0

0
1

文字

分享

0
0
1

交通號誌燈模擬:省時省油的好方法

昱夫
・2014/08/04 ・1248字 ・閱讀時間約 2 分鐘 ・SR值 517 ・六年級

國民法官生存指南:用足夠的智識面對法庭裡的一切。

Traffic light tree. Credit: William Warby
Traffic light tree. Credit: William Warby

每天傍晚5~7點,卡在車陣中的我總是感到焦躁不安,既煩悶又空虛,望向前方的紅綠燈,竟然給我ㄧ片通紅⋯⋯逢年過節,有些路段要移動5公尺甚至得耗上半小時以上,簡直是煉獄。

長時間的塞車消磨人心也浪費汽油,更會排放出多餘的廢氣造成污染。你應該有過這樣的疑惑,為什麼紅燈老是在交通擁塞時一直亮起呢?難道沒有好的號誌設定可以讓交通變得更順暢嗎?其實,這類複雜的網絡問題早已有許多理論模型被提出,其中一些是以縮短交通時間為目的,另外也有部份是針對汽油消耗最佳化的模型,只是以往這兩者鮮少被混合應用在同ㄧ個模型上。

前些日子,麻省理工(Massachusetts Institute of Technology, MIT)的Carolina Osorio團隊,發展了ㄧ套新的交通號誌演算模型,可以結合交通時間與燃料消耗兩個因素,來達到最佳化效果[1]。他們以瑞士的洛桑(Lausanne)作為研究對象,針對進入傍晚尖峰時間的第一個小時,分析區域內47條道路和15個路口的交通狀況(其中包含9個有安裝交通號誌的路口,每個號誌的變換週期設定為90秒或100秒),透過模擬結果,他們的新演算方法可以減少車輛群體平均花在行進的時間高達22%,效果顯著。

Photo Credit: Jose-Luis Olivares/MIT
Photo Credit: Jose-Luis Olivares/MIT

針對交通號誌的控制,常見的演算方法分為兩類型,一種是大尺度、以流量統計分析為基礎,這種方法的精準度較差,但相對節省計算資源;另一種方法,則是導入每一輛行車的資料,在各別路口與路段重新做計算,「由下往上」建立整體的模型,此類型方法會遇到的困難,就是其結果往往極度非線性,需要很大量的資料和重複計算,才能得到與現實接近的狀況。而Osorio團隊的想法,便是希望以大尺度方法的模型為基礎,從中引入小單元的行車資訊,提高精準度,同時又可以避免消耗過多的計算資源。

「在現實中,當我們想要調整號誌時間來提高效率,常常都會將設定的目標侷限在很小的區域,但這樣的效果卻不一定很好;在我們的研究裡,我們將目標區域擴展至整個城市,以宏觀的角度去分析路段間的關係與行車的流量,從而有效縮短了交通時間」Osorio說道。

除了麻省理工的這項研究,在交通網絡的領域也有很多新奇的點子,希望改善交通擁塞的問題:有人提出可以直接讓車輛和交通號誌做網路連結,建立一個「智慧交通」系統,當車子接近時,號誌可以主動根據該路口的車流量,來調整燈號變換的時機[2]。

目前,紐約已開始和麻省理工合作,希望將Osorio的研究實際應用到城市交通網上,測試它的實用性;如果成功,希望類似的計劃也能在近幾年內快速普及至各大城市,畢竟,改善塞車,不只可以減緩空氣污染,更是挽救了千千萬萬人煩悶的心啊~

 

延伸閱讀:

 參考資料:

  1. 此論文將刊登於下一刊的Transportation Science上 :Carlina Osorio and kanchana Nanduri, Energy-efficient urban traffic management: a microscopic-based approach, Transportation Science
  2. Smart Traffic Light Could help Cars Save Gas [IEEE, Oct 27, 2010]

資料來源:Better Traffic Light Simulations Could Cut Travel Time and Gas Use [IEEE, July 10, 2014]

文章難易度
昱夫
57 篇文章 ・ 1 位粉絲
PanSci實習編輯~目前就讀台大化學所,研究電子與質子傳遞機制。微~蚊氫,在宅宅的實驗室生活中偶爾打點桌球,有時會在走廊上唱歌,最愛929。

0

1
0

文字

分享

0
1
0
用這劑補好新冠預防保護力!防疫新解方:長效型單株抗體適用於「免疫低下族群預防」及「高風險族群輕症治療」
鳥苷三磷酸 (PanSci Promo)_96
・2023/01/19 ・2874字 ・閱讀時間約 5 分鐘

