Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

灑鹽融雪的後遺症

科景_96
・2011/02/09 ・632字 ・閱讀時間約 1 分鐘 ・SR值 508 ・六年級

8252524688_96a02cb203_b

  • Original publish date:Nov 03, 2005
  • 編輯 John C. H. Chen 報導

一項研究顯示,人們在冬天時在雪上灑鹽以加速融雪的方法可能導致地下水及河水的鹽化,而不利人們飲用,並威脅到淡水生物的生存。

在緯度較高的地區,冬季下雪幾乎是必然的情形。為了有效去除道路上的積雪,人們最常使用的方法就是在雪上灑鹽來降低雪的融點,而讓冰雪快速融化。當雪融化之後,雪水便會帶著鹽一起流入下水道,進入水循環系統中。這時這些點點滴滴的鹽分便逐漸的改變了水系統中鹽份的含量。

University of Maryland的生態學家Sujay Kaushal分析了美國馬里蘭州的Baltimore County、紐約的the Hudson River Valleynd及新罕布夏州的White Mountains這幾個地方河流的氯離子含量。他們的研究發現,在冬天的時候,這些地方的水中氯離子的含量可以高達每公升五千毫克,約相當於海水中氯離子濃度的四分之一。一般而言,如果水中的氯離子含量達到每公升250毫克的話便會對人體及其他生物造成威脅。這時,淡水已不再是淡水,不但不適合人飲用,同時也會破壞生態的平衡,影響到整個生態系。

如果不用鹽來除雪,是否有更好的方式呢?University of Colorado的湖沼學家William Lewis Jr.提出了用一種以玉米製成的除雪劑來取代鹽。不過這種方法的成本比較高,是否能為大家接受,看來仍有需驗證。

-----廣告,請繼續往下閱讀-----

原始論文
Sujay S. Kaushal, Peter M. Groffman, Gene E. Likens, Kenneth T. Belt, William P. Stack, Victoria R. Kelly, Lawrence E. Band, and Gary T. Fisher
Increased salinization of fresh water in the northeastern United States
PNAS 2005 102: 13517-13520

參考來源:

本文版權聲明與轉載授權資訊:

-----廣告,請繼續往下閱讀-----
文章難易度
科景_96
426 篇文章 ・ 7 位粉絲
Sciscape成立於1999年4月,為一非營利的專業科學新聞網站。

0

0
0

文字

分享

0
0
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

1
2

文字

分享

0
1
2
台灣以前下過雪嗎?平地大雪紛飛的太平盛世
艾粒安鈉
・2016/01/27 ・2159字 ・閱讀時間約 4 分鐘 ・SR值 509 ・六年級

台灣最近(1月23~26日)的超級寒流不僅造成災害,農漁業損失慘重,還讓低海拔地區甚至平地雪霰紛飛,台北、新竹、嘉義氣象站更是設站以來首度下霰。大家可曾知道,在清朝的太平盛世時代,台灣平地是經常下雪的!

這場寒流的陽明山雪景。來源:Flickr/Chi-Hung Lin (CC BY-SA 2.0)
這場寒流的陽明山雪景。來源:Flickr/Chi-Hung Lin (CC BY-SA 2.0)

小冰河期

清康熙35年(1696年)出版的《台灣府志》中,雞籠積雪為台灣八景之一。雞籠在當時大部分為尚未開發的蠻荒之地,位於當時的諸羅縣,除了現今的基隆之外,也泛指台灣北部台北、淡水等地區。

根據《台陽見聞錄》:

-----廣告,請繼續往下閱讀-----

「雞籠山在基隆廳治。台地氣候,南北迥殊。北境冬寒,與內地無大異。茲山為北境盡處,山大而高,下逼巨海,名為大雞籠。至冬常有積雪,台人取以列郡治八景焉。」

因此雞籠積雪的確切地點,可能是現在的基隆山(海拔588m),或者海拔超過一千公尺的七星山、大屯山一帶,至今無確切說法。同治年間《淡水廳志》的「淡北八景」也提到「屯山積雪」,可以推知陽明山以及台北其他沿海山區,在清治時代是經常下雪、積雪的!

1654年荷蘭人繪製的大台北古地圖,即淡水與雞籠一帶。來源:維基百科。
1654年荷蘭人繪製的大台北古地圖,即淡水與雞籠一帶。來源:維基百科

原來,約在16世紀至19世紀,也就是明清時代,全球氣溫明顯下降的現象,稱為小冰期或小冰河期。氣溫最低時正巧是清朝地康熙、雍正、乾隆盛世。不僅雞籠山白雪皚皚,許多史書也都記載台灣西部平地下雪。

康熙22年(1683年)十一月,《台陽聞見錄》提到「是冬,北路降大雪,寒甚」、《諸羅縣志》記載「雨雪,冰堅厚寸餘」。乾隆53年(1788年)二月,《淡水廳志》表示「大雨雪,饑,斗米千錢」,顯見寒害對農作物收成的負面影響。咸豐7年(1857年)一月,《淡水廳志》和《苗栗縣志》都有大雪的記錄。1892至1893年的冬天台灣更是嚴寒,地方史料記載不僅澎湖「奇寒」,雲林崙背「大雪,五穀、豬羊多凍死」、嘉義新港「雪下數寸,六畜凍死」,北部的新竹竹東更是「大雪連下三日,平地高丈餘」。

-----廣告,請繼續往下閱讀-----

西元元年到2000年全球氣溫變化。來源:維基百科。
西元元年到2000年全球氣溫變化,其中明顯的低溫時期即為小冰河期。來源:維基百科

馬偕博士(George Leslie Mackay)在1872至1901年旅台期間,也留下許多台北地區的天氣記錄。馬偕於日記裡也記載1893年1/17-18日,大廳裡只有華氏42度(攝氏6度),連觀音山(海拔616m)都下雪,他甚至還上觀音山裝滿兩大桶的雪,帶回平地給孩子看。1892-93年的冬天,可能是台灣有史以來最冷的一個冬天!由此可見,雖然雞籠山、大屯山積雪景色優美,但小冰河期的低溫造成糧食作物生長季縮短、產量降低,農牧業損失慘重,造成全球各地饑荒連年,死亡率上升,造成的災害不可小覷。

台灣近代降雪記錄

全球氣溫在進入20世紀後逐漸恢復正常,日治時期以及民國時期平地幾無降雪記錄,但當時的台灣氣溫依然比現代低,台北大屯山(海拔1093m)降雪依然是稀鬆平常的事情。日治時期比較可觀的記錄,包括《臺北縣志大事紀》中記載1917/1/8 「大屯山降雪為歷年來罕見,淡水線火車開賞雪加班車」、1919/3/2大屯山春雪、及1934/1/29 「天氣驟寒,七星郡大屯山降雪盈尺」。1896年2月,日本在台灣設立台北、台中、台南、恆春、澎湖五個氣象測站,台灣氣候才開始有正式的科學記錄。

台北測站在1900/2/13測得零下0.2 °C,戰後的1963/1/28測得零下0.1 °C、前一天台中最低溫更達零下0.7 °C,各地普遍結霜,但以上幾次都沒有降雪記錄。1962-63年台灣冬天在近代大概是數一數二的嚴寒,其中1963年一月的台北市,有28天達到寒流標準(最低氣溫10度以下)!但當時天氣多為乾冷,也沒有下雪。倒是1958/2/13台北氣溫低達2.6 °C,空軍氣象官李富城先生(現為氣象主播)回憶:

-----廣告,請繼續往下閱讀-----

我跟一個老長官,我們倆一起出空軍總部大門,我們倆一出,下雪了,台北市天空有飄了幾片雪,我說:「啊,下雪了。」

那天陽明山大雪紛飛,景象跟前幾天的寒流相當雷同,但當天氣象局在台北市並沒有正式降雪記錄。

現代受全球暖化以及都市熱島效應的影響,台灣氣溫節節上升,但全球暖化的後果,不僅僅是氣溫上升而已,更可能造成極端氣候頻率增加。這場讓台灣遍地下雪的超級寒流,是否表示著未來包括寒流在內的極端氣候會更加頻繁呢?是值得大家省思的一個問題。

-----廣告,請繼續往下閱讀-----
艾粒安鈉
7 篇文章 ・ 1 位粉絲
主修有機合成。對化學、天文、幾何學、地理、氣候、統計學、語言學、心理學、社會學、音樂和烹飪都有興趣。不願一生為學術研究爆肝,而熱愛為感興趣的學科認真寫科普文章,並用創意比喻和爛梗讓大家喜歡科學。多元性別,最高心跳210,海豚音到重低音一手包辦。

0

0
0

文字

分享

0
0
0
雪花飄飄何所賜:克卜勒的雪花禮物
活躍星系核_96
・2016/01/25 ・2315字 ・閱讀時間約 4 分鐘 ・SR值 530 ・七年級

-----廣告,請繼續往下閱讀-----

文/邱韻如

 冰雪奇緣在台灣

全台各地紛紛傳出下雪的消息,大家都為這六角冰晶興奮不已,尤其是生平第一次在台灣看到雪的朋友,必定難忘這段「冰雪奇緣」。

迪士尼卡通《冰雪奇緣》的製作團隊,為了打造這部影片裡的雪花,敦聘專門研究雪花的物理學家當顧問,繪製了2千多種不同形狀的雪花。因為不同濕度與其他外在條件,都會造成雪花結晶的不同,所以沒有一個雪花結構是完全一樣的。

最早出書研究雪花形狀的科學家,是克卜勒(Johannes Kepler,1571–1630),他在1611年出版《論六角雪花》這本書,描述了雪花的六角結構,成為結晶學的先驅。

-----廣告,請繼續往下閱讀-----

圖1. 克卜勒《論六角雪花》,左圖是拉丁文版(1611),右圖是英文版(1966)
圖1. 克卜勒《論六角雪花》,左圖是拉丁文版(1611),右圖是英文版(1966)

雪花飄飄何所賜?

1611年新年,克卜勒還在魯道夫二世的宮廷擔任皇家天文學家,但是薪俸老被積欠,他的太太芭芭拉從1610年底就得了重病,不斷發燒。這時的布拉格,天寒地凍,克卜勒走在查理大橋上,正傷腦筋要如何籌措新年禮物回報他的贊助人兼好友Johannes Matthaeus Wacker von Wackenfels (1550–1619)。他仰天問上蒼,像我這樣一無所有的窮學者,能買什麼禮物啊?雪花飄在他的身上,克卜勒看著這微不足道的雪花,有了好點子。他寫了這本24頁的小書,送給贊助人當作微薄的新年禮物。這本用拉丁文撰寫的小書,題為《Strena Seu De Nive Sexangula》(翻譯成英文是A New Year’s Gift:On the Six-Cornered Snowflake)。

這裡面還有一些文字隱喻。拉丁文的nive和nix,都是指雪(snow)。巧的是,德文nix的意思是nothing。克卜勒在書一開始,就不斷的提到Nihil, Nihilo, Nihili等,這幾個字都是nothing的意思。

Cum non sim nescius, quam tu ames Nihil, non quidem ob pretii vilitatem, sed propter lascivi passeris lusum argutissimum simul et venustissimum: facile mihi est conjicere, tanto tibi gratius et acceptius fore munus, quanto id Nihilo vicinius.

Quicquid id est, quod aliqua Nihili cogitatione tibi allubescat, id et parum et parvum et vilissimum et minime durabile, hoc est pene nihil esse oportet. Qualia cum in rerum natura multa sint, est tamen inter ea delectus. Cogitabis fortasse de uno ex atomis Epicuri: verum id Nihil est. Nihil vero a me habes antea. Eamus itaque per elementa, hoc est per ea, quae sunt in unaquaque re minima.

《De Nive Sexangula》前兩段文字(拉丁文)

來自上天的禮物:禮輕情意重

對於克卜勒這樣擁有Nothing的人,所能付出的也是Nothing。天上飄下的nix啟發了他這份近似Nothing(nix)禮物的靈感,禮輕但情意重。

-----廣告,請繼續往下閱讀-----

What do astronomers and mathematicians “who have Nothing and receive Nothing” have to give, but Nothing? [2]

送出這份雪花禮物之後,他更加一無所有了。1611年對克卜勒來說,是難熬的一年。帕紹軍隊來到布拉格,把傳染病帶進城裡,也把支持他生計的皇帝魯道夫二世趕下台。年初,三個小孩都染上天花,最大和最小的都倖存下來,但年僅六歲的兒子Friderich卻於二月過世,大病初癒的太太也悲傷消沈,於七月過世。在戰亂中,人的生命變得微不足道,更不知道未來的希望在哪兒。1612年,魯道夫二世駕崩,42歲的克卜勒同時遭遇政治劇變、宗教緊張以及家庭悲劇,於是舉家離開布拉格,前往林茲(Linz)開展新的生活。

虎克透過他打造的顯微鏡畫出雪花

1635年,法國著名哲學家和數學家笛卡兒(René Descartes,1596~1650),用文字詳細描述了他用肉眼觀察到的雪花結構[1]。1665年,虎克(Robert Hooke,1635~1703)在《Micrographia》(顯微圖譜) 書中,描繪出他從顯微鏡中所看到的雪花。

圖2. 虎克《顯微圖譜》裡的雪花。
圖2. 虎克《顯微圖譜》裡的雪花。

雪花與砲彈的堆積

克卜勒怎會研究雪花的結構?這和他先前思考過砲彈怎麼堆有關係。也就是說,雪花的形狀研究跟堆砲彈有關!

-----廣告,請繼續往下閱讀-----

圖3. 克卜勒《論六角雪花》裡的兩個圖。
圖3. 克卜勒《論六角雪花》裡的兩個圖。

dsdsd

圖3. 克卜勒《論六角雪花》裡的兩個圖。

堆砲彈的問題起自於沃爾特·雷利爵士(Sir Walter Raleigh,1552-1618)[1]給了他的助手兼朋友哈利歐特(Thomas Harriot,1560-1621)[2]一個問題:在甲板上堆砲彈,要怎麼堆才會最節省空間呢?

哈利歐特曾在1591年出版一本關於各種堆疊問題的研究,並曾發展出某種早期的原子論來。克卜勒也研究球的各種排列,於1606年寫信給哈利歐特,並在1611年《關於六角雪花》(On the six-cornered snowflake)中再次提出堆砲彈的方式,這就是所謂的克卜勒猜想(Kepler conjecture)。

-----廣告,請繼續往下閱讀-----

克卜勒為何會對堆球有興趣?猜想可能和他研究宇宙的奧秘有關。克卜勒在1596年出版的《宇宙的奧秘》書中以『柏拉圖多面體』及以球的內接和外切5種正多面體來描述各行星與太陽距離的關係,這種數學與天文的巧合,真是巧合到令人讚嘆!

見微知著:飄飄何所似?

在台灣各地興奮大喊「下雪了」的這一天(2016年1月24日),中央氣象局在下午的新聞裡解釋說:目前各測站還沒有觀測到下雪現象,不排除是「霰」在天空結成,落地時還沒融化,才讓民眾有機會捕捉到難得畫面。氣象局特別強調:雪和霰不同,雪的結晶是六角形,通常發生在零下5度的低溫環境,重量也比較輕,但冰霰較重,也非六角形結晶,掉到地面速度較快,有時候掉到地上還會反彈,可作為民眾判斷依據。

不少民眾開始注意自己所看到的「雪」是不是「雪」。在電腦前面藉觀看好友臉書賞雪的我,看到不少好友都用相片「證明」他們看到的是六角冰晶~名副其實的「雪」。

在冰冷的此時此刻,更加佩服與感謝,四百多年前,見微知著的克卜勒送給大家的這份新年禮物。

-----廣告,請繼續往下閱讀-----

參考資料

延伸閱讀

  • [1] 沃爾特·雷利爵士(Sir Walter Raleigh,1552-1618),英國伊莉莎白時代著名的冒險家,是名廣泛閱讀文學、歷史、航海術、數學、天文學、化學、植物學等著作的知識分子。
  • [2] 托馬斯‧哈利歐特(Thomas Harriot,1560-1621)是英國數學家兼天文學家,他比伽利略更早透過望遠鏡畫月球表面,但卻少為人知,絕大多數人還是以為伽利略是第一個畫月球表面的人。(進一步參考:邱韻如(2012),伽利略不是第一個用望遠鏡窺月的人?刊登於《科學月刊》43卷10期)
-----廣告,請繼續往下閱讀-----
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia