揪出英國水災的幕後黑手

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

思韋茨冰川 (Thwaites Glacier)，又稱末日冰川 (Doomsday Glacier)，是南極洲西部冰蓋 (ice sheet) 的一部分，面積約為 192,000 平方公里，相當於美國堪薩斯州的大小。也因其如此大的面積，加上近年快速的融化速率，使得科學家難以預估當前全球平均海平面的上升速率。為能更準確了解冰川消融對全球的影響，科學家有必要找出三個關鍵問題的答案：第一，是什麼造成冰川融化速率加快？第二，造成冰川融化加快的機制有哪些？以及第三，冰川融化加快將如何影響全球平均海平面上升？

為什麼南極洲冰川加速融化

是什麼造成南極洲冰川融化速率加快？在過去科學家的研究中，就已注意到南極洲的冰蓋、冰棚 (ice shelf)，會受到周圍相對溫暖的水流影響而導致融化 [1][2]。然而這些溫暖的水流是如何流動，以及這些水流如何影響這些冰川地形，受限於直接觀測資料的缺乏，一直是一個亟欲解決的問題。直到西元 2019 年，來自美國和英國的科學家，透過一項科學計畫 International Thwaites Glacier Collaboration (ITGC)，針對思韋茨冰川進行更進一步的觀測 [3][4]。科學團隊們藉由多波束測深探測儀 (multibeam echo-sounder ,MBES) 的資料，試圖繪製出思韋茨冰川周圍的海床地形變化，以便進一步了解暖水在冰川周圍流動的路徑；掌握路徑分佈後，則可以改善模擬冰川融化的模型，從而提高預測全球海平面上升速率的準確性。

觀測冰川底下暖水數據

今年最新的研究中，科學家首次針對思韋茨冰川底下的暖水收集觀測數據 [5]。這項任務的重要性在於，它可以幫助科學家回答以下問題：冰川底下海洋環流的基本性質是什麼？暖水主要是由哪一個路徑影響冰川？暖水可以深入冰川底下的洞穴到多遠的距離？以及冰川的融化速率有多大程度取決於暖水的流動？

要完整的了解暖水如何影響思韋茨冰川融化，首先要了解整體冰川地形的結構。從圖二可以看到，冰川 (Glacier) 屬於在陸面上緩慢流動的巨大冰體，而冰蓋 (Ice Shelf) 則為從陸地流入海洋大量的冰，在出海口累積成一片厚而廣大的浮冰，並與附近海岸線連成一體（可參考圖二）。當暖水流經冰棚底下，便會加速冰棚局部融化，而一旦冰棚融化，便會加快冰川流入海中的速率，從而加速冰川融解。第二，了解暖水的流動路徑及性質十分重要，其中路徑取決於冰川周遭的海底地形分佈。比喻來說，當水流經一道高牆時，流動的方向就會受到阻攔，反之當流經一個通道時，就會特別順暢；其中海脊 (ridge) 相對周圍地勢來得高，就如同那道高牆，而海槽 (trough) 則相比周遭地勢來得低，如同一個凹槽。因此對於暖水來說，海槽更像是一個容易經過的通道。

目前科學家對於思韋茨冰川周圍的海床分佈已有一定了解，並推估出在冰川北方存在三個主要的海槽，分別標示為 T1、T2 及 T3（見圖三 Ａ），推斷暖水可能透過這些區域進入冰棚底下。根據觀測，目前已知最高的融水 (meltwater) 濃度出現在思韋茨海槽 (Thwaites Trough)，然而並不了解冰棚底下暖水的流動分佈；此外從圖三中可知，在東側存在海脊，因此暖水相對受到東側海脊的阻擋，更有可能經由北側透由深海槽進入思韋茨冰川舌 (Thwaites Glacier Tongue, TGT) 底下。根據先前模擬模型，思韋茨冰川的侵蝕與海洋動力存在關係 [6][7]，且暖水主要從北側的路徑而來，東側進入的水體則相對少了許多，並僅在冰棚下流動約幾公里之遠。然而如先前所述，受限於觀測資料的缺乏，模型的模擬仍有許多改進空間。

找出冰棚消融的主因

這次的研究中 [5]，科學家透過新的觀測數據，發現海槽比原本預期的還要深約 100~300 公尺，並透過其他觀測儀器，如自主水下載具 (Autonomous Underwater Vehicle  , AUV) 等，量測這些海槽中海水的性質，確認在 T2 及 Ｔ3 兩個海槽中存在厚度約 200-300 公尺的暖水，並透過聲學都卜勒流速剖面儀 (Acoustic Doppler Current Profiler, ADCP) 數據的收集，推斷出在 Ｔ2 海槽中存在一向北流出的水體，而在 T3 海槽，則存有向南流入冰棚底部的暖水，該熱流約達 0.9 兆瓦 (terawatt, TW)；根據推算，其將產生一年約 85 Gt（gigatonne, 十億噸 ）的融水。從先前 2010-2018 年所建立的數據可得知，該處整體冰棚的融化速率約為 97.5 Gt/year，揭示出在 T3 流入的暖水可能為影響冰棚大部分消融的原因。

當相對高鹽度的暖水流入冰棚底部，失去潛熱並接觸融化的冰水後，水溫開始下降，由於與融水的混合，鹽度也隨之降低，最終提高含氧量 [8][9]。

透過這些資訊，科學家發現在 T2 海槽，融水的比例相對高於 T3，尤其是位於上層向北的水流（水深 400 公尺內）。另外透過 AUV 資料的收集，科學家發現來自 Pine Island Bay 的深層水透過流經東側冰棚 (Eastern Ice Shelf, EIS) 底下而抵達 T3 海槽區域。該發現比原先模型所預期的深層水流動範圍更向西延伸 [7]，說明在 EIS 底下的海脊可能比原先預估的深度還要深（>1050 公尺），又或者並沒有如原先所推估的延伸至北邊，以阻擋來自 Pine Island Bay 的深層水。

根據本次研究 [5]，科學家總結出高比例的融水主要在西側流出，而另兩個深層水主要分別流入冰棚兩側，其中之一為先前已知由思韋茨海槽進入的暖水，另一個則為之前未知、由 Pine Island Bay 流入的暖水路徑。後者由於受到在地氣候條件 [10] 以及 Pine Island 冰川融化的影響 [11]，意味著未來思韋茨冰川的融化速率以及該處整體冰川動力機制，將會比原先模型所預期的，更加依賴於 Pine Island 區域當地條件。

冰川消融帶來的影響

由於冰棚的存在有助於減緩冰川上冰流入海水的速率，當冰棚因流入的暖水融化而逐漸脫離海床（失去如路障般的作用），便會反過來加速思韋茨冰川上的冰流入海中。冰川的前緣不斷融化導致朝陸地後退，最後高聳的冰川峭壁將承受不住自身重量，而快速崩解；一旦思韋茨冰川消失，會使得南極洲西側的冰蓋更不穩定，並可能造成連鎖崩解的效應。[12]

思韋茨冰川的融化貢獻每年全球海平面上升的 4%，而若整個冰川全部消失，則將造成全球海平面上升近 0.5 公尺的高度 [13]，這將進一步影響各國海岸線的分佈、人口的遷移，甚至是氣候乃至生態系統的改變。當前南極的冰川融化問題無疑對當代人類再次敲響了警鐘，而若人類對於氣候變遷再不做出更多具體的因應作為，則隨著末日冰川的消失，人類的末日恐怕又將更靠近一步。

參考文獻

1. Jacobs, S. S., Hellmer, H. H., & Jenkins, A. (1996). Antarctic ice sheet melting in the Southeast Pacific. Geophysical Research Letters, 23(9), 957-960.
2. Jacobs, S., Giulivi, C., Dutrieux, P., Rignot, E., Nitsche, F., & Mouginot, J. (2013). Getz Ice Shelf melting response to changes in ocean forcing. Journal of Geophysical Research: Oceans, 118(9), 4152-4168.
3. Hogan, K. A., Larter, R. D., Graham, A. G., Arthern, R., Kirkham, J. D., Totten Minzoni, R., … & Wellner, J. (2020). Revealing the former bed of Thwaites Glacier using sea-floor bathymetry: implications for warm-water routing and bed controls on ice flow and buttressing. The Cryosphere, 14(9), 2883-2908.
4. Jordan, T. A., Porter, D., Tinto, K., Millan, R., Muto, A., Hogan, K., … & Paden, J. D. (2020). New gravity-derived bathymetry for the Thwaites, Crosson, and Dotson ice shelves revealing two ice shelf populations. The Cryosphere, 14(9), 2869-2882.
5. Wåhlin, A. K., Graham, A. G. C., Hogan, K. A., Queste, B. Y., Boehme, L., Larter, R. D., … & Heywood, K. J. (2021). Pathways and modification of warm water flowing beneath Thwaites Ice Shelf, West Antarctica. Science Advances, 7(15), eabd7254.
6. Seroussi, H., Nakayama, Y., Larour, E., Menemenlis, D., Morlighem, M., Rignot, E., & Khazendar, A. (2017). Continued retreat of Thwaites Glacier, West Antarctica, controlled by bed topography and ocean circulation. Geophysical Research Letters, 44(12), 6191-6199.
7. Nakayama, Y., Manucharyan, G., Zhang, H., Dutrieux, P., Torres, H. S., Klein, P., … & Menemenlis, D. (2019). Pathways of ocean heat towards Pine Island and Thwaites grounding lines. Scientific reports, 9(1), 1-9.
8. Jenkins, A. (1999). The impact of melting ice on ocean waters. Journal of physical oceanography, 29(9), 2370-2381.
9. Biddle, L. C., Heywood, K. J., Kaiser, J., & Jenkins, A. (2017). Glacial meltwater identification in the Amundsen Sea. Journal of Physical Oceanography, 47(4), 933-954.
10. Webber, B. G., Heywood, K. J., Stevens, D. P., Dutrieux, P., Abrahamsen, E. P., Jenkins, A., … & Kim, T. W. (2017). Mechanisms driving variability in the ocean forcing of Pine Island Glacier. Nature communications, 8(1), 1-8.
11. Webber, B. G., Heywood, K. J., Stevens, D. P., & Assmann, K. M. (2019). The impact of overturning and horizontal circulation in Pine Island Trough on ice shelf melt in the eastern Amundsen Sea. Journal of Physical Oceanography, 49(1), 63-83.
12. Carolyn Beeler (2019). If Thwaites Glacier collapses, it would change global coastlines forever.
13. SUSIE NEILSON (2020). Antarctica’s ‘Doomsday Glacier’ Is in Serious Danger, New Research Confirms.

• 文／陳明堂，中央研究院天文所及天文物理研究所研究員，兼天文所夏威夷運轉副所長。

去 (2019) 年，臺灣黑洞團隊與事件視界望遠鏡 (Event Horizon Telescope, EHT) 公布第一張黑洞照片。一年後，他們雖然沒有呈現新的黑洞照片，卻推出一張所未見的黑洞噴流影像。黑洞噴流如同兩隻金魚的發光體，起初讓研究團隊摸不著頭緒。所幸 EHT 強大的解析能力逐漸解開噴流的真面目，原來圖片左上的影像是噴流的源頭，右下則是逐步遠離的噴流。此外，這把宇宙等級的噴火槍其實是耀變體，在觀測中展現出許多令人驚奇的特性。

宇宙級的噴火槍：3C 279

在去年公布的首張黑洞影像後，事件視界望遠鏡團隊今 (2020) 年又再次發表另一張超高解析度的影像（下圖）。這次的目標是一個叫做 3C 279 的星體，影像呈現出一對橢圓狀的發光體。這兩個光體的位置左上右下，似乎處在一種隨遇而安的狀態。與去年發表的黑洞甜甜圈不同，反而像在一潭黝黑的池水中，偶爾浮上水面的兩條金魚。

3C 279 是一個類星體（quasar，下圖），位在室女座（Virgo Constellation，又稱處女座）附近，靠近春季大三角 (Spring Triangle) 的角宿一 (Spica)。

雖然肉眼看不見 3C 279，但是從過去的觀測，天文學家知道它是銀河系外頭的另一個星系。它發出的訊號，從低能量的無線電波、紅外線到可見光、紫外線延伸至高能量的 X 光，應有盡有；甚至也會發出強烈的超高能量的射線。

與去年的 M87* 黑洞相比，為什麼這次的影像中沒有看到甜甜圈呢？

因為 3C 279 距離地球太遠了，相比之下，去年拍到 M87* 離地球「僅僅」5500 萬光年，而 3C 279 則幾乎是 100 倍遠的距離。不僅如此，根據天文學家的估計，3C 279 中心黑洞的大小還不到 M87* 的五分之一。由於又小又遠，因此以目前 EHT 的影像解析能力，還無法完全看到 3C 279的黑洞，所以在此影像中才看不到任何的甜甜圈。

黑洞物理參數的比較

看不見甜甜圈沒關係，EHT 還是有辦法解析！

雖然看不到黑洞，但是天文學家可以利用 EHT 的超級解析能力來研究黑洞外圍的物理現象。

當環繞黑洞的星際物質從吸積盤掉進黑洞時，並非所有物質都會進入黑洞之中。其中一部份的物質會以電漿能量包的形式，以極高的速度從黑洞的兩個極點朝外噴出，物質噴出的速度趨近光速，這就是所謂的噴流。目前科學家還不了解噴流的確切成因，但是一般認為是吸積盤與黑洞周遭的磁力場所造成，這也是 EHT  的科學家研究 3C 279 的主要動機。

人們對黑洞的了解是建立在愛因斯坦的廣義相對論。黑洞是經由重力塌縮 (gravitational collapse) 後形成的星體，它具有質量、自轉和事件視界 (event horizon)。根據理論，任何發生在事件視界裡面的資訊都無法傳遞到外面，所以對外界的觀察者而言，黑洞的物理性質來自於事件視界之外的空間，因此事件視界代表黑洞的視覺大小。

2017 年 4 月的觀測期間，EHT 除了使用參與團隊的天文台之外，還另外動用其它兩組望遠鏡陣列，總共三組陣列透過不同的電波波長擷取 3C 279 的影像。其中，長波段的影像（超長基線陣列 VLBA 波長 7 mm）擷取到 3C 279 大範圍的相貌，影像明顯顯示左上角黑洞所在的熱點及從熱點衝往右下方向的噴流；中波段的影像（全球毫米波特長基線陣列 GMVA 波長 3 mm）把目光聚焦在靠近黑洞和噴流的起始點，期望從影像中能透露出關於噴流起源的訊息。但結果卻不盡人意，此波段呈現出來的影像幾乎是長波長的翻版，導致很難從結果中分辨出熱點和噴流之間的差別。

要看得更仔細， EHT 使用 8 座次毫米波電波觀測站同時朝熱點觀看，能提供更細微的影像解析能力（波長 1.3 mm），所得到的影像與中、長波段的結果相比，的確有出乎意料的發現。EHT 的影像出現左上與右下兩個獨立的部份，經由影像分析，EHT 團隊科學家認為右下部份訊號的移動方向與速度，和中、長波長影像中的噴流類似，因此他們認為右下部分的光影是大尺度噴流的一部份。此結論比較是可以預期，而沒有太多的爭論。可是該如何解釋位於左上的訊號就不是那麼容易了。

猶如宇宙噴火槍的耀變體

說到這裡，如果讀者對類星體有些認識，可能會猜測左上的光影應該是黑洞吸積盤發出的能量，黑洞就躲在巨大的吸積盤中間；而右下部份的狹長光影就是黑洞的噴流結構。噴流與吸積盤呈現接近 90 度的相對位置，此猜想符合天文學家想像中的類星體（下圖），可是問題卻沒有那麼簡單。

3C 279 是類星體中的特殊例子，特別的地方在於它的噴流方向非常接近觀測的視線。如果把噴流當作是一把宇宙噴火槍的火焰，那麼在地球上觀看 3C 279 的方向幾乎是往火槍的噴嘴裡頭看進去，高能量的噴流就只對著地球上的觀測者打出來。由於都卜勒效應 (Doppler effect) 的關係，此噴流看起來會特別亮，因此天文學家給這類型的類星體一個特殊的名字：耀變體（blazar，或稱耀星體）。

令人匪夷所思的觀測結果

換句話說，從地球的角度觀測，3C 279 除了具有一個非常強烈的中心訊號源外，天文家認為應該可以看到整個吸積盤才對，並認為從此角度觀測，吸積盤應該是接近圓形。但是在 EHT 的影像中，左上的光體卻是個狹長的橢圓形，該如何解釋異形怪狀的吸積盤，對理論學家是一大挑戰。

有一種解釋說法認為，左上與右下的光影其實是一樣的，都是噴流的高能量聚集的電漿能量包。二者不同之處在於，左上的能量包非常接近黑洞的噴嘴，並以更對準觀測者視線的角度而來，當然此角度並不完美，因此高能噴流的還是會在觀測的視線中投射出一個狹長的橢圓光影。雖然可以合理解釋觀察到的左上光影，但又該如何解釋左上與右下的能包移動的方向似乎不一樣？難道噴流會改變它的方向？

關於這一點，天文學家從其它類星體的觀測經驗，知道由於吸積盤附近的強大磁場作用，噴流的確有可能改變方向。在類星體中心的磁場作用下，噴流的路徑可能比上下 360 度翻滾的雲霄飛車還複雜，因而造成 EHT 觀測到的奇怪影像，所以目前 EHT 的團隊相信這是一個比較合理的解釋。

觀測「超光速」移動的噴流？

這次 EHT 共花了4 天的時間觀測 3C 279，而每天都會產生一組非常類似的影像，經過仔細檢查，EHT 的團隊發現影像中的兩個光體的距離每天都有些不同。事實上，兩個光體正在分開中。此觀察符合前一段的論證：左上的光影代表噴流的源頭，右下是正在離開的噴流。

有了 EHT 望遠鏡的超級解析度，天文學家可估計噴流的移動速度。EHT 的團隊發現右下的能量正以超過 10 倍光速的速度離開噴流的源頭位置。讀者可能會納悶，超光速運動是有可能的嗎？

其實天文學家在半世紀前就已經知道，類似耀星體所發出來的噴流「看起來」會有超光速現象 (superluminal motion)。如此奇怪的現象是因為高能量的噴流速度接近光速，但是由於觀測角度的關係，從遠方看起來噴流的速度超過光速。此現象其實可以用相對論解釋，所以看起來超光速並不代表真正超越光速。

宇宙的更多故事等著被挖掘

53 億年前，那時太陽系正在慢慢成形，地球根本還沒存在。然而，隨著科學的進展，一個發生在距離地球 53 億光年外的物理現象，竟然被天文學家看到了！

此次 EHT 發布的影像雖然沒有如同去年 M87* 黑洞的影像引起一陣轟動，然而 3C 279 的影像透露出來的新資訊，似乎讓天文學家產生更多的問題與好奇。這就是科學發展，隨著 EHT 突破性的觀測儀器發展，人們將會看到許多前所未見的現象，並引導好奇的科學家們，更進一步了解所處在的宇宙。

2017 年參與 EHT 的八座望遠鏡中，臺灣參與建造或運作的一共有三座，包含夏威夷的次毫米波陣列 (SMA)、詹姆士克拉克麥克斯威爾望遠鏡 (JCMT) 和智利的阿塔卡瑪大型毫米波及次毫米波陣列 (ALMA)，再加上貢獻運作經費與觀測人力，讓臺灣團隊占有顯著的地位，這也是總共 13 席的 EHT 董事成員，臺灣中研院就占兩席的原因。

臺灣團隊一手主導的格陵蘭望遠鏡，直到 2018 年才加入 EHT，並參與 3C 279 的觀測。目前的觀測資料正在處理中，EHT 團隊期待格陵蘭望遠鏡的加入，能夠揭露更多噴流結構的細節，能讓天文學破解出黑洞周遭的祕密。如此的結果將會大大的提升臺灣天文學家在黑洞研究的地位，也讓臺灣獨特的貢獻受到世人的重視。

延伸閱讀

• Jae-Young Kim et al., Event Horizon Telescope imaging of the archetypal blazar 3C 279 at an extreme 20 microarcsecond resolution, Astronomy & Astrophysics, 2020.

本文轉載自《科學月刊》 宇宙中的噴火槍—黑洞噴流影像現蹤跡

在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。