本文由 台灣感染症醫學會 合作,泛科學企劃執行。

  • 審稿醫生/ 台灣感染症醫學會理事長 王復德

「好想飛出國~」這句話在長達近 3 年的「鎖國」後終於實現,然而隨著各國陸續解封、確診消息頻傳,讓民眾再度興起可能染疫的恐慌,特別是一群本身自體免疫力就比正常人差的病友。

全球約有 2% 的免疫功能低下病友,包括血癌、接受化放療、器官移植、接受免疫抑制劑治療、HIV 及先天性免疫不全的患者…等,由於自身免疫問題,即便施打新冠疫苗,所產生的抗體和保護力仍比一般人低。即使施打疫苗,這群病人一旦確診,因免疫力低難清除病毒,重症與死亡風險較高,加護病房 (ICU) 使用率是 1.5 倍,死亡率則是 2 倍。

進一步來看,部分免疫低下病患因服用免疫抑制劑,使得免疫功能與疫苗保護力下降,這些藥物包括高劑量類固醇、特定免疫抑制之生物製劑,或器官移植後預防免疫排斥的藥物。國外臨床研究顯示,部分病友打完疫苗後的抗體生成情況遠低於常人,以器官移植病患來說,僅有31%能產生抗體反應。

疫苗保護力較一般人低,靠「被動免疫」補充抗新冠保護力

為什麼免疫低下族群打疫苗無法產生足夠的抗體?主因為疫苗抗體產生的機轉,是仰賴身體正常免疫功能、自行激化主動產生抗體,這即為「主動免疫」,一般民眾接種新冠疫苗即屬於此。相比之下,免疫低下病患因自身免疫功能不足,難以經由疫苗主動激化免疫功能來保護自身,因此可採「被動免疫」方式,藉由外界輔助直接投以免疫低下病患抗體,給予保護力。

外力介入能達到「被動免疫」的有長效型單株抗體,可改善免疫低下病患因原有治療而無法接種疫苗,或接種疫苗後保護力較差的困境,有效降低確診後的重症風險,保護力可持續長達 6 個月。另須注意,單株抗體不可取代疫苗接種,完成單株抗體注射後仍需維持其他防疫措施。

長效型單株抗體緊急授權予免疫低下患者使用 有望降低感染與重症風險

2022年歐盟、英、法、澳等多國緊急使用授權用於 COVID-19 免疫低下族群暴露前預防,台灣也在去年 9 月通過緊急授權,免疫低下患者專用的單株抗體,在接種疫苗以外多一層保護,能降低感染、重症與死亡風險。

從臨床數據來看,長效型單株抗體對免疫功能嚴重不足的族群,接種後六個月內可降低 83% 感染風險,效力與安全性已通過臨床試驗證實,證據也顯示針對台灣主流病毒株 BA.5 及 BA.2.75 具保護力。

六大類人可公費施打 醫界呼籲民眾積極防禦

台灣提供對 COVID-19 疫苗接種反應不佳之免疫功能低下者以降低其染疫風險,根據 2022 年 11 月疾管署公布的最新領用方案,符合施打的條件包含:

一、成人或 ≥ 12 歲且體重 ≥ 40 公斤,且;
二、六個月內無感染 SARS-CoV-2,且;
三、一周內與 SARS-CoV-2 感染者無已知的接觸史,且;
四、且符合下列條件任一者:

(一)曾在一年內接受實體器官或血液幹細胞移植
(二)接受實體器官或血液幹細胞移植後任何時間有急性排斥現象
(三)曾在一年內接受 CAR-T 治療或 B 細胞清除治療 (B cell depletion therapy)
(四)具有效重大傷病卡之嚴重先天性免疫不全病患
(五)具有效重大傷病卡之血液腫瘤病患(淋巴肉瘤、何杰金氏、淋巴及組織其他惡性瘤、白血病)
(六)感染HIV且最近一次 CD4 < 200 cells/mm3 者 。

符合上述條件之病友,可主動諮詢醫師。多數病友施打後沒有特別的不適感,少數病友會有些微噁心或疲倦感,為即時處理發生率極低的過敏性休克或輸注反應,需於輸注時持續監測並於輸注後於醫療單位觀察至少 1 小時。

目前藥品存放醫療院所部分如下,完整名單請見公費COVID-19複合式單株抗體領用方案

  • 北部

台大醫院(含台大癌症醫院)、台北榮總、三軍總醫院、振興醫院、馬偕醫院、萬芳醫院、雙和醫院、和信治癌醫院、亞東醫院、台北慈濟醫院、耕莘醫院、陽明交通大學附設醫院、林口長庚醫院、新竹馬偕醫院

  • 中部

         大千醫院、中國醫藥大學附設醫院、台中榮總、彰化基督教醫療財團法人彰化基督教醫院

  • 南部/東部

台大雲林醫院、成功大學附設醫院、奇美醫院、高雄長庚醫院、高雄榮總、義大醫院、高雄醫學大學附設醫院、花蓮慈濟

除了預防 也可用於治療確診者

長效型單株抗體不但可以增加免疫低下者的保護力,還可以用來治療「具重症風險因子且不需用氧」的輕症病患。根據臨床數據顯示,只要在出現症狀後的 5 天內投藥,可有效降低近七成 (67%) 的住院或死亡風險;如果是3天內投藥,則可大幅減少到近九成 (88%) 的住院或死亡風險,所以把握黃金時間盡早治療是關鍵。

  • 新冠治療藥物比較表:
藥名Evusheld
長效型單株抗體
Molnupiravir
莫納皮拉韋
Paxlovid
倍拉維
Remdesivir
瑞德西韋
作用原理結合至病毒的棘蛋白受體結合區域,抑制病毒進入人體細胞干擾病毒的基因序列,導致複製錯亂突變蛋白酵素抑制劑,阻斷病毒繁殖抑制病毒複製所需之酵素的活性,從而抑制病毒增生
治療方式單次肌肉注射(施打後留觀1小時)口服5天口服5天靜脈注射3天
適用對象發病5天內、具有重症風險因子、未使用氧氣之成人與兒童(12歲以上且體重至少40公斤)的輕症病患。發病5天內、具有重症風險因子、未使用氧氣之成人與兒童(12歲以上且體重至少40公斤)的輕症病患。發病5天內、具有重症風險因子、未使用氧氣之成人(18歲以上)的輕症病患。發病7天內、具有重症風險因子、未使用氧氣之成人與孩童(年齡大於28天且體重3公斤以上)的輕症病患。
*Remdesivir用於重症之適用條件和使用天數有所不同
注意事項病毒變異株藥物交互作用孕婦哺乳禁用輸注反應

免疫低下病友需有更多重的防疫保護,除了戴口罩、保持社交距離、勤洗手、減少到公共場所等非藥物性防護措施外,按時接種COVID-19疫苗,仍是最具效益之傳染病預防介入措施。若有符合施打長效型單株抗體資格的病患,應主動諮詢醫師,經醫師評估用藥效益與施打必要性。

文章難易度
鳥苷三磷酸 (PanSci Promo)_96
160 篇文章 ・ 270 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

2
3

文字

分享

0
2
3
超級電腦爭霸戰的新一頁開始了:Exascale(10 的 18 次方)之戰
Y.-S. Lu
・2022/09/10 ・5230字 ・閱讀時間約 10 分鐘

2023 即將上線的超級電腦(Supercomputer)

歐洲最大的超級電腦(Supercomputer),將要在 2023 年上線啦!今年六月中時,德國于利希研究中心(Forschungszentrum Jülich GmbH)的超級計算中心(Jülich Supercomputing Centre, JSC)發佈新聞稿[1],表示歐盟的歐洲超級電腦中心聯合承辦組織(EuroHPC Joint Undertaking)選定該研究中心的超級計算中心,做為歐洲第一個設立 Exascale 超級電腦 Jupiter 的地點[2],歐盟出資一半,而另一半的資金將由德國教育部(BMBF)以及北萊茵威斯特法倫州(Nordrhein-Westfalen)文化部共同出資,其意昧著這台超級電腦也將優先提供給德國的科學家,以及北威州的研究單位使用[註一]。表示現今的超級電腦軍備競賽,已打到了 Exascale 了,Jupiter 將是繼美國設立世界第一台 Exascale[註二]的超級電腦 Frontier 後[3],即將出現的次世代超級電腦(如果德國的施工期有好好的踩點)

位於阿貢國家實驗室的 IBM Blue Gene/P 超級計算機。圖/wikipedia

Exascale 的超級電腦具有「每秒百億億次(1018)」(也就是 100 京)的每秒浮點運算(FLOP)能力,實際規模也將具有國家高速運算中心台灣杉二號[4]的 111 倍以上的運算能力,也就是要建立超過百台規模的台灣杉二號才具有 Exascale 的規模,但也同時考驗硬體的處理能力、主機間節點的連線架構、資料讀寫能力,更甚者,則是軟體是否具有 Exascale 的使用能力,也就是硬體與軟體都必須要能夠良好的契合才行。

什麼是超級電腦?可以幫助都市成為超級都市嗎?

「這些顯示器太舊了」雷迪亞茲說。

「但它們後面是世界最強大的電腦,每秒可以進行五百萬億次浮點運算。」

~ 劉欣慈《三體:黑暗森林》

劉欣慈《三體:黑暗森林》(2007)提到人類「當時」最強的電腦,為五百萬億的運算能力「而已」,沒想到 15 年後的今天,地表最強的超級電腦 Frontier 是出現在美國的橡樹嶺國家實驗室(Oak Ridge National Laboratory),而不是小說裡說的,在洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory),而且 Frontier 的效能還是小說裡超級電腦的五千多倍,可說是現實終於有超過小說的時候了(但我們依就沒有飛天滑板可以借東京都的死神小學生)

超級電腦是科學家進行高速/高效計算(High Performance Computing)的主要設備。超級電腦的架構,可以說是非常的簡單:用網路線連結各台主機,讓主機間互相溝通,才能夠進行平行運算。

一般超級電腦的架構大致上如下:一機板上可能會有一個到數個 CPU,而一個或是數個機板會組成一個節點(Node),有時數個結點會組成一個機櫃(Rack/Cabinet)。節點與節點間的連結,就是依靠網路線在進行 CPU 之間的溝通,因此網路變成非常重要的元件。

節點與節點間的連結,就是依靠網路線在進行 CPU 之間的溝通,因此網路變成非常重要的元件。圖/pixabay

在此架構下,如何讓結點間有效溝通,也是一門學問了[5]。這些 CPU 可以想象是每個拿著工程計算機的研究生,正等著教授指派任務給他們算,而一個節點就是一個房間,在同一個房間內的溝通一定是比較快的,當不同房間需要溝通時,就會需要走出房間去給資料,如果所有的人一起拿資料回報給教授,那這教授可能就會崩潰,所以如何讓研究生(CPU)互相溝通,又不至於塞車,就是電腦工程專家們的專業了。

現在超級電腦的架構也與過往的超級電腦不同了。除了採用巨量 Arm 晶片的日本富岳(具 158,976 節點)、自主研發晶片的中國神威太湖之光(具 40,960 節點)外,前十大超級電腦[3]都是採用 CPU 加上 GPU 的混合架構(如在機板上插上 GPU 增加運算效率),才達到 100 Peta-Flop(1Peta = 1015) 以上的計算量,也意味著未來要在超級電腦上進行高效計算,GPU 運算也成為很重要的應用,因此也有許多計畫正在將軟體朝 GPU 運算的方向前進與推動。

軟體是否能配合平行化,也是非常是否能進行高效運算的重點之一。所謂的高效計算,也是利用許許多多的運算元件(CPU 或是 GPU),採平行運算的方法,將一個問題切成許多碎片,以螞蟻雄兵的方法一一解決,所以不要再怪為什麼你家的電腦 CPU 無論幾核心都只用了一核心,那是因為你的軟體沒有進行平行處理。早期土木界在進行坡面的圓弧破壞面計算時,據說就是用人力一人算一片圓弧的切片,也算是(人力)平行運算的先驅之一了。一般電腦中使用平行運算最多的,應該就是你手上那張 GPU 顯卡,在 GPU 的加持下,電腦螢幕中每個點、每個邊、每個平面上的顏色與光影,才能完美的呈現在使用者的眼前,所以與其用顯卡挖礦,還不如投身虛幻而真實的遊戲世界

不過有了地表最強的超級電腦,並不代表我們今天就能夠像小說形容的一樣,能幾秒內預測核子彈的破壞能力,或是在一天內算出地球百年後的氣候狀況,因為平行計算加快了計算的速度,但有其極限。

有了地表最強的超級電腦,並不代表我們能夠像小說一樣,在一天內算出地球百年後的氣候狀況,因為平行計算加快了計算的速度,但有其極限。圖/pixabay

資料的讀入或是寫出,也是瓶頸之一,電路板與網路速度,以及資料存取方式都會造成資料讀寫的延遲,更不用說,若是打算模擬地球,其將耗盡 80 exabyte 等級的儲存空間,其為 CERN 的 ATLAS 與 CMS 計畫所產生的資料量的十倍[6]

為什麼氣候模擬要用到 Exascale?

Exascale 的超級電腦除了可以提供更多的運算能力,給更多的使用者進行模擬與計算外,也是挑戰超大型計算的開始。不過為什麼要 Exascale?到底為什麼一個模擬要用到上千甚至是上萬顆的 CPU 在運算?氣象氣候模擬已經將 Exascale 喻為下一階段應使用的救星[7],在氣象上除了要能做到一小時內達成氣象預測外,也希望能夠進行叢集式運算(像是利用隨機方法產生上百個因亂度而有不同結果的預測),進而進行機率式預測分析,或是提高水平距離至 2.5 公里以下的網格精度,此精度也為可進行對流模擬 (Convection-Permit)[8] 的精度。氣候模擬也需要高效能的運算,除了高精度的全球模型外,也需要進行長程的氣候模擬,幾十年到幾百萬年的模擬時間,也將需要 Exascale 等級的超級電腦來加速模擬,縮短實驗時間。越多的計算核心以及有效的平行運算,才能讓最真實的模擬結果讓人類使用,畢竟,誰都希望出遊不要遇上下大雨,也會希望能夠提前幾天知道颱風的路徑。

地球系統模擬中,其中一個挑戰便是進行模擬時程:挑戰一日(24 小時)的超級電腦計算可以得到多少年的模擬結果(simulated years per wall-clock day, SYPD)[6]還真的是「度日如年」,而此地球系統的精度為水平方向僅一公里的超高解析度,用來進行最終極的地球系統模擬:數位攣生(Digital Twins)[9]。數位攣生計畫主要是要建立地球的複製體,以方便人們對地球進行各種「實驗」,了解到經濟或政策面對地球生態或是氣候的影響,因此要達成此目的,強大具 Exascale 能力的電腦,便成為了目標。

目前已經有部份超級電腦都在進行 SYPD 的挑戰,如中國的神威太湖之光,其已完成了每日 3.4 年的地球系統模擬[10],只不過其地面僅有 25 公里的水平精度,海面僅 10 公里的水平精度,還有非常多的進步空間。只可惜,這個實驗並沒有進行進行資料輸出,無法得到正確的效能結果(資料的寫入與輸出也是非常費時的),以及真正的運算結果:因為沒有資料,就沒有辦法分析。

從高速電腦看量子電腦:量子電腦會是傳統的救星嗎?

量子電腦目前也成為了熱門名詞,從 2019 年開始,IBM 與 MIT 共同開始了量子計算課程,各學術單位也在搶攻量子電腦領域,但對地球模擬領域而言,量子電腦還太遙遠,對「傳統物理」的地球科學來說,我們解偏微分、解多項式,用的是傳統的數值方法,跟量子電腦界在進行的運算,也差了十萬八千里。

編按:這邊所說的數值方法,簡單講就是「暴力解」。例如要求圓周率,就先設定一個半徑為 1 的圓面積公式,然後問電腦答案是多少,電腦的第一步會把所有正整數代入公式中從一個初始數字(nitial State)開始,先找到答案會在 3 到 4 之間,之後又把 3 到 4 之間的所有數,帶回一開始的公式,得知答案在 3.1 到 3.2 之間,之後又將這個區間的所有數帶回一開始的公式,如此重複很多次後,就會得到相對接近的正確答案。

量子電腦就比較詭異了,量子態的平行運算與邏輯閘,使得兩者的運算邏輯完全不同,以上面的圓周率問題為例,量子電腦會直接給出在 3.1415925 至 3.1415927 之間,存在正確答案的可能性是最高的,但是這個範圍也有可能是錯的,而且就算是錯的,以我們現在的能力也很難說明它錯在哪裡。

從表面上來看,傳統電腦用暴力解,以排除錯誤答案的方式逼近正確答案,而量子電腦不排除錯誤答案,直接找到最有可能的答案會在哪個區域,但不保證運算過程中的正確性。

因為這個區別,若將現在成熟的模擬方法直接導入量子電腦中,最有可能出現的就是不知道怎麼解讀得到的數據,這包含了答案的正確程度,以及改動特定變數後所產生的答案變動是從何而來?

IBM 與 GOOGLE 正在爭奪追逐量子霸權(Quantum Supremacy)的同時[11],(不過 Google 號稱的量子霸權,也就是一萬倍的計算速度,在 2021 年被中國科學院理論物理所的 Feng 等人用了 15 個 NVIDIA V100 GPU 給追上[12][註五]),其離傳統電腦計算的距離,也有十萬八千里遠,離應用於地球科學計算上還有一定的距離,但只要哪一天能夠應用在普通的大氣循環模式(GCM),就可以算是第一步吧。但是在量子力學進入大氣科學前,我們氣候與氣象模擬還是只能使用傳統的電腦主機,靠著 2 位元的方法進行大氣模擬,所以目前傳統超級電腦還沒有被取代的機會。

結語:超大主機與超大計算

依摩爾定律,每十八個月,CPU 晶片的製成就會進步一倍,同時,超級電腦中心卻是一直受益於摩爾定律帶來的好處,也就是 CPU 的能力越來越強,而價格也越來越親民,也讓氣候氣象模擬的空間精度也隨之升高。

Neumann 等人也預計在 2030 年代後,進行 1 公里等級的超高精度計算也將不是夢想[7],而在 Exascale 主機降臨前的這個年代,有些超級計算中心已經以節點(Node)做為計算資源耗費的單位(Node per hour),而非 CPU per hour,顯示出大型主機對計算資源消耗的想法以從 CPU 規模上升到了 Node 規模。

一方面使用者受益於更多的 CPU 資源,但同時這些主機也要求更新更大量的計算能力,如瑞士的 Piz Daint 與瑞典的 LUMI,皆要求使用者的計算必須是含有 GPU 運算能力,而純粹靠 CPU 運算的軟體,將無法享受到同等的巨量資源。

IBM為橡樹嶺國家實驗室開發的Summit超級計算機(或 OLCF-4)。圖/flickr

而相應的挑戰也隨之而生,除了硬體將進入 Exascale 的時代,軟體也將一同進入這場大戰,才能享受同等的資源。另外一個挑戰則是綠色挑戰,1 公里精度的氣象模擬,每一模擬年將耗盡 191.7 百萬瓦時[6],相當於台灣一個家庭可以用上 43 年的電量[註三],也可以讓特斯拉的 Model 3LR 從地球開到月球來回開 1.5 次[註四],其耗能之巨,也是我們計算或是模擬界科學家應該要注意到的問題,也是為何除了 HPC Top500 外,亦有 Green 500[13]的原因吧,而具有超高效能的 Frontier,也同時奪下了 Green 500 之冠,也算是 Exascale 的好處吧。

註解與文獻

  • [註一] 若需使用 JSC 的超級電腦,必須透過不同的計畫項目進行申請,其計畫主持人(PI)為歐洲或是德國的研究者[14]
  • [註二] 日本的富岳其實也可以進行到 Exscale 的運算,只是要超頻而已,想當然爾是非常規設定。
  • [註三] 根據台電 2021 年新聞稿中,家庭離峰平均用電為 339 度以及 6-9 月為 434 度推估。
  • [註四] 根據 Tesla M3 LR 為 25kWh per 100 Miles,月球至地球為 384400 公里推估
  • [註五] Feng 也公開了他的程式碼
  • [1] Forschungszentrum Jülich 新聞稿
  • [2] EUROPE HPC 新聞稿
  • [3] 2022 年六月 HPC Top 500 名單
  • [4] 國家高速網路中心台灣杉二號介紹
  • [5] 司徒加特超級電腦中心:HAWK 主機之連線架構
  • [6] T. C. Schulthess, P. Bauer, N. Wedi, O. Fuhrer, T. Hoefler and C. Schär, “Reflecting on the Goal and Baseline for Exascale Computing: A Roadmap Based on Weather and Climate Simulations,” in Computing in Science & Engineering, vol. 21, no. 1, pp. 30-41, 1 Jan.-Feb. 2019, doi: 10.1109/MCSE.2018.2888788.
  • [7] Neumann P et al. 2019, Assessing the scales in numerical weather and climate predictions: will exascale be the rescue?. Phil. Trans. R. Soc. A 377: 20180148. http://dx.doi.org/10.1098/rsta.2018.0148
  • [8] Kendon, E. J., Ban, N., Roberts, N. M., Fowler, H. J., Roberts, M. J., Chan, S. C., Evans, J. P., Fosser, G., & Wilkinson, J. M. (2017). Do Convection-Permitting Regional Climate Models Improve Projections of Future Precipitation Change?, Bulletin of the American Meteorological Society, 98(1), 79-93
  • [9] Bauer, P., Dueben, P.D., Hoefler, T. et al. The digital revolution of Earth-system science. Nat Comput Sci 1, 104–113 (2021). https://doi.org/10.1038/s43588-021-00023-0
  • [10] Zhang, S., Fu, H., Wu, L., Li, Y., Wang, H., Zeng, Y., Duan, X., Wan, W., Wang, L., Zhuang, Y., Meng, H., Xu, K., Xu, P., Gan, L., Liu, Z., Wu, S., Chen, Y., Yu, H., Shi, S., Wang, L., Xu, S., Xue, W., Liu, W., Guo, Q., Zhang, J., Zhu, G., Tu, Y., Edwards, J., Baker, A., Yong, J., Yuan, M., Yu, Y., Zhang, Q., Liu, Z., Li, M., Jia, D., Yang, G., Wei, Z., Pan, J., Chang, P., Danabasoglu, G., Yeager, S., Rosenbloom, N., and Guo, Y.: Optimizing high-resolution Community Earth System Model on a heterogeneous many-core supercomputing platform, Geosci. Model Dev., 13, 4809–4829, https://doi.org/10.5194/gmd-13-4809-2020, 2020. https://gmd.copernicus.org/articles/13/4809/2020/
  • [11] 「嗨量子世界!」~ Nature Newsletter
  • [12] Feng Pan, Keyang Chen, and Pan Zhang, Solving the sampling problem of the Sycamore quantum circuits, accepted by Phys. Rev. Lett.
  • [13] 2022 年六月 HPC Green 500 名單
  • [14] JSC 系統申請辦法

Y.-S. Lu
4 篇文章 ・ 6 位粉絲
自從來到學界後,便展開了一段從土木人到氣象人的水文之旅。主要專業是地球系統數值模擬,地下水與地表模式的耦合系統,以及大氣氣象模擬。目前是于利希研究中心(Forschungszentrum Jülich GmbH)超級電腦中心的博士後研究員。

0

1
1

文字

分享

0
1
1
看到蜜蜂會隨之起舞,還是發抖害怕呢?大腦建構情緒,從「模擬」開始——《情緒跟你以為的不一樣》
商周出版_96
・2020/05/26 ・3100字 ・閱讀時間約 6 分鐘 ・SR值 538 ・八年級

國民法官生存指南:用足夠的智識面對法庭裡的一切。

  • 作者/麗莎.費德曼.巴瑞特博士 (Lisa Feldman Barrett, Ph.D.);
    譯者/李明芝
  • 編按:關於情緒的產生,巴瑞特博士跳脫過往舊思維提出「情緒建構論」,其中指出我們的情緒並不是被引發的,而是由自己所建構。

模擬是你的大腦對於世界正在發生什麼的猜測。在每個清醒的時刻,你都要面對從眼睛、鼻子、耳朵和其他感覺器官進來的嘈雜模糊訊息,你的大腦利用過去經驗建構假設(模擬),將之比較從感官接收的雜音。模擬以這樣的方式,讓你的大腦對噪音強加意義,選出相關的並忽略其餘的訊息。

人類心智活動的預設模式——模擬

1990 年代後期,模擬的發現為心理學和神經科學開創了新的紀元。科學證據顯示,我們所見、所聽、所觸、所嘗和所聞大多是對世界的模擬,而不是對世界的反應。1

有遠見的人推測,模擬這個常見的機制不只用於知覺,也用於了解語言、感到同理、記憶、想像、作夢,以及其他許多心理現象。我們的常識或許宣稱,思考、知覺和作夢是不同的心智活動(至少西方人這麼認為),但有個通用過程卻能描述它們全部。

模擬是所有心智活動的預設模式,它也是解開「大腦如何製造情緒」之謎的關鍵。

在你的大腦之外,模擬可能導致你的身體發生實質改變。讓我們以蜜蜂為例,稍微試試創造性的模擬。在你的腦海中,看到一隻蜜蜂在芬芳的白花瓣上輕輕跳躍,嗡嗡嗡地繞著花瓣尋找花粉。

如果你喜歡蜜蜂,那麼想像翅膀的拍動,此刻會造成其他的神經元讓身體準備好更進一步觀察:讓你的心臟跳得更快、讓你的汗腺蓄勢待發,並且讓你的血壓準備降低。

但如果你以前曾被蜜蜂狠狠叮過,你的大腦或許讓你的身體準備逃跑或做出拍打的動作,為此制定出一些其他模式的生理改變。每次你的大腦模擬感覺輸入,它都會讓你的身體做好自動改變的準備,這也讓你有可能改變你的感受。

嗡嗡嗡,你的舊經驗會影響你對蜜蜂的概念。圖/wikimedia

你對蜜蜂做出的模擬,根植於你對「蜜蜂」是什麼的心智「概念」(concept)。2 這個概念不只包含有關蜜蜂本身的訊息(牠看起來和聽起來像什麼樣、你對牠採取何種行動、你的自律神經系統的什麼改變讓你有所行動等等),還包括跟蜜蜂有關的其他概念(「草地」、「花朵」、「蜂蜜」、「叮咬」、「疼痛」等等)。

所有訊息都跟你的「蜜蜂」概念融為一體,共同引導你在這個特定的脈絡下如何模擬蜜蜂。因此,像「蜜蜂」這個概念,實際上是大腦裡的神經模式集合,代表你的過去經驗。你的大腦以不同的方式結合這些模式,藉此知覺並靈活地引導你在新的情境中如何行動。

「模擬」影響感官:以概念建構出具體感受

你的大腦利用你的概念,將某些東西聚集在一起,並將其他的東西分開。你可能在看著三堆土時,把其中兩堆知覺成「小丘」,而另一堆則是「大山」,這些都是根據你的概念。

建構是把世界看作一張壓扁的餅乾麵團,你的概念則是能切出界線的餅乾模具,界線不是自然存在,而是因為有用或有可取之處。3 這些界線當然自有物理限制,像是你絕對不會把山知覺成湖。不是所有的一切都互有關聯。

大腦會利用你的概念,建構出你對事物的感受。圖/giphy

你的概念是大腦用來猜測感覺輸入是何意義的主要工具。舉例來說,概念賦予聲壓(sound pressure)改變的意義,所以你會把聲壓改變聽成話語或音樂,而不是隨機的噪音。

在西方文化中,多數音樂都是根據分成十二個等距音高的八度音階,這種編曲被稱為「十二平均律音階」。每一個聽力正常的西方人,對於這種普遍存在的音階都有概念,即使他們無法明確地加以描述。然而,不是所有的音樂都使用這種音階。

印尼的甘美朗(Gamelan)音樂根據的是分成七個音高的八度音階,音高之間的距離並不相等。西方人第一次聽到甘美朗音樂時,更有可能覺得聽起來像噪音,聽慣了十二音音調的大腦,沒有具備甘美朗音樂的概念。我個人對迴響貝斯4 這種電子音樂有經驗盲區,不過我十幾歲的女兒很顯然有那個概念。

這究竟是草莓冰淇淋,還是冷凍鮭魚慕斯。圖/pxfuel

概念也讓製造味覺和嗅覺的化學物質有了意義。如果我端出粉紅色的冰淇淋,你可能預期(模擬)是草莓的味道,但如果嘗起來像魚,你會覺得很不協調,甚至可能覺得噁心。

但如果我介紹它是「冷凍鮭魚慕斯」,提前警告你的大腦,同樣的味道或許會讓你覺得美味(如果你很喜歡吃鮭魚)。5 或許你認為食物現存於物理世界中,但事實上,「食物」這個概念嚴重受到文化影響。很顯然,還是有些生物上的約束,所以你不可能吃刮鬍刀刀片。

但是有些絕對可吃的東西,卻不是每個人都認為是食物,例如「蜂之子」(hachinoko),這是一道油炸蜜蜂幼蟲的日本佳餚,但絕大多數的美國人應該會敬而遠之。這種文化差異就是因為概念。

只要你活著,你的大腦都會利用概念來模擬外在世界。如果缺乏概念,你會處於經驗盲區,就像是你看第 48 頁的斑點蜜蜂。如果有了概念,你的大腦會自動且無形地模擬,快到你的視覺、聽覺和其他感覺似乎像是反射而不是建構。

情緒是怎麼來的?原來是受到「概念」的影響

現在請仔細想想:如果你的大腦利用相同的過程讓來自體內的感覺──心跳、呼吸和其他內部運動引發的擾動──產生意義,那會怎麼樣呢?

神秘斑點。圖/商周出版提供

從大腦的觀點來看,你的身體只不過是另一個感覺輸入的來源。來自你的心臟和肺臟、你的新陳代謝、你的體溫改變等等感覺,就像圖中意義不明的斑點。在體內的這些純粹身體感覺,並不具有客觀的心理意義。

然而一旦概念介入,這些感覺或許開始具有額外的意義。如果你坐在餐桌旁時感到胃痛,或許你會把它經驗成飢餓。如果流感季節即將來臨,或許你會把相同的疼痛經驗成反胃作噁。如果你是法庭上的法官,或許你會把疼痛經驗成被告不可信任的直覺。6

你的大腦利用概念,會讓胃痛變得……更有意義。圖/giphy

在特定的時刻、特定的背景之下,你的大腦利用概念,賦予內在感覺意義,也讓來自世界的外在感覺有了意義,這些全都同時發生。你的大腦從你的胃痛,建構出飢餓、反胃作噁或不可信任的實例。

現在仔細想想,如果相同的胃痛出現在你嗅聞塗滿羊肉糊的尿布時,就像我女兒的朋友在「噁心食物」生日派對上所做的,你可能把疼痛經驗成噁心。亦或如果你親愛的另一半才剛走進臥房,你可能把疼痛經驗成一陣陣渴望。如果你正在診療室等待醫生說明健康檢查的結果,你可能把相同的疼痛經驗成焦慮感受

在這些噁心、渴望和焦慮的案例中,你大腦中活躍的概念是情緒概念。就像先前一樣,你的大腦藉由建構那個概念的實例,從你疼痛的胃再加上來自周遭環境的感覺一起產生意義。

這是一個情緒的實例。

這可能就是情緒如何生成的過程。

註釋:

  1. 「不是對世界的反應」(not reactions to it):相關回顧,請見 Chanes & Barret 2016.
  2. 「『蜜蜂』是什麼」(what a “Bee” is):Barsalou 2003, 2008a.
  3. 「因為有用或有可取之處」(because they’re useful or desirable):關於相似的類比,請見 Boghossian 2006.
  4. 譯註:dubstep,源自英國,於1990年代誕生的電子音樂,節奏短促、強調低音。
  5. 「如果你很喜歡吃鮭魚」(assuming you enjoy salmon):Yeomans et al. 2008.
  6. 「被告不可信任」(the defendant cannot be trusted):Danziger et al. 2011.

——本書摘自《情緒跟你以為的不一樣──科學證據揭露喜怒哀樂如何生成》,2020 年 3 月,商周出版

商周出版_96
110 篇文章 ・ 343 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。