬如來自電線或家裡的任何電器產品。在家裡的話，你可以試試看，保證會收聽到很多這種雜訊。所以，要想聽見地球本身所發出的微弱而天然的電波聲音，必須遠離人工產生的電磁波源至少400公尺。

想試試看怎麼偵測特低頻電波嗎？你得先找到一個電波寧靜（radio quiet）的空曠野外地區，接下來，把天線舉向天空，記得不要站在樹底下。因為樹會吸掉很多超低頻電波。你聽得到的一些聲音，應該會如以下所介紹，點一下連結，附有聲音檔：

• 天電聲 Sferic從遙遠地方傳來的天電（sferics）聲。這首先傳入耳中的是一陣劈哩啪啦爆音嘯聲，就和雷雨交加的天氣裡，調幅收音機會收到的雜訊聲差不多。
• 吱吱聲 Tweeks在電磁波頻譜裡位於波長較長那一端的閃電，釋放出大量能量。當這種能量穿過距離地面數千公里的地球大氣層上層的電離層時，會發出吱吱聲。聽來令人聯想到Star Wars裡的雷射槍。連續一串急促的吱吱聲，幾乎已經具有像彈鋼琴時琴弦所發出的美妙的樂音等級。
• 電嘯 Whistlers 及Whistler Clusters雷電的電波進入地球磁層、碰撞了磁層裡的粒子的話，來來回回循環在南北極的磁極點之間的旅程可長達幾萬公里，並製造出這種「電嘯聲」。這聲音聽起來有點陰森空靈。由於長途旅行後，較高頻的電波會比低頻的電波早一點抵達，因此也形成這樣的一長系列，調子越來越低的聲音。既像蜂炮，也像戰爭片裡轟炸機丟下炸彈的呼嘯聲音。這和前一類的tweaks聲不一樣，tweaks的吱聲非常簡短，電嘯聲則有1/2秒甚或4秒更長。
• 晨噪 Dawn Chorus有時你會聽到電嘯成群蜂擁而至。但在最理想條件下，VLF接收器會收得到一些因極光而產生、從磁層「泡泡」傳來的陣陣騷動「聒噪聲」，姑且叫它「晨噪」（dawn chorus）吧。文謅謅的，是嗎？明明是古詩古詞裡蹦出來的兩個字！的確，誰會想得到，因為太陽朝我們丟過來一些電子，沿著地球電磁線螺旋而入、闖進大氣層，竟然還能發出蛙鳴晨噪之類的樂音？嗯，還真的是有…
• 更多晨噪在一個極光願意現身的佳夜良宵，聽到一首磁層交響樂的機會可就來了。雷電交加的暴風雨雖遠在千里之外，不過，有了雷嘯和吱吱爆裂聲作為背景音，這樣的音樂，層次感就還挺豐富的。仔細聽的話，甚至隱約還有那個如蛙鳴聲一般的「呱呱呱」，配合著極光的起落，似乎，極光還是會呼吸的生命體喲。

（Lauren譯）

資料來源:Put The Aurora Borealis In Your Ear[2013.05.20]

轉載自網路天文館