Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

能源-《富足:解決人類生存難題的重大科技創新》

商周出版_96
・2013/08/09 ・4832字 ・閱讀時間約 10 分鐘 ・SR值 535 ・七年級

用合成生命來救援

但是,如果變化是來自這些勢力強大的石油巨頭本身呢?二○一○年,艾克森美孚石油公司(ExxonMobil)研發部副總裁埃米爾.雅各布斯(Emil Jacobs)宣布一項前所未有的計畫:撥款六億美元,以六年時間致力開發新一代的生物燃料。當然,上一代的生物燃料(主要為玉米乙醇)

美國能源部說,藻類每畝可生產的能源為傳統生物燃料的三十倍;同時,藻類幾乎在任何死水中都能生長,因此幾個大型發電廠正在測試以此作為二氧化碳吸收器,把煙囪接駁至池塘,讓藻類消耗二氧化碳。這是個相當誘人的可能性;然而,為了讓這個可能性簡直是一場災難。這些燃料對環境造成相當嚴重的危害,並且移除了數以百萬英畝的農作物,造成食品價格飆升。但艾克森美孚的生物燃料並非以糧食作物為基礎,也不如第一代生物燃料技術需要大量土地支援。相反地,艾克森美孚計畫以藻類開發生物燃料。

成真,艾克森美孚已與生物學壞小子克萊格.凡特及其最近成立的合成基因組學公司(Synthetic Genomics Inc.)共同投入研究。

為了研究藻類養殖方法和採油技術,艾克森美孚與合成基因組學公司在聖地牙哥建立了一個新的測試基地,凡特把它稱為「水藻中途之家」。二○一一年二月,一個陽光明媚的下午,我到了該處參觀。從外面看來,這個基地看來就像個高科技溫室:透明塑料窗格、白色支柱,和一道道氣閘門。我們經過這些閘門時,負責主管這計畫的保羅.路斯勒(Paul Roessler)向我解釋基本運作原理:「我們的生物燃料必須擁有三個要素:陽光、二氧化碳和海水。使用海水是因為我們不想占用農地或瓜分農業用水。二氧化碳則是更重大的議題。這正是何以隔離與封存二氧化碳會如此重要:這麼做既能減緩全球暖化,也提供了集中的能源來源。」

-----廣告,請繼續往下閱讀-----

富足-封面+書腰

我們走過另一道門來到主房間,這個足球場大小的區域沒有太多裝飾,只放了六大桶水藻,以及一張掛在牆上的巨幅「細胞的生命」海報。路斯勒指著海報說:「我不知道你還記得學校課堂教的多少東西,但光合作用是植物將光能轉換成化學能的過程。白天,植物利用陽光將水分解成氫和氧,然後將之結合二氧化碳,結果就成為碳氫化合物燃料,稱為『生物石油』。到了晚上,植物通常會利用這些燃料做細胞修復。我們的目標是能確實地大量生產這些生物石油。」

一同參觀的凡特此時也加入對話:「路斯勒說得太謙虛了。事實上,他已找到方法,讓藻類細胞自願分泌收集到的脂質,使藻類變成微型工廠植物。」路斯勒進一步解釋:「從理論上來說,技術一旦完善,我們可以不斷重複運行此程序,不斷收取生物石油。這些細胞只會不斷生產出石油,而且你無需收割所有細胞,只需收集細胞排出的油。」

這效率是相當可觀的。「相比起傳統的生物燃料,」凡特說:「玉米每年每畝生產十八加侖;棕櫚油每年每畝大約六百二十五加侖。我們的目標是利用這些改良的藻類,達到每年每畝一萬加侖的生產量;同時,在二平方英里的設施中讓這些藻類勤奮地工作。」

要了解凡特的目標是如何雄心勃勃,讓我們來做一下計算:二平方英里相等於一千二百八十畝,而在每畝生產一萬加侖燃料的情況下,就等於每年能生產出一千二百八十萬加侖的燃料。今天每加侖的石油平均能跑二十五英里,一輛車平均每年跑一萬二千英里,因此二平方英里的藻類農場所生產出的燃料足夠推動大約二萬六千輛汽車。因此,要多少畝的藻類農場才能推動美國所有車輛?今天美國大約有二億五千萬輛汽車,所占面積約一萬八千七百五十平方公里,相當於美國國土面積的百分之○.四九(或占內華達州約百分之十七的面積)。試想,當我們的汽車每加侖可跑一百英里,或我們當中開始有越來越多人轉用電動汽車時,會發生什麼事。

-----廣告,請繼續往下閱讀-----

就算合成基因組學公司達不到這目標,艾克森美孚也並非這場競賽中的唯一球員。舊金山灣區的LS9能源公司(Life Sustain 9 Billion, Inc.)已經和雪佛龍能源公司(Chevron)以及寶僑公司(P&G)共同研發生物燃料。而在不遠處位於加州的愛莫利維爾市,阿米瑞斯生物技術公司(Amyris Biotechnologies)也與殼牌石油公司達成同樣的合作。波音公司(Boeing Company)和紐西蘭航空公司(Air New Zealand)亦已開始發展以藻類為基礎的飛機燃料,其他公司甚至走得更遠。維珍航空公司(Virgin Airlines)已開始部分使用生物燃料(椰子油和棕櫚樹油)讓七四七飛機航行於天際。二○一○年七月,總部位於舊金山市的太陽酵素公司(Solazyme)更已經供應美國海軍一千五百加侖以藻類為基礎的生物燃料,並且獲得一紙十五萬加侖供應合同。與此同時,美國能源部正資助三所不同的生物燃料研究機構,而追蹤可再生能源市場成長情況的清潔能源市場研究公司(Clean Edge)在其第十屆年度產業報告中,概述全球生物燃料的生產和批發價格,在二○一○年已達五百六十四億美元,預期到二○二○年將增至一千一百二十八億美元。

顯然,市場前所未有地對碳中和、低成本的燃料感興趣;不過,問題依然存在。上述提及的每一家公司(或未提及的競爭者)全都未能找到將這種技術大規模生產的竅門。朱棣文部長說,要真正滿足我們的需求,生產規模必須以百萬、甚至千萬的倍數增加。但是,他也同時指出,研究生物燃料的同一批科學家過去也曾成功提升如抗瘧疾藥物之類物品的產量。「所以,這目標是有可能達成的,」他說:「考慮到參與計畫的科學家的素質,我樂於相信這目標有可能達成。」 為了滿足能源需求,美國能源部並未把所有賭注押在生物燃料上。該部門對於「破解光合作用」也有興趣。朱棣文部長提倡的太陽計畫,正在資助由人工光合作用聯合研究院(Joint Center for Artificial Photosynthesis),一個由加州理工學院和勞倫斯.利福摩爾國家實驗室(Lawrence Livermore National Laboratory)共同領導,經費達一億二千二百萬美元的多機構合作研究計畫。該中心的目標在開發所有人造光合作用的必要組件:光吸收劑、催化劑、分子連接器,以及分離膜。

加州理工學院永續能源技術研究院(Caltech Center for Sustainable Energy Research)主任及該計畫主要科學家之一,哈利.阿沃特(Harry Atwater)博士說:「我們正在設計一種人工光合作用過程。我所謂的『人工』,是指整個系統中不涉及任何有生命或有機的成分。我們基本上是將陽光、水和二氧化碳,轉化為可儲存運輸的燃料─我們稱之為『太陽燃料』,以解決太陽光電未能照顧我們其他三分之二能源消費需求的問題。」 阿沃特認為,這些太陽能不單可以用來驅動我們的汽車、為我們的大廈提供暖氣,也能讓光合作用的效率增加十倍,或甚至一百倍─也就是說太陽能可以完全取代石化燃料。「我們正在接近一個關鍵的轉折點,」他說:「很有可能三十年後,每個人都會說:『天啊,我們過去為何會為了製造暖氣和能源而燃燒碳氫化合物?』」

儲存的聖杯

我們之所以如此依賴碳氫化合物,除了是因為它們具有能量密度高與易取得的特性,也是因為它們易於保存。煤礦安坐在管道內,石油存放在油鼓裡。然而,太陽能卻只在有陽光的時候才管用;而風力則只在風持續吹拂時才能產生。這樣的限制仍然是廣泛採用可再生能源的最大僵局。直到太陽能和風力可以提供全年全天候可靠的基本荷電力,否則兩者都無法提供顯著的能源供應量。發明家巴克敏斯特.富勒曾在數十年前提出建構全球能源電網的想法:在地球陽光普照的一面收集太陽能,供應這個星球黑暗的一面所需的電力。然而,大多數人把希望寄托在建立能夠儲存「牢靠」、「時間轉移型」的能源的大量本土電廠,也就是說,白天時收集能量,在夜間釋放之。從此,這就成為綠色能源運動的聖杯。 最終來說,除非我們能夠儲存太陽能,並且以從未達到的規模儲存,否則太陽能即使再廉價也沒有意義。要達到相當於現有輸電網絡規模的太陽能儲存量需要數量龐大的電池,但今天的鋰電池卻遠遠不夠用;它們的儲存容量需增加十到二十倍。而且,如果我們真希望可以增加電池數量,就必須以地球上存量豐富的元素來製造;否則,我們只是把對進口石油依賴的經濟,轉換為對進口鋰依賴的經濟。

-----廣告,請繼續往下閱讀-----

值得慶幸的是,事情已有所進展。近來,儲存太陽能的技術已獲得足夠改善,並且引起風險資本家關注,其中的領軍公司為凱鵬華盈創投公司(Kleiner Perkins Caufield & Byers)。這公司的投資項目逾四百二十五宗,當中包括美國線上、亞馬遜、昇陽電腦,美商藝電(Electronic Arts)、基因泰克和谷歌等公司。從這些投資標的就能看出,凱鵬華盈有挑選業界佼佼者的習慣。而由於該公司要角約翰.多爾(John Doerr)向來就對環境以及對抗全球暖化議題非常熱中,因此他們選擇投資的許多公司皆已進軍能源領域。

二○一一年冬天,我向比爾.喬伊更新有關儲存太陽能的進展報告;喬伊是昇陽電腦創辦人,現任凱鵬華盈在綠色能源領域的重要合作夥伴。他告訴我,最近兩個投資項目旨在轉變市場:首先,普利茅斯能源公司(Primus Power)正在製造可充電的「液流」電池,其電解質流經整個電子化學電池,直接讓化學能轉換為電能。這設備已經使得位在加州莫德斯托的嶄新能源儲存系統(該系統價值四千七百萬美元,儲存了二千五百萬瓦、七千五百萬瓦小時的電力)得以穩固地儲存風力。凱鵬華盈公司的第二個賭注是阿奎諾能源公司(Aquion Energy)。這公司所製造的電池類似今天的鋰電池,但卻有個重要的變革─這種電池並不是依靠鋰這種有毒、數量稀少的元素,而是使用兩種價格便宜且無處不在的成分─鈉和水。這兩種成分的附加好處在於,它們既不會致命,也不易燃。這種電池能平穩地釋放能量,無腐蝕性,而且使用的是地球上豐富的元素,而且實際上甚至安全得可以吃進肚裡。

「使用這些技術」喬伊說:「我估計存取每千瓦小時電力所需的總成本只要一美分。所以,我可以把間歇性的風能連接到阿奎諾系統,將風能的製造成本穩固在約每千瓦小時一美分。而這金額包含了所有成本。幾年後,你會在市場上看到這些產品;在那之後,我們再沒有理由認為我們無法擁有可靠的、相當於現有輸電網絡規模的可再生能源。」

世上最權威的固態化學學者之一、麻省理工學院教授唐諾.薩多偉(Donald Sadoway)也看好未來的電網規模儲存技術。他在國防高等研究計畫署能源部和比爾.蓋茲的資助下,發展並展出了液態金屬電池(Liquid Metal Battery)。他最初的靈感來自煉鋁廠的高電流密度及龐大規模。液態金屬電池之內的溫度熱得足以令兩種不同的金屬處於液體狀態。其中一種是密度高的金屬,如銻,它會沉到底部;另一種是密度低的金屬,如鎂,會浮在上層。在它們之間是有助於電荷交換的熔融鹽電解質(molten salt electrolyte)。結果他做出了電流較現今最高端電池高出十倍的電池,而且它簡單、價廉的設計使得存入一千瓦小時的電力只需二百五十美元─只為現行鋰電池不到十分之一的價格。薩多偉的設計也顧及規模。

-----廣告,請繼續往下閱讀-----

「今天液態金屬電池的原型是一顆曲棍球的大小,足以儲存二十瓦特小時的電力,」薩多偉說:「但我們正在研發較大單位的電池。想像一下,一顆冰箱大小的電池就足以儲存能夠供應你家一天需求的三十千瓦小時電力。我們的設計概念是『裝上後就忘了它』:能夠在不需要人力維護的情況下運作十五至二十年。它便宜、安靜、無需維修、不產生溫室氣體,並且由地球上豐富的元素製成。」以每千瓦小時二百五十美元計,一顆家庭用液態金屬電池要價七千五百美元。以十五年攤分,再計及成本和安裝費用,一顆家庭用液態金屬電池每個月花不到戶主七十五美元。

然而,這系統真正過人之處在於它擴充尺寸的能力。一顆貨櫃大小的液態金屬電池,足以供應一整個街坊的電力;一顆沃爾瑪大賣場大小的電池,足以支援一個小城市。「在未來十年,我們計畫推出貨櫃大小的液態金屬電池,緊接著會再推出家用電池。」薩多偉說:「我們可以清楚看到到達那裡的路,而且也不需要奇蹟般的突破。」 當然,解決儲存問題就會為太陽能和風力發展帶來重大突破。但接下來,該如何處理那些骯髒的燃煤發電廠就成了真正的問題。對此,比爾.喬伊也有想法:「很難相信電力公司會關閉一個已完全攤銷而且每天仍能賺錢的資產。我們應該做的是倒轉模型,把燃煤發電廠當成緊急備用發電裝置。我們可以百分百依賴可再生能源來應付基本能源需求,但當天氣預報說我們將面對真正的問題時,我們就能啟動燃煤發電廠。我們只向電力公司支付維修與偶爾運行這些發電廠的費用,就像你使用緊急發電機那般。」

 

摘自PanSci 2013年8月選書《富足:解決人類生存難題的重大科技創新,由商周出版。

-----廣告,請繼續往下閱讀-----
文章難易度
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

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

15
9

文字

分享

0
15
9
太空種電?不受天氣影響的發電廠登場,人類將迎來能源自由?
PanSci_96
・2023/08/12 ・4585字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

要核能、綠能、還是天然氣?大家不用吵了,因為讓我隆重介紹,宇宙太陽能準備登場,地球將進入能源自由,人類文明將邁入下一個時代!

雖然只是邁入第一步,但我沒有在開玩笑,美國、日本、歐盟、英國都陸續展開宇宙太陽能計畫,預計在太空中布下大量太陽能板,將取之不盡的能量,不分晝夜、不分天氣地將能量源源不絕的傳回地球。而且第一階段的測試,已經在宇宙中測試成功了!

宇宙太陽能真的可行嗎?我們離能源自由,還有多遠?

為什麼要去太空中進行太陽能發電?地面太陽能的困境

台灣要選擇哪種能源配比,各方論點各有道理。而同樣的問題,不只是台灣,對世界各國來說都是爭論不休的議題。面對這樣的困境,竟然有人提議往太空探索,去太空中進行大規模太陽能發電,並將能量傳回地球,成為宇宙太陽能電廠,一舉解決所有能源問題。可是就算不去太空,在地面上的太陽能近年來成長迅速,安裝量和產量都持續增加,為什麼非得跑到太空中去做一樣的事呢?

-----廣告,請繼續往下閱讀-----

雖然太陽能板的設置成本近年來降低很多,能不能穩定發電卻要看老天臉色,而且需要的佔地面積廣大。世界上只有少數幅員廣大,日照充足的國家可以打造 GW 等級的太陽能發電廠,像是印度,中國,以及中東地區。許多地方例如台灣,多以民間業者小規模發展為主,很難建設大規模的太陽能發電廠,如果要大規模使用農地、魚塭、屋頂種電,也有許多問題等待解決。

不過只要把太陽能搬到外太空,就可以大喊:「解開束縛、重生吧!太陽能,我還你原型!」

首先,太空中可以接收到更多的陽光。由於太空中沒有夜晚,所以軌道上的衛星幾乎可以 24 小時暴露在陽光之下。此外,太空中的陽光不會像地面上的冬天或傍晚,有傾斜入射的問題。太陽能板可以隨時指向太陽的方向,和太陽光的方向保持垂直,接受百分之百的陽光照射。根據計算,同一塊太陽能板放在太空中可以接受到的陽光量至少是地表的三倍以上。

地球上陽光傾斜入射的問題示意圖。圖/PanSci YouTube

另外,地球的大氣其實幫我們阻隔了許多陽光,保護地表上的我們不會被瞬間曬傷。就算是晴朗無雲的日子,大氣層還是會散射掉許多的陽光。太空中的太陽輻射比地表強上不少,大約多了 40% 左右。

-----廣告,請繼續往下閱讀-----

綜合前面所說的,只要把現有的光電材料放到衛星軌道上,就可以輕鬆獲得約四倍的發電量。此外還不需要任何占地,不會對環境生態帶來負面影響。

太空種出的電要怎麼運回地球?

你可能會好奇,在太空中收穫這麼多太陽能,要怎麼運回地球給大家使用呢?難道要存在電池裡再回收嗎?科幻大師艾西莫夫早在 1941 年就想過這個問題了。在他的短篇小說《理性》中,各個太空站會再收集太陽能之後,用微波光束將能量傳送至不同行星,也就是遠距無線傳輸能量。

雖然這種技術在當時屬於科幻情節,但現在的我們知道這樣的技術在原理上可能辦到的。在我們介紹無線獵能手環那集,我們有提到電磁波傳遞能量的問題,就是能量會以波源為中心向外發散,並且能量隨著距離快速衰減。想要高效率傳輸能量,如果不想接條線,就必須使用指向性的波源,將能源都集中到一點。

現在,我們使用多個天線組成陣列,並調整他們的相位,讓各個天線發出的微波產生干涉,形成筆直前進的單方向微波束,將能量精準發射到遠處的一個點。除此之外,因為選擇的電磁波頻段是微波,就像手機訊號可以穿過牆壁到你的手機一樣,特定頻率的微波也能穿透大氣層或雲層的阻擋。即使地球上的我們是下雨天,宇宙太陽能仍能透過微波將能量傳至地表,大幅降低天氣造成的影響。

-----廣告,請繼續往下閱讀-----

所以,只要把所有太陽能板發射到地球同步軌道上,讓它們在軌道中展開,組裝成大還要更大,邊長長達數公里的超大太陽能板。這樣空中太陽能發電廠就會一直維持在天空中的某一點,地面的我們,只要蓋個微波接收站就可以了。當然要將所有設備發射到地球同步軌道上所費不貲,較可行的做法是先用火箭將衛星射入高度較低的低地球軌道中,再利用衛星本身的離子噴射等方式把自己慢慢推到地球同步軌道。

太空太陽能發電廠概念圖。圖/Space.com

這個主意,在 1968 年工程師 Peter Glaser 就在 Science 期刊上提出,還向美國政府申請了專利。當時,美國能源局和 NASA 也覺得這個概念挺「有趣」的,針對宇宙太陽能做了一系列的調查並提出了正式的可行性報告。不過當時各方面的技術未成熟,無法進行測試。最重要的是,要把一整個太陽能發電廠射到太空,實在要花太多錢,產出的電根本就不敷成本。

好消息是,太空運輸成本近年來已經降低很多。SpaceX 的獵鷹九號火箭將每公斤物質運到低地球軌道的成本,只需要約三千美元,是過去使用太空梭運載的二十分之一。這讓宇宙太陽能的可能性,從僅只於科幻,搖身一變成為潛力無窮的未來能源。

宇宙太陽能離我們有多遠?

從美國、英國、歐盟到日本,都已經放話要加入這場全新的太空能源競賽。領跑者之一是日本的太空機構,宇宙航空研究開發機構 JAXA,預計在 2025 年前後展開從太空向地面送電的實驗,並在 2030 年左右開始試運轉宇宙太陽能機組,是有生之年就能看到的成果!

-----廣告,請繼續往下閱讀-----
從宇宙航空研究開發機構 JAXA,預計在 2025 年前後展開從太空向地面送電的實驗,並在 2030 年左右開始試運轉宇宙太陽能機組。圖/PanSci YouTube

這個時程也不是信口開河,日本在 1980 年代左右便開啟了宇宙太陽能計畫。經過數十年的規劃與研發, JAXA 已在 2015 年進行地面測試,成功將電能傳輸到 55 公尺外的接收天線,驗證遠距傳輸能量的可行性。這個實驗相當重要,因為在發射成本的問題解決之後,宇宙太陽能要面對的下一個難題,就是如何有效地從外太空軌道遠距送電。雖然我們已經知道可以透過干涉的方法,讓微波束直線前進,但實際運作時,還是會有一個很小的發散角,不會完全平行。

JAXA 已在 2015 年進行地面測試,成功將電能傳輸到 55 公尺外的接收天線,驗證遠距傳輸能量的可行性。圖/PanSci YouTube

失之毫釐。差之千里。地球同步軌道離地表可是有三萬六千公里,小小的發散角到地面就會嚴重發散,地面的接收天線尺寸也不可能無限擴張。這任務的難度差不多等於要從操場的一端用雷射筆打到另一端的蚊子,非常困難。JAXA 的天線雖然目前還未達到需要的準度,但是發散角已經能控制在 0.15 度左右,足以從較低的低地球軌道傳輸能量回地球,做初步的測試。

從還處在規劃階段的日本,瞬間移動到地球的另一端,美國的研究團隊,在這個月已經宣布取得重大突破。加州理工學院的宇宙太陽能計畫在今年初,成功讓一個小型測試模組,乘著 SpaceX 的獵鷹 9 號前進低地球軌道,進行太空中的實際測試。這個小型模組包含三個小實驗。第一個實驗是測試宇宙太陽能板的結構、封裝、以及展開並組裝的程序。第二個實驗則是要在 32 種不同的光電材料中,找出哪種在太空中效果最好。第三則是要測試微波傳輸能量在太空中的可行性。

測試宇宙太陽能板的結構、封裝、以及展開並組裝的程序。圖/caltech.edu

就在今年的 6 月 1 號,團隊宣布他們設計的可彎曲天線陣列,在太空中成功傳送能量到三十公分外的接收天線,點亮了 LED 燈。雖然距離只有短短的 30 公分,但是整個實驗暴露在外太空的環境中進行,證明他們的設計可以承受最嚴苛的環境條件。做為測試,他們也嘗試讓天線發射能量到遠在地球表面,大學實驗室的屋頂上。並且,還真的被他們量測到了數值。儘管規模不大,但這是宇宙太陽能第一次的軌道測試,結果相當振奮人心。

-----廣告,請繼續往下閱讀-----
可彎曲天線陣列。圖/PanSci YouTube
右方為可彎曲天線陣列(發射端),左邊為接收端的 LED 燈泡。圖/caltech.edu

如此看來,技術的發展似乎相當樂觀。可是要用於民生發電,成本是很大的重點。宇宙太陽能真的符合經濟效益嗎?或是我們該把資源留給其他選項呢?

宇宙發電廠符合經濟效益嗎?

根據美國能源情報署 EIA 的資料,1GW 發電容量的發電廠,傳統燃煤發電廠的初期建設成本,大約是一千億台幣,核電廠大約是兩千億台幣。那宇宙太陽能呢?每 1kW 的發電需要二十公斤的材料,1GW 就需要兩萬公噸。目前 SpaceX 獵鷹重型火箭運送每公斤材料進入軌道,需要三萬台幣。也就是說,光是將設備全部送上太空的運輸成本,就需要六千億的驚人花費。再加上太陽能板與相關設備的建置成本,以地面型太陽能發電廠為參考的話,大概還要多花500億台幣。而 JAXA 方面的預估,打造第一座 1GW 宇宙太陽能至少需要一兆兩千億日圓,雖然比我們用獵鷹重型火箭預估的還要低,但仍是一筆龐大費用。

各種發電方式的成本與性能表現。圖/美國能源情報署 EIA

那宇宙太陽能真的只是將鈔票往太空撒,空有理想的計畫嗎?當然不是,有兩個讓科學家不放棄的理由——首先是未來建造成本一定會下修。太空的發射成本相比 50 年前,已經少了兩個零,在 SpaceX 的發展下,還在持續地快速減少。另一方面,太陽能材料的輕量化工程也持續在進行,每 kW 發電重量只有十公斤或以下的太陽能材料已經不是虛構。新式的太陽能材料,我們未來也會陸續介紹。這兩個因素加乘在一起,一兆兩千億日圓的成本,很有機會在幾年內就減少為十分之一或更少。

發射火箭的成本逐年降低。圖/futuretimeline.net

更重要的是,宇宙太陽能一但建置完成,就會成為可做為基載能源的再生能源,減少對石化燃料的依賴。甚至因為主要設備都在太空,地面只需要建設接收站,可能將解決許多偏遠地區的能源問題,一舉改變全世界的能源型態。而且與許多八字還沒一撇的發電方式相比,宇宙太陽能已經算是距離現實很接近的選項,也難怪各個國家紛紛搶著要發展這塊領域。不過雖說是永續能源,還是有許多方面值得深入研究。例如要把幾萬公噸的材料射到軌道中,需要排放多少的火箭廢氣?一但規模化,這些巨大的宇宙太陽能板是否會成為小行星的標靶,或在一次的太陽風暴過後,讓軌道中堆滿太空垃圾?

-----廣告,請繼續往下閱讀-----

宇宙太陽能究竟能不能成為可靠的新興未來能源,從想都不敢想,到開始精算成本,相信我們很快就會知道答案。

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-----
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

8
0

文字

分享

0
8
0
氣候變遷會讓世界變得又熱又病嗎?暖化之下的寄生關係可不簡單
阿咏_96
・2023/05/15 ・3195字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

近年來,氣候變遷已經變成一個眾所皆知的熱門話題,不僅影響著我們身處的自然環境,以及人類生活,也對生物的繁殖、生長、分布等造成衝擊。不過,今天我們沒有要討論海平面上升、極端天氣等這些巨觀環境的改變,而是要來談談或許你我體內都有的——寄生蟲。

提到寄生蟲,大家比較熟悉的或許是蟯蟲、蛔蟲等,有機會寄生於人類體內的寄生蟲,而自然中許多物種之間也有寄生關係,但這與氣候變遷有什麼關係呢?

有許多研究顯示,氣溫升高會導致寄生蟲爆發事件增加,也有些研究說寄生蟲在高溫下的表現比宿主好,因此暖化可能會造成相關疾病越來越嚴峻,後來也衍生出「地球越溫暖,流行病越多」的假說。

地球越溫暖,流行病越多」的假說近來相當盛行。圖/envatoelements

寄生不是哩想ㄟ那麼簡單

俗話說:魔鬼藏在細節裡。腹肌藏在脂肪裡。

如同在生物課本裡學過的,寄生關係是生物間的交互作用,一種生物寄居在另一種生物的體表或體內,獲取營養得以生存、繁殖,所以也並非只有寄生蟲的事,和宿主的生理也有很大關係。找到溫度升高會影響寄生過程的哪些步驟,以及背後的機制怎麼運作,是了解氣候變遷對寄生關係影響的關鍵。

-----廣告,請繼續往下閱讀-----

近期發表在英國皇家學會《自然科學會報》(Philosophical Transactions of the Royal Society B)的一項新研究就發現,溫度能夠調節寄生真菌在宿主水蚤體內的感染機制。

這個研究由臺灣大學氣候變遷與永續發展學程助理教授孫烜駿與美國密西根大學研究團隊合作,利用暖化實驗觀察水蚤和真菌之間的寄生關係。

他們將一種水蚤 Daphnia dentifera 作為實驗物種,水蚤平常吃藻類等浮游植物,然後也會被更大的捕食者吃掉,因此水蚤在淡水食物網中扮演著重要角色。而今天的另一個主角 —— 寄生真菌 Metschnikowia bicuspidata ,則是一種會感染多種水蚤的酵母菌。

那水蚤是怎麼被感染的呢?

-----廣告,請繼續往下閱讀-----

宿主與寄生真菌之間的攻防戰

水蚤在濾食水中浮游植物時,寄生真菌的孢子可能會一起被牠吃進去,這時感染過程就開始了(水蚤表示:窩⋯⋯窩不知道QQ)首先,寄生真菌的針狀孢子需要先刺穿水蚤的腸道上皮細胞,才能進到體腔內開始發育、繁殖,感染初期有些水蚤還可能痊癒,否則就會進到最終感染階段,一旦水蚤體腔內充滿寄生真菌的孢子或孢子囊,便不可能康復,最終走向死亡,之後下一代孢子釋放回環境中,再被新宿主吃掉,完成感染週期。

寄生真菌在水蚤中的感染過程。生真菌的針狀孢子會先刺穿水蚤的腸道上皮細胞。圖/英國皇家學會《自然科學會報》

也不是所有被吃進去的孢子都能夠成功感染宿主,必須要經過重重關卡,畢竟水蚤也不是吃素的(好啦水蚤真的吃素沒錯 XD)

而兩道最重要的關卡就是「物理屏障」與「細胞免疫」。

物理屏障是一種常見的防禦形式,例如我們的皮膚和植物的角質層,在水蚤與寄生真菌的感染過程裡,腸道上皮細胞就是抵抗孢子進入體腔的物理屏障,像是一道能夠抵抗外來敵人的城牆。

-----廣告,請繼續往下閱讀-----

但如果孢子還是順利進到水蚤的體腔內,細胞免疫就像一支軍隊,免疫細胞士兵們會聚集到被感染的部位,開啟防禦模式,共同抵禦外敵,也就是前面提到的,有些剛被感染的水蚤有機會康復的原因。

健康的 Daphnia dentifera 水蚤(左圖)與被寄生真菌 Metschnikowia bicuspidata 感染的水蚤(右圖)。圖/國立台灣大學

暖化之下,寄生關係會怎麼樣

研究團隊想知道:溫度對物裡屏障和細胞免疫的影響,以及會不會影響最終感染的機率。

因此他們把水蚤放到 20°C 和 24°C 下的環境飼養,為甚麼是這兩個溫度呢?

根據先前研究,20°C 是適合水蚤生長繁殖的溫度,而 24°C 則是來自 2100 年氣候變遷預測下的平均溫度變化,自西元 1985 年起,夏季的湖面溫度以每十年 0.34°C 攀升,到本世紀末預計上升 4°C。

並將不同溫度下飼養的水蚤,分別放入有寄生真菌和沒有寄生真菌的環境,總共四種環境條件的組別。

-----廣告,請繼續往下閱讀-----
  1. 實驗組:24°C,沒有寄生真菌
  2. 實驗組:24°C,有寄生真菌
  3. 控制組:20°C,沒有寄生真菌
  4. 控制組:20°C,有寄生真菌

接著,為了知道感染初期的情形,針對有寄生真菌的組別,研究團隊在放入真菌 24 小時後,用複式顯微鏡觀察,檢查水蚤腸道和體腔內是否有孢子,以及孢子的數量。

那要怎麼知道物理屏障和細胞免疫的防禦效果呢?

如同前段提過的,我們將作為物理屏障的腸道上皮細胞想像成城牆,免疫細胞想像成軍隊,而寄生真菌的孢子是試圖入侵的外敵

腸道的防禦力便是用「後來在體腔內的孢子數」與「所有試圖刺穿腸道上皮的孢子數」相除;也就是「進到城牆內的敵人數」除以「所有一開始來城牆外攻擊的敵人數量」。(編按:每一百個攻擊城牆的敵人,會有多少人突破城牆的防禦進到牆內)

-----廣告,請繼續往下閱讀-----

除此之外,團隊也觀察在不同溫度下水蚤腸壁上皮的厚度,畢竟城牆的厚度可能是防禦的關鍵。

而細胞免疫則是以「前來支援的免疫細胞數」除以「體腔內的孢子數」計算,可以想像成一個敵人需要幾個士兵一起抵抗

除了兩道關卡的抵禦能力外,為了解水蚤的健康狀態,研究團隊紀錄牠們在感染後的死亡率和繁殖力。

溫度影響的不只是寄生關係

實驗結果發現,較溫暖環境下的水蚤腸壁上皮細胞比控制組厚,但腸壁是越厚越好嗎?

-----廣告,請繼續往下閱讀-----

另一個結果顯示,其實較厚和較薄的腸壁上皮細胞,比較能抵抗寄生孢子的攻擊,反而是有中等腸道厚度的水蚤防禦孢子進入體腔的能力較弱。

而關於細胞免疫,則發現隨著成功進入體腔的孢子數量增加,附著在孢子上的免疫細胞總數也跟著增加,但在較溫暖環境下飼養的水蚤召集來的免疫細胞,比控制環境下來得少。也就是說,越多敵人入侵,軍隊會募集越多士兵來共同對抗,但在溫暖環境下召來的士兵較少

那物理屏障和細胞免疫之間有什麼關係呢?

在 20°C 下,腸道上皮細胞越厚,每個寄生孢子所需要的免疫細胞數就越少,這似乎蠻容易理解的,若城牆越厚,軍隊火力就不需要太強,反之亦然。

-----廣告,請繼續往下閱讀-----

但在 24°C 卻看不到同樣的趨勢,我們知道的只有在溫暖環境下,同樣腸道厚度免疫細胞仍比控制組少。

最後,不論是繁殖力還是存活率,都是在溫暖環境下被感染的水蚤敬陪末座。

從這個研究,我們可以得知,溫度上升不僅會改變宿主的物理屏障,也會影響細胞免疫,進而改變寄生真菌對水蚤的感染結果。在更了解溫度影響寄生關係中的哪些關鍵特徵和結果後,便能預測在暖化環境中,宿主與寄生蟲之間的交互作用,以及所導致的後果。

  1. Sun, S. J., Dziuba, M. K., Jaye, R. N., & Duffy, M. A. (2023). Temperature modifies trait-mediated infection outcomes in a Daphnia–fungal parasite system. Philosophical Transactions of the Royal Society B, 378(1873), 20220009.
  2. Rohr, J. R., & Cohen, J. M. (2020). Understanding how temperature shifts could impact infectious disease. PLoS biology, 18(11), e3000938.
  3. Harvell, C. D., Mitchell, C. E., Ward, J. R., Altizer, S., Dobson, A. P., Ostfeld, R. S., & Samuel, M. D. (2002). Climate warming and disease risks for terrestrial and marine biota. Science, 296(5576), 2158-2162.
  4. Miner, B. E., De Meester, L., Pfrender, M. E., Lampert, W., & Hairston Jr, N. G. (2012). Linking genes to communities and ecosystems: Daphnia as an ecogenomic model. Proceedings of the Royal Society B: Biological Sciences, 279(1735), 1873-1882.
  5. Ozersky, T., Nakov, T., Hampton, S. E., Rodenhouse, N. L., Woo, K. H., Shchapov, K., … & Moore, M. V. (2020). Hot and sick? Impacts of warming and a parasite on the dominant zooplankter of Lake Baikal. Limnology and Oceanography, 65(11), 2772-2786.
-----廣告,請繼續往下閱讀-----