Loading [MathJax]/extensions/tex2jax.js

0

11
2

文字

分享

0
11
2

當TNR和捕捉移除的效果遇上棄養

YTLai_96
・2014/05/29 ・3838字 ・閱讀時間約 7 分鐘 ・SR值 471 ・五年級

c.c. orange_kuma in Flickr
c.c. orange_kuma in Flickr

上一篇關於TNR與捕捉移除效果比較的文章,我們看到了在沒有棄養的前提下,要想降低整體流浪動物數量,捕捉移除的效果比TNR的效果好。

但你一定也發現了,那一篇研究中假設流浪動物可以無限制的繁殖,沒有食物或空間不足的問題,沒有動物太多生育率下降的問題,什麼都沒有。

再加上研究中又沒有包括棄養因子,而且還把整個族群都設定為雌性,而且還只能選擇TNR或捕捉移除其中一個管理手段不能夠雙管齊下,怎麼想都很不實際。

『果然是不問世事閉門造車的象牙塔研究!』你可能會這麼嗤之以鼻。

-----廣告,請繼續往下閱讀-----

說得好。

那我們就來看看2009年的這一篇族群動態模擬的研究吧。

因為這一個研究真的有點硬,所以我把結論先公佈在這裡:

結論就是,即使是一個五百多隻流浪動物的族群,在不做任何處理,也沒有任何移入個體的狀況下,25年後動物數量當然就差不多逼近最大承載量(七百多隻)。

-----廣告,請繼續往下閱讀-----

而如果有做捕捉移除或TNR或雙管齊下,假設做到了75%的強度並且每年持續,那麼25年後的動物數量會降到350隻左右。

但是,一旦有移入個體的存在,就算一樣對整個族群做到75%的處理強度,25年後的動物數量也幾乎不會下降,甚至還會上升,就跟沒處理的結果幾乎一樣,可以說處理所花的時間金錢和心力都丟到水裡去了。

所以,要想做些什麼讓現有的流浪動物數量下降,第一要務就是「不要讓外來個體移入」,否則的話再大的處理強度都只是原地踏步而已。而台灣既然是個島嶼,那麼對整個台灣的流浪動物族群來說,外來的移入個體就是「棄養」的個體啊。不杜絕棄養,做什麼都只是白費力氣永遠看不到效果啊!!

好了,結論就是這樣。如果你想知道這個結論怎麼來,你可以繼續看下去。

-----廣告,請繼續往下閱讀-----
c.c. Teeejayy in Flickr
c.c. Teeejayy in Flickr

這篇2009年的研究就跟2004年那一篇一樣,也是用了數學模型來模擬一個流浪動物族群在不同的捕捉移除、TNR、以及兩者雙管齊下的強度之下族群的增長率。

既然是個比較新的研究,當然在模型上面有長足的進步。2009年的這一篇採用的數據當然更為細膩精確,而且現實生活中該有的因子大概都考慮進去了。

他們的流浪動物模型是這樣的:

  • 所採用的數據來自德州Caldwell這個小鎮的流浪貓族群調查。根據密度跟小鎮面積來計算,流浪動物的初始數量為520隻(而已!!)。
  • 流浪動物族群中雄雌各半,生下來的幼體也是雌雄各半。
  • 雄性不會生小孩生育率當然是0。雌性的生育率則是由小鎮上完全野化的流浪貓(每年生1次,一次有1.75隻幼仔可以活到12週大)和半野化的流浪貓(每年生1.6次,一次生2.75隻幼仔可以活到12週大)平均而得,因此雌性生育率為每年生出3.075隻可以活到12週大的幼體
  • 雄性的年死亡率為43%,雌性的年死亡率則是12%。假定結紮與未結紮的個體死亡率相同。
  • 經過一番我看不太懂的計算定出這個小鎮的最大承載量為724隻,並且假定它不會改變。並且因為密度依賴因子的存在,當流浪動物數量漸漸接近最大承載量的時候,生育率就會漸漸下降,當流浪動物數量等於最大承載量的時候生育率就降為0,大家都生不出來。
  • 這個族群並不封閉,因此會有外來的移入個體。移入的個體假定都是成熟未結紮個體,雄雌各半。而每個時間點上能夠移入的最大數量,就等於最大承載量跟當下的流浪動物數量之間的差距(也就是說滿了就滿了外來動物沒有硬塞進來這回事)
  • 模型中假定雄性與雌性一樣好抓,因此兩個性別的流浪動物個體被抓去做TNR或移除的機率是一樣的。
c.c. jackyczj in Flickr
c.c. jackyczj in Flickr

