Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

海洋酸化危機 人類難逃一劫

李柏昱
・2014/03/03 ・1418字 ・閱讀時間約 2 分鐘 ・SR值 574 ・九年級

隨著海水日益變酸,台灣西南沿海的養蚵業也面臨威脅,一旦養蚵業消失,將是生態與經濟的重大損失。(圖片來源:flickr用戶Robert tdc)
隨著海水日益變酸,台灣西南沿海的養蚵業也面臨威脅,一旦養蚵業消失,將是生態與經濟的重大損失。(圖片來源:flickr用戶Robert tdc)

如果你是位愛吃海鮮的饕客的話,全球的二氧化碳排放這下將衝擊你的餐桌!美國自然資源保護委員會(Natural Resources Defense Council)的高級研究員麗莎‧蘇阿托尼(Lisa Suatoni)2013年10月就指出,儘管IPCC對氣候變遷的第五次評估報告爭議不斷,不過報告首度正視了碳排放對海洋造成的威脅。對海洋科學家而言,海洋酸化如同氣候變遷的「邪惡雙胞胎」,將影響許多海洋生物的生存以致於人類的糧食安全。

海洋吸收了大約四分之一至三分之一人類使用石化燃料所排放的碳,無私的奉獻卻也讓海洋本身逐漸酸化。如果碳排放速度不變,科學家預計到了2100年,全球淺層海水的酸鹼值與工業革命前的數值相比,將從8.2下降到7.7,對許多海洋生物來說,這等同跨過一條生存與否的界線。

尤其對那些生活在殼裡的生物而言,海洋酸化將是個大問題,例如珊瑚、螃蟹與牡蠣。當海水越酸,會加速碳酸鹽類的融解,而碳酸鹽類是形成貝類與珊瑚的外殼以及骨架所需的物質。隨著海洋酸化,他們的殼將變得更薄,延緩成長的速率,殼甚至消失導致個體死亡,威脅物種的生存。而對以這些生物為食的其他物種而言,情況也不太樂觀。對我們人類來說,海洋至少是十億人的蛋白質來源,海洋酸化可能在未來引起另外一種糧食危機。

以台灣西南沿海分布廣泛的養蚵業而言,目前雲林台西的養蚵業已經因六輕排水導致水質酸化飽受衝擊,未來若再加上大環境的海洋酸化趨勢,養蚵業所受的衝擊將更為巨大。養殖牡蠣除了擁有極高的經濟價值,對於海岸地區的生態及相關產業亦扮演極重要的角色,而海洋酸化正威脅牡蠣的生存。

-----廣告,請繼續往下閱讀-----

麗莎指出,面對海洋酸化的威脅,我們急須建立一套全球的觀測網絡,隨時監測各地海洋的pH值、溫度與溶氧量,並讓民眾明瞭酸化正深遠的影響海洋生態,尤其在那些脆弱的沿海地區,讓在地社群知道酸化的風險以及該如何有效減少損失是首要之務。

而在台灣,澎湖群島是海洋酸化首當其衝的地區,由於周圍海域水淺,大氣中的碳會持續和淺層海水混合,一旦酸化程度超過臨界值,將對當地珊瑚礁生態帶來災難。此外由於澎湖地處台灣與中國之間,同時受到兩地碳排放影響,政府應在致力於打造澎湖為低碳島的同時,將海洋酸化的監測機制納入,以作為台灣海洋酸化監測的前哨站。

與氣候變遷的延遲性不同,減少碳排放能有效且立即地減緩海洋酸化,這或許帶來一些希望。沒有人願意看到漁業走入歷史,如果希望以後餐桌上能繼續有魚蝦或螃蟹等海鮮美味,節能減碳就又多了一個充分的理由了。

(本文由科技部補助「新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣」執行團隊撰稿/2013年/12月)責任編輯:鄭國威│元智大學資訊社會研究所

-----廣告,請繼續往下閱讀-----

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊,也有臉書喔!

延伸學習:

-----廣告,請繼續往下閱讀-----
文章難易度
李柏昱
81 篇文章 ・ 2 位粉絲
成大都市計劃所研究生,現為防災科普小組編輯。喜歡的領域為地球科學、交通運輸與都市規劃,對於都市面臨的災害以及如何進行防災十分感興趣。

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
0

文字

分享

0
1
0
美國將玉米乙醇列入 SAF 前瞻政策,它真的能拯救燃料業的高碳排處境嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2024/09/06 ・2633字 ・閱讀時間約 5 分鐘

本文由 美國穀物協會 委託,泛科學企劃執行。

你加過「酒精汽油」嗎?

2007 年,從台北的八座加油站開始,民眾可以在特定加油站選加「E3 酒精汽油」。

所謂的 E3,指的是汽油中有百分之 3 改為酒精。如果你在其他國家的加油站看到 E10、E27、E100 等等的標示,則代表不同濃度,最高到百分之百的酒精。例如美國、英國、印度、菲律賓等國家已經開放到 E10,巴西則有 E27 和百分之百酒精的 E100 選項可以選擇。

圖片來源:Hanskeuken / Wikipedia

為什麼要加酒精呢?

單論玉米乙醇來說,碳排放趨近於零。為什麼呢?因為從玉米吸收二氧化碳與水進行光合作、生長、成熟,接著被採收,發酵成為玉米乙醇,最後燃燒成二氧化碳與水蒸氣回到大氣中。這一整趟碳循環與水循環,淨排放都是 0,是個零碳的好燃料來源。

-----廣告,請繼續往下閱讀-----
圖片來源:shutterstock

當然,我們無法忽略的是燃料運輸、儲藏、以及製造生產設備時產生的碳足跡。即使如此,美國農業部經過評估分析,2017 發表的報告指出,玉米乙醇生命週期的碳排放量比汽油少了 43%。

「玉米乙醇」納入 SAF(永續航空燃料)前瞻性指引的選項之一

航空業占了全球碳排的 2.5%,而根據國際民用航空組織(ICAO)的預測,這個數字還會成長,2050 年全球航空碳排放量將會來到 2015 年的兩倍。這也使得以生質原料為首的「永續航空燃料」SAF,開始成為航空業減碳的關鍵,及投資者關注的新興科技。

只要燃料的生產符合永續,都可被歸類為 SAF。目前美國材料和試驗協會規範的 SAF 包含以合成方式製造的合成石蠟煤油 FT-SPK、透過發酵與合成製造的異鏈烷烴 SIP。以及近年討論度很高,以食用油為原料進行氫化的 HEFA,以及酒精航空燃料 ATJ(alcohol-to-jet)。

圖片來源:shutterstock

每種燃料的原料都不相同,因此需要的技術突破也不同。例如 HEFA 是將食用油重新再造成可用的航空燃料,因此製造商會從百萬間餐廳蒐集廢棄食用油,再進行「氫化」。

-----廣告,請繼續往下閱讀-----

就引擎來說,我們當然也希望用到穩定的油。因此需要氫化來將植物油轉化為如同動物油般的飽和脂肪酸。氫化會打斷雙鍵,以氫原子佔據這些鍵結,讓氫在脂肪酸上「飽和」。此時因為穩定性提高,不易氧化,適合保存並減少對引擎的負擔。

至於酒精加工為酒精航空燃料 ATJ 的流程。乙醇會先進行脫水為乙烯,接著聚合成約 6~16 碳原子長度的長鏈烯烴。最後一樣進行氫化打斷雙鍵,成為長鏈烷烴,性質幾乎與傳統航空燃料一模一樣。

ATJ 和 HEFA 雖然都會經過氫化,但 ATJ 的反應中所需要的氫氣大約只有一半。另外,HEFA 取用的油品來源來自餐廳,雖然是幫助廢油循環使用的好方法,但供應多少比較不穩定。相對的,因為 ATJ 來源是玉米等穀物,通常農地會種植專門的玉米品種進行生質乙醇的生產,因此來源相對穩定。

但不論是哪一種 SAF,都有積極發展的價值。而航空業也不斷有新消息,例如阿聯酋航空在 2023 年也成功讓波音 777 以 100% 的 SAF 燃料完成飛行,締下創舉。

-----廣告,請繼續往下閱讀-----
圖片來源:shutterstock

汽車業也需要作出重要改變

根據長年推動低碳交通的國際組織 SLoCaT 分析,在所有交通工具的碳排放中,航空業佔了其中的 12%,而公路交通則占了 77%。沒錯,航空業雖然佔了全球碳排的 2.5%,但真正最大宗的碳排來源,還是我們的汽車載具。

但是這個新燃料會不會傷害我們的引擎呢?有人擔心,酒精可能會吸收空氣中的水氣,對機械設備造成影響?

其實也不用那麼擔心,畢竟酒精汽油已經不只是使用一、二十年的東西了。美國聯邦政府早在 1978 就透過免除 E10 的汽油燃料稅,來推廣添加百分之 10 酒精的低碳汽油。也就是說,酒精汽油的上路試驗已經快要 50 年。

有那麼多的研究數據在路上跑,當然不能錯過這個機會。美國國家可再生能源實驗室也持續進行調查,結果發現,由於 E10 汽油摻雜的比例非常低,和傳統汽油的化學性質差異非常小,這 50 年來的車輛,只要符合國際標準製造,都與 E10 汽油完全相容。

-----廣告,請繼續往下閱讀-----

解惑:這些生質酒精的來源原料是否符合永續的精神嗎?

在環保議題裡,這種原本以為是一片好心,最後卻是環境災難的案例還不少。玉米乙醇也一樣有相關規範,例如歐盟在再生能源指令 RED II 明確說明,生質乙醇等生物燃料確實有持續性,但必須符合「永續」的標準,並且因為使用的原料是穀物,因此需要確保不會影響糧食供應。

好消息是,隨著目標變明確,專門生產生質酒精的玉米需求增加,這也帶動品種的改良。在美國,玉米產量連年提高,種植總面積卻緩步下降,避開了與糧爭地的問題。

另外,單位面積產量增加,也進一步降低收穫與運輸的複雜度,總碳排量也觀察到下降的趨勢,讓低碳汽油真正名實相符。

隨著航空業對永續航空燃料的需求抬頭,低碳汽油等生質燃料或許值得我們再次審視。看看除了鋰電池車、氫能車以外,生質燃料車,是否也是個值得加碼投資的方向?

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

3
3

文字

分享

0
3
3
減碳新招:二氧化碳再利用!光觸媒材料可以把二氧化碳還原成工業化學原料?——專訪中研院原分所陳貴賢特聘研究員
研之有物│中央研究院_96
・2023/11/03 ・5793字 ・閱讀時間約 12 分鐘

本文轉載自中央研究院「研之有物」,為「中研院廣告」

  • 採訪撰文|簡克志
  • 責任編輯|簡克志
  • 美術設計|蔡宛潔

降低碳排還不夠,奈米材料幫你直接減少二氧化碳!

氣候變遷問題日益嚴重,2023 年 9 月成為全球有史以來最熱的月份,臺灣夏天飆破 38 ℃ 的頻率逐漸增加。為了避免地表升溫超過工業化前水準的 +1.5 ℃,世界各國訂出 2050 年淨零排放的目標,設法減少大氣中的溫室氣體。減碳解方除了低碳電力之外,直接減少二氧化碳也是一條路徑。中央研究院「研之有物」專訪院內原子與分子科學研究所陳貴賢特聘研究員,他的研究專長是奈米能源材料,我們將介紹一種複合光催化材料:硫化鋅(ZnS)/硫化銦鋅(ZnIn2S4,簡稱 ZIS),在太陽光照射下,此材料表面發生的氧化還原反應,會將二氧化碳還原成有用的工業化學原料!

為了避免全球升溫超過工業化前水準的 +1.5 ℃,我們需要減少碳排放與開發負碳技術,並盡量在 2050 年左右達到全球溫室氣體淨零排放量的目標。所謂的「工業化前水準」是指 1850-1900 年的平均溫度。
圖|iStock

地球「保冷」計畫——減碳是關鍵

我們每天排放多少二氧化碳?根據 Our World in Data 的人均二氧化碳排放數據,2021 年全球每人排放的二氧化碳為 4.69 噸,而燃燒 1 公升的汽油大概會產生 2.3 公斤的二氧化碳。換算一下,每人每天排放二氧化碳約為 12.8 公斤,相當於每人每天消耗 5.6 公升的汽油!

根據聯合國政府間氣候變化專門委員會(IPCC)的特別報告「全球暖化 1.5 ℃」,人類活動排放的溫室氣體,已經讓地球表面平均溫度上升了 1 ℃。若以人類目前經濟模式發展下去,碳排放量可預期將不斷上升,大量溫室氣體將讓暖化現象與極端天氣事件更加劇。

氣候科學家警示,地球表面平均溫度需控制在 +1.5 ℃ 以內 註 1,否則將有不可逆的後果,例如生物多樣性大幅度降低的風險。因此,世界各國有了 2050 年淨零排放的共同目標,並不是說都不排碳了,而是要設法讓溫室氣體的碳排放量和碳減少量相互抵消,達到「淨零」的目標。

-----廣告,請繼續往下閱讀-----

要達到淨零的目標,除了尋找與開發減碳電力之外,直接減少二氧化碳也是一個方法。想像一下,如果可以像植物一樣,只要照太陽光,就把二氧化碳變成有價值的碳氫化合物,聽起來不錯吧?但是二氧化碳做為燃燒後的產物已相當穩定,要如何以人工方式讓二氧化碳再次參與反應?

我們可運用「陽光」與「光催化材料」(又稱光觸媒,photocatalyst),不僅可以減碳,還能產生有價值的碳氫化合物,是一種「一舉兩得」的方法!

光觸媒(光催化)材料是什麼?

在談到光催化材料之前,先複習一下「催化劑」這個概念,催化劑不參與化學反應,但是它讓原先不可能的化學反應變得可行!陳貴賢分享,這就像過去從臺北到宜蘭需要翻過雪山,經過九彎十八拐的北宜公路;但如今有了「雪山隧道」之後,就大大降低臺北到宜蘭的時間與難度。「雪山隧道」就是臺北通往宜蘭的催化劑。

除此之外,催化劑也可以說是推進人類歷史發展的重要角色!在過去,農作物施肥只有天然氮肥可以使用,產量有限。而肥料意味著糧食增加與生產力增加,《巫師與先知》這本書就提到位於秘魯的鳥糞島嶼成為各家跨國公司必爭之地。另一方面,波斯人也在各地建造供鳥類休息的高塔,用來收集當肥料用的鳥糞。

-----廣告,請繼續往下閱讀-----

到了近代,陳貴賢提到在 20 世紀初,德國科學家哈伯(Fritz Haber)透過催化劑,在高溫高壓的條件下,以鐵粉做為催化劑,讓氮氣和氫氣轉換成氨。這讓人工固氮成為可能,人類不用再依賴緩慢的生物固氮反應就可以合成化學氮肥,農作物產量也大幅提昇。

本文主角「光催化材料」,顧名思義就是協助光化學反應的催化劑,但光催化材料與一般催化劑不同的地方在於,其化學反應通常發生在固態的表面環境,目標反應物、光子和電子都有參與反應。

比起光催化材料,你可能更常聽到它的同義詞「光觸媒」,例如某某產品宣稱具有「奈米光觸媒消毒」的功能,其實就是照射足夠的光,讓材料表面的氧化還原反應把細菌分解。而之所以光觸媒需要做到奈米尺寸,這是因為奈米小顆粒可以改變物質的電子能量結構,且大幅增加反應的表面積,讓光催化反應更有效率。

陳貴賢:「一個高表面積的奈米粉末,它的表面積可能是薄膜的一萬倍,甚至於十萬倍。」

給你電子,還你原形!光催化材料上的氧化還原反應是怎麼發生的?

光催化材料之所以能夠減少二氧化碳,是因為照光後材料表面發生「氧化還原反應」,氧化反應會失去電子,還原反應會得到電子。陳貴賢與團隊開發的複合光催化材料:硫化鋅(ZnS)/硫化銦鋅(ZnIn2S4,簡稱 ZIS),可以讓二氧化碳還原成甲醇(CH3OH)和乙醛(CH3CHO),這兩種產物都是工業常用的化學原料。反應式如下:

-----廣告,請繼續往下閱讀-----

要持續減少二氧化碳,就要持續發生上述還原反應,持續供給電子。不過,我們要怎麼讓電子快速又順利的補充到材料表面?這裡就開始涉及到半導體的核心問題:電子與電洞的產生、分離和傳輸

陳貴賢與團隊開發的複合光催化材料:ZnS/ZIS,是結合兩種奈米半導體材料,透過水熱法合成,將 0 維的 ZnS 奈米顆粒沉積在 2 維的 ZIS 奈米片之上,形成 0D-2D 結構的 ZnS/ZIS 複合物,就像製作巧克力豆餅乾,不過要複雜得多。

陳貴賢團隊將 0 維的 ZnS 奈米顆粒沉積在 2 維的 ZIS 奈米片之上,就好像做巧克力豆餅乾一樣,形成複合的異質半導體,做為光催化材料用途。左圖是示意圖,右圖是電子顯微鏡下的照片,Zn:In 比例為 1:0.46。
圖|研之有物(資料來源|Nano Energy

既然 ZnS/ZIS 是半導體,當受到光照之後,原來的價帶(valence band)電子會被光激發成導帶(conduction band)電子,原本價帶電子佔據的位置則留下一個空位,就是電洞。電子和電洞的遷移,就是半導體形成電流的原因,因此電子和電洞都稱為「載子」(charge carrier)

還記得上面的還原反應嗎?

-----廣告,請繼續往下閱讀-----

對光催化材料來說,為了在光照環境下把二氧化碳還原成乙醛和甲醇,必須獲得穩定的電子來源,材料內部要迅速補充電子到表面,因此:

照光產生的電荷載子數量越多越好;產生的電子和電洞要傾向分離,分得越遠越好;電子和電洞越快移動到表面參與反應越好。

載子輸送要快速穩定,首先照光產生的載子要多,就有更多電子和電洞參與反應。分離載子是為了避免復合,照光產生的電子和電洞很容易復合,一旦復合,等同於減少載子。再來是載子越快移動到表面越好,可以讓每次的氧化還原反應都是最佳效率。

尋找最有效的光催化材料

陳貴賢團隊總共做了 4 種不同比例的 ZnS/ZIS 光催化材料,依照 Zn:In 比例 1:0.12、1:0.26、1:0.46 和 1:0.99,分別標記為 ZnS/ZIS-1、ZnS/ZIS-2、ZnS/ZIS-3 和 ZnS/ZIS-4。其中,ZnS/ZIS-3 的光催化效果最好,可以有效減少二氧化碳,產生最多的乙醛和甲醇(如下圖)。

水熱法製備的 ZnS/ZIS-3 光催化效果最好,可以有效減少二氧化碳,產生最多的乙醛和甲醇。最右邊是將 ZnS 和 ZIS 簡單物理混合的對照組,沒有介面效應的輔助,催化效果不佳。
圖|研之有物(資料來源|Nano Energy

為了驗證光催化材料產生有效載子的效率,陳貴賢團隊計算了 ZnS/ZIS-3 的總 AEQ 值(apparent quantum efficiency),用來評估「照到光催化材料上的每顆光子數量,產生了多少實際參與催化反應的電子數」。測量之後,ZnS/ZIS-3 的 AEQ 值為 0.8%,量子效率比單獨的 ZnS 材料提高了將近 200 倍!

-----廣告,請繼續往下閱讀-----

這也是為什麼陳貴賢團隊要使用兩種不同的材料結合,因為單一半導體材料照光產生的電子和電洞有很高的復合機率,選擇兩種不同的半導體材料組合,讓兩種材料形成特殊的「能量階梯」就可以有效分離電子和電洞,並且把電子送到它該去的材料表面。

此外,使用兩種半導體材料的好處還有「二次激發電子到更高能階」,以符合光催化反應的能量門檻,自由電子掙脫 ZnS 的束縛之後,繼續往 ZIS 跑,光的能量會繼續把電子往上送到更高能級的材料表面,還原二氧化碳的反應在此發生。

Z 字形跑比較快!控制材料之間的微應變提升氧化還原效率

關於光催化材料的二次激發,陳貴賢提到:「材料低能階,然後光子進來後,把電子激發到高能階去做反應,太陽能電池也是這樣。但是呢,有時候沒那麼剛好,例如激發後的能階不夠高,雖然激發上去了,但電子沒有辦法跟二氧化碳做反應。那我把兩個材料拼在一起,電子上去以後又下來,然後再吸收第二個光子上去,那就變得很高了,高了以後它的反應效率就提升很多。」

如果我們把光催化材料的二次激發過程畫成示意圖,如下圖所示,電子在 ZnS 束縛區受到第一次光子的激發,變成自由電子,接著經過設計完善的材料介面,先降到較低的 ZIS 束縛區,受到第二次光子的激發,再次變成自由電子,跑到光催化材料的表面,和二氧化碳發生還原反應,將二氧化碳變成可再利用的乙醛和甲醇。

-----廣告,請繼續往下閱讀-----

看看電子走過的路,如果向左歪著頭看,是不是就是一個 Z 字呢?科學家把這個過程稱為「直接 Z 方案」(Direct Z-scheme)。「直接」的意思是,電子從 ZnS 跑到 ZIS 的過程,不需要再經過一個中間地帶,降低電子和電洞復合的機會。

為了將二氧化碳轉換成可用化學原料,電子在材料內部能階走 Z 字路徑,過程中受到光的二次激發,最後到達材料表面。電子參與還原反應,將二氧化碳變成乙醛和甲醇。電洞參與氧化反應,將水變成氧氣。
圖|研之有物(資料來源|Nano Energy

為什麼陳貴賢團隊設計的「直接 Z 方案」光催化材料,電子可以不需要中間的「轉接站」,直接轉移到另一個材料上呢?這裡也有一個巧思:不同材料之間的「微應變」

不同材料的晶體排列規律是不一樣的,當兩種材料接在一起時,接面處會發生「晶格不匹配」,也就是兩種材料的原子會互相卡到、晶格微微變形。但是,如果我們可以控制微應變(Strain)的程度,就可以控制兩種材料「能量階梯」的相對位置,微應變可以讓材料接面自動帶有「轉接站」的功能,進而形成一個內部電場,讓電子和電洞更能快速分離,提高光催化效率。

總之,陳貴賢團隊開發的這套材料組合,是有微應變誘導的直接 Z 方案光催化材料,可做為未來量產光催化材料的研發設計參考,同時也是減碳的解方之一。

-----廣告,請繼續往下閱讀-----
ZnS 奈米顆粒接在 ZIS 奈米片上,兩邊的晶格排列方式不一樣,發生「晶格不匹配」,接面處晶格會微微變形。如果控制微應變(Strain)的程度,就可以微調材料能階的相對位置,微應變可以讓接面帶有「轉接站」的功能,形成一個內部電場,讓電子和電洞更能快速分離,提高光催化效率。
圖|研之有物(資料來源|Nano Energy
ZnS 奈米顆粒接在 ZIS 奈米片上,兩邊的晶格排列方式不一樣,發生「晶格不匹配」,接面處晶格會微微變形。如果控制微應變(Strain)的程度,就可以微調材料能階的相對位置,微應變可以讓接面帶有「轉接站」的功能,形成一個內部電場,讓電子和電洞更能快速分離,提高光催化效率。
圖|研之有物(資料來源|Nano Energy

綠能趨勢——光催化材料未來可期

陳貴賢表示,目前表面科學和材料是中研院原分所的主要研究領域,他的實驗室選擇能源材料作為研究主軸,有太陽能電池和熱電材料,同時團隊也專注研究可還原二氧化碳的光催化材料,以及與燃料電池相關的催化劑。

陳貴賢看好將來能源材料的發展,因為在 2050 淨零排放之前,有愈來愈多企業紛紛加入「RE100 倡議」的行列,企業必須承諾最晚於 2030 年前使用 100% 再生能源。最著名案例是科技巨頭蘋果Google 和微軟等公司都已宣布其全球供應鏈將符合 RE100 的要求。其中,台積電為蘋果主要供應商,2020 年也加入 RE100,目前為臺灣再生能源的主要買家

可以預見,將來風能、太陽能與燃料電池的相關材料有其市場需求,而能夠減少二氧化碳的光催化材料,也將成為全球減碳的利器。陳貴賢提到,當前光催化材料還在基礎研究階段,目前的人工光合作用效率約 1%,接近大自然效率,而團隊希望提升到至少 5% 到 10% 以上,方能有其實用價值。

陳貴賢進一步強調,未來效率提高之後,能夠轉化二氧化碳的光催化材料就會有很大的經濟價值,不僅轉化後的燃料可以賣錢,處置二氧化碳原料亦可以收取負碳費用,是一種前所未有的概念。

陳貴賢強調,未來效率提高之後,能夠轉化二氧化碳的光催化材料就會有很大的經濟價值。
圖|研之有物

註解

  1. 根據 IPCC 的資料,如果要將全球暖化幅度控制在 +1.5 °C 以內,必須在 2050 年左右達到二氧化碳的淨零排放目標,同時也要大幅度降低非二氧化碳的溫室氣體排放,特別是甲烷。
-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3652 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook