0

1
2

文字

分享

0
1
2

【Gene思書齋】大黃蜂真的飛得比波音747還快?

Gene Ng_96
・2014/03/31 ・3070字 ・閱讀時間約 6 分鐘 ・SR值 522 ・七年級

-----廣告,請繼續往下閱讀-----

有本具有革命性概念的好書《從搖籃到搖籃》Cradle to Cradle: Remaking the Way We Make Things),要試圖從工業設計的角度,來真正解決地球資源有限又髒亂的環保問題〔請參見〈從搖籃到搖籃(Cradle to Cradle)〉〕。《從搖籃到搖籃》試圖提出,利用充滿巧思創意的方式,可以改變傳統的工業設計,讓消費者在享受新產品之餘,廠商能夠有效地回收舊商品,把絕大部分原料充分回收使用來製造更新的產品,創造一個雙贏的局面。

《從搖籃到搖籃》中, 作者德國化學家麥克.布朗嘉(Michael Braungart)和美國建築師威廉.麥唐諾(William McDonough)提出一種全新的解決方式,他們各自從自己的專業領域提出各種各樣,他們實際參與的解決之道和經驗。「從搖籃到搖籃」的概念非常棒,試 圖在資本主義的消費社會中創造企業、消費者和環保三贏的永續發展。除了《從搖籃到搖籃》裡頭提到的實際案例,還有什麼其他方法也能夠達到永續發展的目標呢?

我想,最簡單又實際的方式,就是向其他生物學習!畢竟,人類應該是地球上唯一會製造垃圾和污染的生物,只有人類會大量製造出沒有任何其他生物可以分解的廢 棄物!在自然界,一種生物的廢物,就是另一種生物的寶。要不然我們的屎尿怎麼能種出各種鮮美的蔬果呢?今人陶醉的美酒,基本上也就是酵母菌的尿液啊!如果 我們也學生物一樣設計和運作,或許我們將不再製造任何垃圾!

而且,人類的智商再高,實驗室和工廠再先進和尖端,能夠進行的實驗次數和時間畢竟有限,而各種生物在大自然中,有長達上億年,最短也有幾十萬年,能夠演化出應對環境中各種各樣問題,更有效的解決方案!我們或許能夠從其他生物中,學到許多寶貴無比的經驗。

-----廣告,請繼續往下閱讀-----

仿生學(biomimicry),或者稱為生物啟發科技,就是一種應用仿效大自然經驗,籍了解生物的結構和功能原理,來研製新的科技,或解決科技的難題。 仿生學基本上,主要是觀察、研究和模擬自然界生物各種各樣的特殊本事,包括生物本身結構、原理、行為、各種器官功能、體內的物理和化學過程、能量的供給、 記憶與傳遞等。從而為科學技術中利用這些原理,提供新的設計思想、工作原理和系統架構的應用科學。

要瞭解仿生學的最新進展,可以參加2013年11月12日至13日在台大舉辦的「2013台灣仿生學國際研討會-向大自然學習」(2013 International Biomimetics Symposium in Taiwan-Learn from the Nature)。什麼?已經錯過了?那就參加泛科學主辦的「微型點子對撞機(M.I.C. XX):仿生」;啥?又錯過了?那就只好讀讀這本泛科學選書--《大黃蜂飛得比波音747還快?:仿生科技-來自大自然的下一波工業革命》The Shark’s Paintbrush: Biomimicry and How Nature is Inspiring Innovation)吧 🙂

和許多科普書作者是來自學界或媒體不同的,《大黃蜂飛得比波音747還快?》作者杰.哈爾曼(Jay Harman)是創業家,他創立並迅速發展了幾家資金達數百萬美元的研究與製造公司,進行各種創新產品的開發、專利與授權,從得獎的水上交通工具到建築連鎖磚、飛航引擎後燃氣,和非侵入性血液葡萄糖與其他電解質測量技術等。

《大黃蜂飛得比波音747還快?》指出,現代仿生學才短短15年左右的歷史,但仿生產品已經創造了數十億美元的銷售成果。透過仿生學,創意科學家、工程師和商務人士正在創造革新的、高效的、而且能賺錢的企業與產品。

-----廣告,請繼續往下閱讀-----

和眾多科普書更不同的,《大黃蜂飛得比波音747還快?》花了大約三分之一的篇章探討利用仿生學的研究和成果來創業之酸甜苦辣。雖然仿生產品的絕佳銷售業績,正建立在它們提供顧客更好的性能、更低的能源需要、更少的廢料、與更微乎其微的毒性,而且售價可以與市場上既有產品競爭上。