有了這些基本參數之後,模型就根據第一年的動物數量(520隻),開始一年一年的運算每一年的「結紮雄性+未結紮雄性+結紮雌性+未結紮雌性」的總數,也就是流浪動物的整體數量。計算公式很複雜,但我們只要知道不同性別的結紮個體數量和非結紮個體數量是分開計算而得,而且公式裡有包含新生幼體、新移入個體、自然死亡個體、捕捉移除或TNR的個體就可以了。

-----廣告,請繼續往下閱讀-----

模型裡設定了捕捉移除和TNR單獨使用、以及混合使用的四種不同強度(0%、25%、50%、75%)。強度為0%的時候就是完全不管不處理;強度為25%的時候就是每年固定處理當下的25%未處理動物;50%和75%也是以此類推。模型中另外設定了一個TNR跟捕捉移除各半,將所有個體通通處理的100%強度。總之,這樣下來總共有十一種不同強度和組合的處理狀況。

 組合

 捕捉移除率
(TE)

捕捉結紮回置率
(TNR)

 1  0%  0%
 2  25%  0%
 3  0%  25%
 4  12.5%  12.5%
 5  50%  0%
 6  0%  50%
 7  25%  25%
 8  75%  0%
 9  0%  75%
 10  37.5%  37.5%
 11  50%  50%

然後,別忘了這個模型有模擬外來移入個體的情況。模型會在最高移入率為0%、25%、50%(註)的情況下,把這十一種狀況都跑個二十五回,計算25年後的流浪動物總數以及雌雄個體數量。

(註:這個意思就是說,以第一年為例,520隻的既有個體距離724隻的最大承載量還有200隻的「空位」,而「最高移入率」就是指最多能有多少移入個體去填滿這個比例的空位。以最高移入率為25%來說,移入個體就是不超過200*25%=50隻。若是最高移入率為50%的情況,那第一年會搬進來的移入個體頂多是一百隻。當族群越接近最大承載量的時候,空位當然就越少,所以可以搬進來的外來個體也就很少很少)

模擬出來的結果,真的讓人很不忍卒睹。

-----廣告,請繼續往下閱讀-----
投影片4
Free:無處理;TE:捕捉移除;TNR:捕捉結紮回置

不意外地,在沒有任何移入個體,也不做任何處理的狀況下,25年後的流浪動物數量會逼近最大承載量。

然後,在這個比較接近現實的模擬中,捕捉移除降低流浪動物數量的效果雖然還是比TNR好,但已經不是2004那一篇研究裡那麼壓倒性的勝利。

在這個模擬中,在沒有任何個體移入的狀況下持續做到了75%的處理強度持續25年,流浪動物數量最後是350隻上下,無論是採用捕捉移除或TNR或雙管齊下都一樣。(這是因為模型中採取固定比例的處理,而不是固定數量的處理,因此最後會達到族群動態上的平衡)

這還是沒有移入個體的狀況,一旦有了移入個體,那就更是難看了。

-----廣告,請繼續往下閱讀-----
投影片5
Free:無處理;TE:捕捉移除;TNR:捕捉結紮回置

當最高移入率為25%(也就是說第一年大概會有50隻新的流浪動物從外地跑進來,之後每年跑進來的數量都不會高於這個數字)的時候,只有捕捉移除做到75%的強度,才能夠在25年後降低流浪動物數量到400出頭,其他的處理方式和強度則是通通沒有降低數量的效果。

投影片6
Free:無處理;TE:捕捉移除;TNR:捕捉結紮回置

而當最高移入率為50%(也就是說第一年大概會有100隻新的流浪動物從外地跑進來,之後每年跑進來的數量都不會高於這個數字)的時候,即使是75%捕捉移除的強度,也只能讓流浪動物數量在25年後堪堪維持穩定,而其他的處理方式和強度則是通通擋不住流浪動物數量的上升。

所以結論就是:在這個接近現實的模擬中,沒有新的個體移入,無論是TNR或捕捉移除或雙管齊下都得要做到並且維持75%的強度,才能讓流浪動物數量在25年後有相當程度的下降。而一旦有新的個體移入,不用多,在這個500隻的族群當中每年最多不過是五十到一百隻的移入個體,就可以讓所有的處理手段和強度通通無效,只能眼睜睜看著時間精力跟金錢從手上溜走,卻永遠看不到流浪動物數量減少的可能。

c.c. rachidH in Flickr
c.c. rachidH in Flickr

看看這個研究,回頭想想台灣的狀況。這個模擬的族群不過才五百出頭隻,族群的最大承載量也不過是七百上下,搞了25年還是這麼不忍卒睹。對比起台灣十多萬隻的流浪動物在街頭,要真的等到流浪動物數量減少實在讓人等到心寒。

-----廣告,請繼續往下閱讀-----

而且,不過是一開始族群十分之一的外來個體,就可以幾乎完全摧毀大把時間金錢跟心力投入產生的效果。

所以,要想做些什麼讓現有的流浪動物數量下降,第一要務就是「不要讓外來個體移入』」,否則的話再大的處理強度都只是原地踏步而已。而台灣既然是個島嶼,那麼對整個台灣的流浪動物族群來說,外來的移入個體沒有別的,就是從家裡丟出去的「棄養」個體

在沒有棄養的狀況下,只要無法從一開始就達到50%以上的處理強度並且維持下去,捕捉移除或TNR也就已經無法減少整體流浪動物數量了。在有棄養的狀況下,想要降低整體流浪動物數量需要的處理強度則更是嚴苛。

我不知道台灣的棄養數量每年有沒有達到總族群量的十分之一,但是很顯然的,棄養會是一切努力成敗的關鍵。不管好棄養,做什麼TNR或是捕捉移除,很可能都只是白費力氣而已。我們不解決棄養這個重要病灶,過去一直都在做捕捉移除顯然白費力氣,但是現在推動TNR入法,期望以全面TNR的方式取代捕捉移除並且解決流浪動物問題,也可能只是另一種白費力氣而已。

如果你還是不相信的話,看看義大利跟夏威夷的告誡吧:「不藉由控制家貓的繁殖以防止棄養,所有的努力不過都是浪費金錢、時間跟精力而已」「降低棄養率顯然是個更能有效控制流浪動物數量的解方」

要想搞定台灣的流浪動物問題,我看我們還是趕快把力氣花在杜絕棄養上頭吧。

-----廣告,請繼續往下閱讀-----
文章難易度
YTLai_96
51 篇文章 ・ 31 位粉絲
也許永遠無法自稱學者,但總是一直努力學著

0

2
1

文字

分享

0
2
1
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----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

12
4

文字

分享

0
12
4
【2013 諾貝爾化學獎】用程式計算化學:電腦模擬催化知識發展!
諾貝爾化學獎譯文_96
・2022/01/11 ・4460字 ・閱讀時間約 9 分鐘

本文轉載自諾貝爾化學獎專題系列,原文為《【2013 諾貝爾化學獎】將實驗帶入網際空間

  • 譯者/曹一允|美國德州農工大學 Karen Wooley 教授指導下取得博士,現於日本萊雅公司進行研究。
  • 譯者/蔡蘊明|台大化學系名譽教授

化學反應以閃電的速度進行著;電子在原子核間跳躍,閃避著化學家們虎視眈眈的雙眼。2013 年的諾貝爾化學桂冠得主們利用電腦,讓化學的神祕路徑得以現形。對於化學運作的細部暸解,使得催化劑、藥物以及太陽能電池的最佳化變得更有效率。

將實驗帶入網際空間

全世界的許多化學家幾乎每天在電腦上設計以及執行實驗,透過馬丁.卡普拉斯(Martin Karplus)、麥可.李維特(Michael Levitt)以及艾瑞.瓦歇爾(Arieh Warshel)於 1970 年代所發展的方法,化學家們檢視著用肉眼無法看到的複雜化學過程之中的每一個小小的步驟。

爲了讓讀者感受到人類如何因此而受惠,讓我們用一個例子來開頭。請穿上你的實驗衣,因為我們要給你一個挑戰:創造人工光合作用。這個在綠葉中進行的化學反應,讓大氣充填了氧氣,也是地球上有生命存在的必要條件之一。但是從環境的角度來看,這是很有意義的,因為如果你能夠模擬光合作用,就能創造更有效率的太陽能電池。當水分解時會產生氧氣,但隨伴產生的氫氣則可以用於驅動我們的車輛。因此你有十足充分的理由參與這個計畫,假若你成功了,對解決溫室效應的問題,你也會有所貢獻。

一張圖超過千言萬語──但並非全部

做為第一步,你應該會上網去找尋那些控制光合作用的蛋白質的三維結構圖像。這些圖像均可從網路裡自由的取得,你可將圖像在電腦上隨意旋轉和扭曲,它揭露了巨大的蛋白質分子裡數以萬計的原子。在其中心某處,有一個小小的區域,被稱為反應中心,這就是水分子被裂解的地方。不過只有幾個原子是直接參與這個反應的。圖像很清楚的顯示了原子與離子相互坐落的位置,但卻無法說出這些原子與離子如何運作,這就是你需要搞清楚的。不知如何地,電子必須從水分子中取出,另有四個質子(H+)必須處理,這到底如何發生呢?

-----廣告,請繼續往下閱讀-----
現在的化學家在電腦上做實驗幾乎與在實驗室做實驗一般頻繁,從電腦上得到的計算結果經由真實的實驗得到證實後,讓我們對原子的世界如何運作得到新的線索。此可謂理論與實踐相輔相成。圖/諾貝爾化學獎專題系列

這個過程用傳統的化學方法基本上是無法弄清楚的,有太多的事情發生在一個毫秒(10-3秒)之內,這種速度排除了用試管實驗來研究之可能。從你的電腦圖像也仍然很難猜測反應的過程,因為圖像是在靜態取得的,然而當太陽照射在綠葉上時,那些蛋白質充滿了能量,而整個分子的結構改變了。為了瞭解這個化學反應,你需要知道充填了能量的分子結構是什麼樣子。

這就是需要召喚電腦程式來幫助你的時刻,而這些電腦程式就是基於 2013 年的諾貝爾化學獎得主們所奠定的基石。

理論與實踐──一個成功的相輔相成

利用這種電腦程式,你可以計算各種可能的反應路徑,這被稱為模擬(simulation or modeling),此法讓你對那些原子在化學反應的不同階段扮演的角色有些概念,而當你有一個可能的反應路徑時,會較容易執行真實的實驗,來證實電腦的對錯,這些實驗反過來提供了新的線索,以導致更好的電腦模擬結果;理論與實踐達到相輔相成的效果。結果是,化學家們花在電腦前面的時間,與花在試管之間的時間幾乎一樣多!

那麼這次諾貝爾化學獎得主們發展的電腦程式,到底有何神奇之處呢?

-----廣告,請繼續往下閱讀-----

將兩個世界最好的整合起來

過去,當科學家們要在電腦上模擬分子時,他們擁有的程式不是基於古典牛頓物理,就是基於量子物理,二者各有其長處與短處。基於古典物理的程式能計算與處理大的化學分子,它們只能顯示靜態的分子,給予化學家們關於分子內的原子的相對位置很好的圖像,可是你無法用這些程式去模擬化學反應。在化學反應時,分子是充滿能量的,處在激發的狀態,古典物理就是無法理解這些狀態,而這就成為一個嚴重的限制。

牛頓與薛丁格的貓:從前,古典物理與量子化學分屬兩個相互對抗的世界,2013 年的諾貝爾化學獎得主們替這兩個世界打開了一扇大門,帶來了暢旺的合作。圖/諾貝爾化學獎專題系列

當科學家們要模擬化學反應時,他們需要轉而求助量子物理;其二元理論(dualistic theory)將電子視為同時具有粒子與波動的雙重性質,其中著名的「薛丁格的貓」,藏在盒中,可能是活的也可能是死的。量子物理的強項在於它是沒有偏見的,其模型不包括科學家們的預測,因此這樣的模擬較為真實。但其缺點在於計算需要耗費龐大的電腦資源,因為電腦需要處理分子中的每一個電子以及原子核。這就好像一張數位圖像的像素(pixel)數目,像素越多,解析度越佳,但是需要較多的電腦空間。類似地,透過量子物理的計算,雖然可以描繪化學反應中的詳細過程,但是需要強大的電腦。在 1970 年代,這意味著科學家們只能對小分子進行計算。在模擬時,他們被迫忽略分子與周遭環境的作用,雖然真實世界中的化學反應大都在某些溶液中進行,但是假若科學家們計算時,要電腦將溶劑也一併考慮的話,他們將需要等待個幾十年才能得到結果。

所以古典物理與量子化學是兩個本質上不同,而且在某些方面相互衝突的世界。但是 2013 年的諾貝爾化學獎得主們,替這兩個世界打開了一扇大門。在他們的模型裡,牛頓與他的蘋果,跟薛丁格和他的貓合作。

量子化學與古典物理合作

在 1970 年代,在美國劍橋哈佛大學卡普拉斯的實驗室裡,開展了合作的第一步。卡普拉斯具有深厚的量子背景,他的研究小組發展的電腦程式,藉著量子物理的幫助可以模擬化學反應。他也發展了所謂的「卡普拉斯方程式」應用於核磁共振(NMR),那是一個化學家熟知的方法,乃基於分子的量子化學性質所建立的。當瓦歇爾完成他的博士學位後,在 1970 年進入了卡普拉斯的實驗室。他的博士學位是在以色列 Rehovot 的 Weismann 科學研究院所獲得的,該研究院擁有一台能力強大的電腦,被稱為 Golem,那是取自猶太傳說中的一位有生命的泥人的名字。透過 Golem 的幫助,瓦歇爾與李維特基於古典理論,發展了一個突破性的電腦程式,此程式能夠模擬各種分子,甚至於真正很大的生物分子。

-----廣告,請繼續往下閱讀-----

當瓦歇爾加入卡普拉斯在哈佛大學的研究小組時,帶著他那古典的電腦程式,以這個程式為起點,他與卡普拉斯發展了一個新的程式,以不同的方式計算不同的電子。在大部分的分子中,每一個電子繞著特定的原子核運行,但是在某些分子中,某些電子可以毫無阻礙的在數個原子核間移動,這些「自由電子」可以存在於像是視網醛(retinal)這個分子中,此分子是嵌在眼睛的視網膜上。卡普拉斯對於視網醛有著長期的興趣,因為這個分子的量子化學性質,影響了某些生物的功能;當光照射在視網膜上,視網醛的自由電子就會得到能量,因此改變了分子的形狀,這是人類視覺的第一步。

最後,卡普拉斯與瓦歇爾終於能夠處理視網醛,不過他們是從具有簡單結構的類似分子開始的。他們發展了一個電腦程式,運用量子物理來處理自由電子的計算,但是用簡單的古典理論來處理其它的電子以及所有的原子核。在 1972 年,他們發表了研究結果,這乃是第一次有人能夠透過古典與量子物理的合作來處理化學相關的問題,但是此法僅能處理具有鏡面對稱性的分子(像人一般有一面鏡子在身體正中央而左右對映)。

一個萬用程式來計算生命的化學

在哈佛大學待了兩年之後,瓦歇爾又與李維特合作。此時李維特已經完成了英國劍橋大學的博士訓練,正值全球尖端的研究都在於探討像是 DNA、RNA 以及蛋白質這類的生物分子。他企圖用他的古典電腦程式,來對生物分子的結構做進一步的瞭解,然而限制仍然存在,僅能觀察靜態的分子。

李維特與瓦歇爾瞄準了一個很高的目標,他們想要發展一個程式用來研究酵素;也就是生命活體中,控制與催化化學反應的許多蛋白質。早在瓦歇爾還是一位年輕的學生時,他就對於酵素如何運作很好奇。透過酵素間的相互合作,生命才可能存在,它們控制了基本上所有生命體內的各種化學,如果你想要瞭解生命,你就必須瞭解酵素。

-----廣告,請繼續往下閱讀-----

爲了能夠模擬酵素的反應,李維特與瓦歇爾必須讓古典與量子物理的合作更為順暢,這花了他們許多年去克服各種障礙。他們的探索始於 Weismann 科學研究院,但是當李維特在數年後完成了他的博士後研究的訓練,他回到了劍橋,在那裡瓦歇爾也來加入。在 1976 年,他們達成了目標,並發表了第一個酵素反應的電腦模擬,他們的程式是革命性的,因為它可以用在各種分子上,在模擬化學反應時,大小已經不成問題。

聚焦於運作的心臟

現在當化學家模擬化學反應時,他們需要時就會運用這種力量。他們對每一個直接影響化學過程的電子與原子核,進行吃力的量子物理計算,這樣,他們取得關鍵所在儘可能最佳的解析,分子其他的部分則用古典的方程式來模擬。

爲了不浪費電腦的能力,李維特與瓦歇爾將計算的負載進一步修減,電腦不需要一直處理分子中不重要部分的每一個原子,他們展示了可以將多個原子合併計算。

現在的計算中,科學家還在模擬時加入了第三個層次。簡單的來說,電腦可將離化學反應中心很遠的原子們包裹在一起,成為一個均勻的質體。在科學圈內,這被稱為介電介質(dielectric medium)。

-----廣告,請繼續往下閱讀-----
現今化學家們模擬分子的運作時,若有需要就會運用電腦的力量。量子物理的計算成為了此一系統的核心,其外則是基於古典物理的處理,而在最外層的原子和分子則視為聚集在一起的一團均勻物質,這種簡化的方式,讓我們能用計算來處理那些巨大的化學體系。圖/諾貝爾化學獎專題系列

模擬將帶我們進展至多遠決定在未來

因為現今的科學家可以用電腦來進行實驗,這讓我們對化學反應如何的進行得到了更深的理解。卡普拉斯、李維特以及瓦歇爾發展的方法的強度在於它們是萬用的,它們可以用來研究各種化學;從生命的分子到工業上的化學反應,科學家可以將太陽能電池、汽車用的催化劑或甚至於藥物最佳化,而這僅是舉幾個例子而已。

不過進展不會停在那裡,在李維特的一篇論文中,寫到了他的夢想:在分子的層次模擬生命體,那真是個極為誘人的想法。由 2013 年的諾貝爾化學獎得主們發展的電腦模擬,是極為有力的工具,到底它可將我們的知識推進到多遠,只有未來才能決定。

-----廣告,請繼續往下閱讀-----
諾貝爾化學獎譯文_96
15 篇文章 ・ 23 位粉絲
「諾貝爾化學獎專題」系列文章,為臺大化學系名譽教授蔡蘊明等譯者,依諾貝爾化學獎委員會的新聞稿編譯而成。泛科學獲得蔡蘊明老師授權,將多年來的編譯文章收錄於此。 原文請參見:諾貝爾化學獎專題系列

7

8
3

文字

分享

7
8
3
英國「流浪貓口普查」發現:社經條件較差、人口密度高的區域有較多流浪貓
Yiting_96
・2021/12/10 ・2778字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

你知道英國有幾隻流浪貓嗎?根據統計,在英國約有 1 千萬隻貓主子有貓奴飼養,但那些流浪在外的貓有多少,始終是個未知數。

若是能知道一個區域中有多少浪貓,就能提供動物福利機構許多有效資訊,使得有限的資源能被善加利用,以救助更多浪貓。但為什麼得知浪貓的數量如此困難?其實是因為我們實在很難斷定路上的這隻貓,到底是遭棄養/走失的浪貓、野貓,或只是一時興起跑出來散步的家貓——畢竟英國人很愛自家貓咪出門閒晃。

當今流行的公民科學(citizen science)在這方面或許可以幫上忙,藉由地方民眾與科學家的相互合作,分析路上的浪貓有多少。不過這項方法同樣有些困難待解決,例如公民在收集資料時潛在的取樣偏差,或是漏報、重複通報同一隻貓等情形,可能導致統計模型預測數據的效度(validity)降低。

灰色混凝土地板上的白貓
貓咪可能長得十分相似,並不容易清點數量。圖/Pexels

數值模型 ft. 公民科學,找出英國浪貓到底有幾隻

為了解決公民科學遭遇的困難,來自英國布里斯托大學 (University of Bristol)的研究團隊,使用了一種稱為 IAM(Integrated Abundance Model)的計算方式,整合當地居民有無養貓的訊息及專家資訊,將這種計算方式應用在公民科學資料庫「Cat Watch」裡的貓咪目擊資訊上,嘗試算出該地區有多少浪貓存在。

-----廣告,請繼續往下閱讀-----

Cat Watch 是由英國最大的貓科動物慈善福利機構「Cats Protection」所發起的一項社區計畫,鼓勵當地居民主動回報他們在戶外目擊到的貓,並將這些目擊資訊上傳至手機 app、社群媒體,或直接通知 Cat Watch 團隊。藉由當地居民回報的資訊,Cat Watch 團隊就能夠得知該區域有多少浪貓被目擊,整理成統計數據以便後續分析使用。

藉由 IAM 計算方式與 Cat Watch 的調查資料,研究團隊分析了五個英國鄉村地區,包括畢斯頓(Beeston)、布拉福市(Bradford)、布爾韋爾(Bulwell)、鄧斯特布爾(Dunstable)、侯頓瑞基斯(Houghton Regis),以及英國知名海港城市利物浦的埃弗頓區(Everton)發現,在社會經濟條件較差、人口密度高的地區,會有更多浪貓出現。而利用英國官方人口統計資料與社會經濟條件數據等訊息,團隊更進一步推測整個英國約有 25 萬隻浪貓存在!

Brown貓與棕緬因庫恩貓
在社會經濟條件較差、人口密度高的地區,會有更多浪貓出現。圖/Pexels

結紮與否,對浪貓而言關係重大!

為什麼社會經濟條件較差、人口密度高的地區會有較多浪貓?其實在先前研究已經指出,在社會經濟條件較差的地區,不論是有人飼養的寵物貓或是浪貓,曾接受過結紮手術的比例都較低。一但絕育過的貓咪數量少,該地區的貓口數可想而知會隨之上升。

那麼人口密度與浪貓之間的關係呢?這部分能探討的因素就比較多了。舉例來說,人口多的地方,寵物貓的數量也會較多,若是這些寵物貓並未結紮,很可能「不小心」就會有小貓咪誕生,導致貓口數激增;此外,遭人棄養或是走失的寵物貓,也會較人口數少的地區多。而人口多的地方,通常也代表著食物資源充足,豐富的食物資源同樣也吸引著浪貓前去。

當一個城市的浪貓過多,將造成公共衛生問題,例如跳蚤等寄生蟲感染,或是一些人畜共通傳染病的傳播;而對於其他野生動物來說,浪貓的存在相當於環境中的獵食者,可能威脅野生物種的生存。浪貓數量過多,也可能進一步衍伸出動物福利問題,例如城市中的浪貓健康狀況不佳、死亡率高,甚至人為虐待浪貓的事件也時有耳聞。

-----廣告,請繼續往下閱讀-----

英國浪貓團體的做法:落實TNR,讓社區參與浪貓照顧

主持這項研究的英國布里斯托大學獸醫學院 Jennifer McDonald 博士指出,目前的數值模型還有許多待改善的地方,若該模型能套用到更廣大、人口更多的地理區域(例如倫敦),將使模型預測出的浪貓數量更為精確。

發起該研究計劃的英國浪貓動保協會「Cats Protection」的浪貓節育負責人 Jane Clements 指出:「若我們對一個地區的浪貓數量有更多了解,一些與浪貓有關的社會福利機構就能更精準的投注資源,讓該地區的浪貓能得到較為妥善的照料。」

Jane Clements 表示,我們將把無法被家庭領養的浪貓進行絕育,並為當地居民提供在社區中照顧牠們的方法,例如提建造貓窩的材料;Jane Clements指出,社區參與是確保所有浪貓都得到長期和可持續照顧的關鍵,「這項研究將使我們能夠將 Cat Watch 計劃帶到最需要的地區。」

動物, 動物攝影, 哺乳動物 的 免費圖庫相片
流浪的生活,可能讓貓咪生病、發生交通意外。圖/Pexels

解決浪貓問題,TNR 是最佳解嗎?

關於上述 Cats Protection 「讓社區參與照顧浪貓」的前後整套做法,前段的「落實節育」其實就是廣為人知的「TNR」手段;TNR 指的是 Trap(誘捕)、Neuter(絕育)、Return(原放),是一種相對「捕捉移除」而言較人道的管理方式。理論上,在沒有新增移入個體的前提下,是可減少流浪動物繼續繁殖、擴大族群的做法。

-----廣告,請繼續往下閱讀-----

TNR 作為降低浪貓族群繁殖的做法,有其人道上的考量,理論上在執行一定程度的時間後,的確可能降低浪貓族群的數量;但問題是「國情不同」,英國浪貓團體的整套做法未必能直接套用在台灣,有種種的變數可能導致浪貓不減反增——例如台灣相對狹小的城市環境,很可能讓「社區參與」反而造成浪貓為了爭奪有限的食物資源而讓貓群更密集,也讓愛貓人士更容易餵養浪貓。

而在浪貓族群擴大後,在沒有足夠預算及人力 100% 執行 TNR 的情況下,TNR 的效果恐怕非常有限。很諷刺的,人類對浪貓的一番善意,最終可能導致更多一生飽受苦難的浪貓在街頭流浪並死去……。

總結來說,浪貓的出現與人類行為脫不了關係。尤其以來台灣的地理條件來看,導致TNR無法有效降低浪貓族群的關鍵,絕對是無良飼主的「棄養」行為——被棄養的家貓,就是浪貓族群的「新增移入個體」,就是導致浪貓不斷繁衍的關鍵。

本次分享的英國貓口普查研究,是透過公民科學家的參與,再加上科學研究的學理輔助,讓我們能更進一步掌握流浪動物數量的方法。期望未來這些技術能被有效使用,讓我們找出人類與浪貓共生的平衡方程式。

-----廣告,請繼續往下閱讀-----

最後,讓我們再說一次,「棄養」是造成浪貓苦難的一切源頭,貓咪的確非常可愛,但領養前得三思——你真的有條件可以照顧牠的一生嗎?

參考資料:

  1. McDonald, J.L., Skillings, E. Human influences shape the first spatially explicit national estimate of urban unowned cat abundance. Sci Rep 11, 20216 (2021). https://doi.org/10.1038/s41598-021-99298-6
  2. 不曾終止的流浪動物之殤——圖解台灣動保現況2020版,窩窩,2020/11/26。
  3. 當TNR和捕捉移除的效果遇上棄養
  4. 在減少整體流浪動物數量上,TNR與捕捉移除的效果誰好?
-----廣告,請繼續往下閱讀-----
所有討論 7
Yiting_96
4 篇文章 ・ 1 位粉絲
在鳳梨田裡唸生科的人類,畢業後意外走上了科普路,目前還在緩慢前行中。喜歡有趣怪知識、諧音爛笑話,還有床。