不幸的是,仿生的好產品不見得輕易就被大企業接受,因為他們原本的工程師要嘛本位主義,要嘛忙到沒有時間瞭解新方案,要不然就是不曉得該如何好好行銷新產 品等等。加上投資人急功進利,或者創業者沒有足夠經驗,導致經營權被奪走,所以挫敗也不算少。我們也曉得,有許多大企業壟斷市場後,就日趨保守而縮減研 發,甚至打壓新技術突破的產生(請參見〈到底是誰控制了總開關?〉)。

不過,任何優異的產品和新創公司,在創業過程中都會遭遇到類似的問題,諸多困難並非是仿生產品的專利,《大黃蜂飛得比波音747還快?》揭示出的各種問題,讓仿生創業家能夠有更多準備,是件好事。而且,作者仍對仿生產品的前景充滿樂觀和信心。

《大黃蜂飛得比波音747還快?》裡頭舉了許多有趣的仿生學案例,從仿擬葉子的太陽能板、魚鱗的龍鱗防彈衣、到以蜥蜴生物學為本發現的治命醫藥突破、到仿製鯊魚皮的抗菌塗料、就連魔鬼氈也是實際應用仿生學的典型例子。

-----廣告,請繼續往下閱讀-----

中華民國科技部首任部長張善政在揭牌典禮上說,未來科技部鼓勵學界在研究上以需求導向(demand-pull)取代科技導向(technology-push),要把科學研究有限的經費花在刀口上,研究必須入世,要對產業有所幫助,不要只是做好玩的。

可是,《大黃蜂飛得比波音747還快?》舉了許許多多生物學的研究啟發的應用科技,有哪一項是科學家是為了需求導向而研究的?姑且不論,科學研究在人類文明上的知性角色(請參見〈燒大錢的大科學研究,應該嗎?〉),如果要說得功利的話,極少基礎科學研究,是為了解決應用的問題而產生的,極大多數都僅是為了滿足人類的求知慾和好奇心而產生的,而應用性的發現是在蒐集了足夠多的知識後產生的。

例如過去研究鯊魚的學者是為了設計協助破世界記錄的泳衣?研究鯨魚的學者是為了解決船隻的流體力學問題?是為了設計更良好的過濾系統?設計更快更省油的快 艇?研究壁虎的學者是為了設計黏性材料?研究鳥類的學者是為了設計飛機和子彈列車?研究蜜蜂是為了建築設計?研究白蟻是為了節能減碳?研究黏菌是為了解決交通問題?

基礎科學的知識對科技的進展之重要,可以再參見這幾篇文章〈基礎科學為什麼重要?〉〈冷僻研究 救了多年後的產業〉〈科技部殺了台灣科學研究?〉,我們過去確實很難預料生物學過去百年累積的知識,對工業設計會有啥幫助。如果回到廿卅年前,那些生物學知識沒有在科學家努力不倦的發現、記錄和整理之下,幾乎就不會有任何《大黃蜂飛得比波音747還快?》提到的科技之出現,然後我們的科技也可能會走到一個瓶頸甚至侷限。

-----廣告,請繼續往下閱讀-----

《大黃蜂飛得比波音747還快?》裡頭提到的各種各樣的案例,只是仿生學的開始而已,有個不錯的網站「AskNature」,可供詢問並提供各種大自然的解答,其母機構「Biomimicry 3.8」,是推廣仿生學不餘餘力的團體,有許多有趣的案例可供參考 🙂

大自然給了我們美好的生命,又給了我們巧妙的解答,我們怎麼能錯過呢?

 

本文原刊登於The Sky of Gene

文章難易度
Gene Ng_96
295 篇文章 ・ 30 位粉絲
來自馬來西亞,畢業於台灣國立清華大學生命科學系學士暨碩士班,以及美國加州大學戴維斯分校(University of California at Davis)遺傳學博士班,從事果蠅演化遺傳學研究。曾於台灣中央研究院生物多樣性研究中心擔任博士後研究員,現任教於國立清華大學分子與細胞生物學研究所,從事鳥類的演化遺傳學、基因體學及演化發育生物學研究。過去曾長期擔任中文科學新聞網站「科景」(Sciscape.org)總編輯,現任台大科教中心CASE特約寫手Readmoo部落格【GENE思書軒】關鍵評論網專欄作家;個人部落格:The Sky of Gene;臉書粉絲頁:GENE思書齋

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
1

文字

分享

0
1
1
科技人才看過來!三門獨家課程 YouTube 免費看!工研院「ITRI lab on-line」特色技術系列數位課程現正放送中
鳥苷三磷酸 (PanSci Promo)_96
・2023/12/14 ・2829字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

本文由 工研院 委託,泛科學企劃執行。

Hey,未來的千萬年薪人才!來一起深入了解那些正在改變我們生活的科技吧!工研院為你精心準備了三堂超有趣的線上課程:從探索醫學界的 PLGA 微米球技術,到揭秘半導體測試的幕後英雄 ATE,再到讓塑膠也能有身分證的創新方法。這不只是學習,更是一場與科技親密接觸的旅程!

第一門 材料檢測與模擬設計之原理與應用系列學習

精選課程:塑膠也有指紋?如何給塑膠「身分證」來驅動循環經濟,減緩地球暖化?你要知道的光譜分選技術-材料光譜分選技術

這堂課將探討如何透過光譜智慧分選技術,為塑膠材料賦予「身分證」,進而推動循環經濟並減緩地球暖化。塑膠標籤的設置主要是為了方便辨識材質,這對於廢塑膠的回收和再利用至關重要。不同號數的塑膠因其分子組成、結構和排列的差異而有不同的特性和應用領域。

-----廣告,請繼續往下閱讀-----

在光譜智慧分選技術中,首先要理解電磁波的概念。電磁波是一種電場和磁場交互變化的波動現象,其不同波長可以用於不同的應用,如手機訊號、微波爐、家用遙控器、X 光攝影等。在塑膠分選中,光譜技術常用的波長範圍落在近紅外到遠紅外光的區域,即 1 微米到 300 微米。這些波段的電磁波能誘發塑膠分子振動,並吸收散射或入射的電磁波能量,從而造成光譜的變化。科學家利用這種振動光譜的變化來獲得塑膠分子的特徵光譜,從而開發出能辨識不同塑膠分子的技術。

舉例來說,最簡單的雙原子分子,如 C-H、O-H 等,會有特定的振動頻率。當結構更複雜的分子(如水分子)被電磁波誘發振動時,會產生更多的振動模式,每種模式對應不同的特徵光譜。塑膠由多種原子組成,因此其特徵振動光譜相當複雜,但這也使得每種塑膠具有獨特的光譜特徵,類似於條碼或指紋,可用於辨識不同類型的塑膠。

本集介紹的光譜技術主要聚焦於紅外線頻譜區段,其波長範圍在 900-2500 納米。在這一範圍內的紅外光能量正好能引起塑膠分子的振動,並在不同波長上產生吸收。透過紅外線感測裝置掃描塑膠分子,可以快速獲得塑膠的材質信息,這不僅有助於塑膠的分類和回收,也對環境保護和資源再利用具有重要意義。


第二門 半導體IC設計與檢測技術系列學習

精選課程:好的良率就是好的利率!考試交卷前都會再檢查、確認了,IC 生產才不會忘記你-半導體測試簡介

-----廣告,請繼續往下閱讀-----

在這堂課中,我們將探討自動化測試機台(ATE)在半導體測試領域中的關鍵作用。自動化測試機台是一種專為測試集成電路(IC)而設計的設備,它可以大幅降低手動測試的人力需求,並減少測試成本。每種IC根據其規格,都需要特定的測試項目。針對這些項目,專門編寫的測試程式被用於自動化測試機台,以自動檢測和篩選出不合格的 IC。

不同種類的 IC 需要不同的測試機台。例如,數位 IC 需要使用專門的數位測試機台,而記憶體 IC 則需要使用演算法來進行測試。類比 IC 和混合訊號 IC 則涉及電性測試,因為它們不是像數位IC那樣僅依賴固定的 0 和 1。

隨著系統晶片(SoC)的出現,測試機台的複雜性也隨之增加。SoC 整合了數位、記憶體、混合訊號甚至 RF IC 於一個晶片中,因此其測試機台必須同時具備上述所有種類機台的功能。這種SoC測試系統非常昂貴,每台造價可能高達數千萬。

最近,模組化測試系統成為了一種趨勢。這種系統的主要特點是其靈活性,能夠根據不同類型的IC進行不同模組的組裝,以進行測試。例如,對於數位IC,可以使用數位模組;對於類比或混合訊號IC,則可以使用相應的類比測試模組,如示波器或任意波型產生器。對於RFIC,則可以插入RF模組,如VNA等網路分析儀。模組化測試系統通常基於PXIE或LXI這樣的系統,其中PXIE是基於PCIE的擴展,加入了與儀器相關的電路;而LXI則是在LAN基礎上加入儀器相關電路。

-----廣告,請繼續往下閱讀-----

總結來說,自動化測試機台在提高半導體製造過程中的良率和效率方面發揮著不可或缺的作用。無論是傳統的ATE還是新興的模組化測試系統,它們都在確保IC品質和性能方面扮演著關鍵角色。


第三門:解密醫材醫藥產品開發攻略系列學習

精選課程:藥不💊隨便你~但少了「它」,藥就不能發揮最大功效!製劑的分類與開發

在這堂課中,我們將深入探討 PLGA 微米球技術及其在長效針劑開發中的重要性。PLGA,全稱為聚乳酸甘醇酸,是一種被廣泛應用於藥物釋放系統的生物相容性高分子材料。自 1989 年日本武田藥廠開發出第一款使用 PLGA 的產品 Lupron Depot® 以來,這種技術已被用於多種藥物的開發,涵蓋了小分子藥物和胜肽類藥物。

PLGA 的關鍵特性,包括乳酸與甘醇酸的比例、分子量及高分子末端基團,對藥物的釋放速率和持續時間有著顯著影響。在製程技術方面,溶劑揮發法和溶劑萃取法是兩種主要的製備方法,它們對於親水性和疏水性藥物的包覆都至關重要。這些製程不僅決定了微米球的形成,也影響著藥物在微米球內的分布和最終的藥物釋放行為。

-----廣告,請繼續往下閱讀-----

此外,微米球製程的工藝還包括乳化、coacervation 過程、溫度、攪拌速度、微米球固化和乾燥速度等因素,這些都對藥物包覆效率、微米球的粒徑大小分佈及藥物在微米球中的分佈位置產生影響。而不同的製程設計往往會導致藥物釋放行為的顯著差異,這對從實驗室到試量產階段的轉換是一大挑戰。

在台灣,工研院在經濟部的支持下建立了一個無菌製劑試製工廠,該工廠配備了微米球製程設備、高壓均質機、in-line均質機、噴霧乾燥機等關鍵製程設備。這些設備不僅能夠支持微米球的生產,還包括了關鍵的分析儀器,如液相層析儀、氣相層析儀、微米/奈米粒徑分析儀等。工研院的團隊擁有豐富的特殊製劑開發經驗,能夠提供從製劑配方研發、分析方法開發、放大製程開發到客製化產線設計的全方位服務。這些資源和專業知識使得工研院能夠有效地支持新藥的臨床前開發和商業化進程。

總的來說,PLGA 微米球技術在藥物釋放系統的開發中扮演著關鍵角色。透過精確的材料選擇和製程控制,這項技術有望為醫藥界帶來更多創新和有效的長效針劑產品。


還想看更多?不用掏出信用卡,三門線上課都在 ITRI Lab on-line 的 YouTube 頻道獨家放送中,手機打開就能看。但……雖然不用急,但是科技進步也是不等人的,快跟上吧!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
200 篇文章 ・ 308 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
1

文字

分享

0
1
1
最硬核線上課程來了!工研院不藏私開課的原因是?
鳥苷三磷酸 (PanSci Promo)_96
・2023/12/14 ・1114字 ・閱讀時間約 2 分鐘

本文由 工研院 委託,泛科學企劃執行。

「ITRI Lab on-line」線上學習平台,讓複雜的科技原理簡單學! 圖/envato

你有沒有想過,是什麼驅動著今日產業的創新與變革?答案就在工研院的「ITRI lab on-line」特色技術系列數位課程中!這是一個與眾不同的學習機會,讓你深入了解並參與到台灣產業創新的核心。

首先,來說說「環構計畫」的緣起。這個計畫是為了配合國家創新產業政策而生,它的目標是建置和維護創新技術與服務平台。這不僅幫助企業開發新產品和服務,推動新興產業和新創公司,還能加速創新技術的產業化,促進企業的轉型升級。為此,工研院不斷擴建新研發場域,涉及各主要技術領域,實驗室分為檢測/認驗證、試量產/試營運、軟體與硬體設施服務等類別。

工研院的目標是推動台灣產業的創新優化與轉型,幫助業界把握新契機,布局自主創新和產業韌性所需的基礎設施。為此,工研院提供「ITRI lab on-line」特色技術系列數位課程,這些免費的線上學習資源將幫助你快速掌握產業新趨勢,增強企業技術升級與轉型的意願。

-----廣告,請繼續往下閱讀-----
對於晶片生產來說,必須借助科技力量除錯。 圖/envato

這系列課程包括三大主題:「永續高值材化」、「智能晶片」和「精準健康」。每個主題都有專門的課程,總共22支數位課程影片,涵蓋從技術原理到應用範圍的各方面知識。這些課程不僅介紹了工研院實驗室的專業技術,也為企業提供了學習和轉型的寶貴資源。想先試看嗎?點這裡看看我們推薦的三堂課吧

無論你有興趣的是材料檢測與模擬設計、半導體IC設計與檢測技術,還是醫材醫藥產品開發,這些課程都會給你全新的視角和知識。每個課程都是精心設計,旨在幫助企業和個人掌握關鍵技術,並在低碳化與智慧化的時代中保持領先。

現在,只需點擊下方的連結,就能免費加入這個精彩的學習旅程。快來發掘和學習那些塑造當代產業未來的關鍵技術吧!

材料檢測與模擬設計之原理與應用系列學習
半導體IC設計與檢測技術系列學習
解密醫材醫藥產品開發攻略系列學習

-----廣告,請繼續往下閱讀-----

【ITRI Lab on-line】系列影片可在工研院產業學院YouTube頻道觀看:點我前往

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
200 篇文章 ・ 308 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia