Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

飛碟的牽引波成真!?不過是水中版的拉~

昱夫
・2014/08/11 ・776字 ・閱讀時間約 1 分鐘 ・SR值 517 ・六年級

3-physicistscr
Credit: Stuart Hay, ANU

你還記得科幻電影裡,當飛碟要接收物質或人員時,會直接從空中打下一道牽引光束來將目標吸上去嗎?(想想Star trek或是魔神英雄傳的龍王號)而現在,科學家真的做出了一台類似牽引光束的機器,不過是水波的版本~

讓我們先試著思考一下,當波由波源發射,一個在其路徑上的物體會往那裡跑呢?最直覺的想法,通常是物體會順著波前進的方向跟著移動,就像是沙子會被海浪沖上岸,或是衝浪者會順著海浪往岸邊靠一樣;但科幻電影中的牽引光束卻與這樣的想法完全相反,當牽引光束由飛碟發射,被照到的物體反而會像是被吸引般,朝著波源的方向移動。這真的有可能做到嗎?澳洲國立大學(Australian National University, ANU)的Michael Shats團隊設計了一套水波發射裝置,可以實現上面所述,直覺上看似不可能的牽引效果。

在實驗中,他們以乒乓球作為漂浮物,利用簡單的起波器,透過調整頻率和振幅來製造出特殊的波形,進而控制球的漂移方向:

「我們發現,這些複雜的、三維的波,會在水的表面構成特殊的波形。除了可以達到牽引的功能,也可以控制乒乓球往其他方向移動」Michael Shats說道。

-----廣告,請繼續往下閱讀-----

目前對於這樣的水波形態研究,尚沒有成熟的數學模型來描述,這點不論對於該研究作者,或是對於筆者來說,都是一件十分驚訝的事。期望在不久的未來可以針對這樣的系統,與其波形移動造成的運動模型,有更加深入詳盡的分析。當我們可以深入了解背後的「為什麼」,才能有效調整其程式設計,創造出各式各樣能讓物質運動的波,進一步應用在,像是收集海上浮油等用途上。

延伸閱讀:

參考資料:Generation and reversal of surface flows by propagating waves, Nature PhysicsDOI: 10.1038/nphys3041

資料來源:Physicists create water tractor beam [PHYS.ORG, August 10, 2014]

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
昱夫
57 篇文章 ・ 2 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
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

-----廣告,請繼續往下閱讀-----

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。

2

5
4

文字

分享

2
5
4
能量看不到,那就透過介質來觀察吧!——《物理學的演進》
商周出版_96
・2021/04/17 ・2453字 ・閱讀時間約 5 分鐘 ・SR值 554 ・八年級

-----廣告,請繼續往下閱讀-----

  • 作者|Albert Einstein, Leopold Infeld
  • 譯者|王文生

雖然沒有任何實際參與流言散布的人真的在兩個城市間旅行,來自倫敦的小道消息,很快地傳到了愛丁堡。這個過程,涉及兩種截然不同的動作,一種和流言本身有關,從倫敦到愛丁堡;另一種,則要歸咎散播流言的人。一陣風吹過麥田,帶起一道穿過整片田地的麥浪。這一次,我們還是要分清楚波的運動,以及個別植物的運動之間的差異。植物只是稍稍晃動而已。我們曾經看過,把石頭丟進池塘中,水波的圓越來越大,藉此傳播出去。

波的運動方式,和水粒子的運動方式相當不同。水粒子只是上下運動。我們觀察到波的運動,是物質的狀態變化,物質本身並不是波。

從水面上的一顆軟木塞就能清楚地見到這個現象。軟木塞上上下下的動作,和水實際上的運動類似,它的運動不是波造成的。

把石頭丟進池塘中,水波的圓越來越大,藉此傳播出去。圖/Pexels

為了深入了解波的機制,我們再來考慮一項思想實驗。假設在一個足夠大的空間裡,均勻地被水、空氣,或其他種「介質」填滿。空間的中央處有一個球體。實驗開始時,沒有任何運動。突然,球體開始規律地「呼吸」,體積擴張,然後縮小,在此同時維持球狀的外表。介質會發生什麼變化?我們從球體開始擴張的瞬間開始分析。緊鄰球體的粒子被推開,導致周邊一層球殼狀的水,或是空氣的密度上升,高於正常值。經由類似的過程,球體縮小時,緊鄰球體介質的密度下降了(下圖)。組成介質的粒子只是微幅振動,但是,整體的運動卻是一個行進的波。基本上,我們現在正踏入全新的領域,第一次考慮物質以外的運動,也就是經由物質傳遞的能量產生的運動。

球體縮小時,緊鄰球體介質的密度下降了。圖/《物理學的演進

以脈衝球體為例,我們可以導入定義波的性質時相當重要的兩項普通物理觀念。首先是速度,描述波的傳遞。它和介質有關,例如,波在水和空氣的傳播速度不同。其次是波長 (Wave Length)。在海上或河流傳遞的波,它的波長是從一個波到另一個波距離,或是一個波峰到另一個波峰的距離。因此,海上的波相較於河裡的波具有較大的波長。至於脈衝球體產生的波,波長是在某個固定時間點,兩個密度最大或最小的相鄰球殼之間的距離。很明顯,這個距離不會只和介質有關,脈衝球體縮放的速度顯然對波長有不小的影響。縮放的速度越快,波長越小;縮放速度越快,波長越大。

-----廣告,請繼續往下閱讀-----

波的觀念在物理學取得巨大的成功。

波是力學的觀念,這點無庸置疑。波的現象被簡化為粒子的運動,而且根據動力學理論,粒子由物質組成。因此,所有用到波的觀念的理論,一般來說都能視為力學理論。比方說,聲學現象的解釋,基本上建立在波的觀念。物體的振動,像是聲帶和琴弦,是聲波的來源。聲波在空氣中的傳遞模式,和脈衝球體波相同。如此一來,將所有聲學現象透過波的觀念簡化為力學是可能的。

前面已經強調過,我們得清楚地分辨粒子的運動和波的運動,後者是介質的一種狀態。兩種運動差異不小,但是,在脈衝球體的例子,兩種運動顯然發生在同一條直線上。介質粒子在一條短線段上振盪,隨著振盪運動,介質密度週期性地增加和減少。波傳遞的方向,與振盪發生的直線的方向,兩者相同。這種類型的波,稱為縱波 (Longitudinal wave)。但是,波只有這一種形態嗎?為了接下來的討論,我們必須認知到另一種類型的波存在的可能性,稱為橫波 (Transverse wave)。

我們調整一下先前的例子。現在依然有一個球體,但是它浸在一種膠狀介質裡,不是空氣,也不是水。此外,球體不再是縮放,而是朝一個方向旋轉一個小角度,再轉回來。旋轉的節奏是固定的,轉軸也不變。膠狀介質附著在球體周遭,被迫以相同的方式運動(下圖)。一部分的力作用在稍微遠一點的地方,造成該處產生相同的運動,如此一來,介質中就產生一個波。如果我們留意到介質的運動與波的運動之間的差異,會發現它們並不是發生在同一條直線上。波沿著球體的直徑方向傳播,而介質的運動則和這個方向垂直。以此方式,我們造出一個橫波。

膠狀介質附著在球體周遭,被迫以相同的方式運動。圖/《物理學的演進

在水的表面傳遞的波是橫波。漂浮的軟木塞上下浮動,水波則沿著水平面傳遞。另一方面,聲波則是我們最熟悉的縱波範例。

-----廣告,請繼續往下閱讀-----

還有一點:脈衝的球體和震動的球體,在同質的均勻介質中製造的是球形波。這是因為在任意時間點,任何圍繞著球體的球殼上的任何一點,行為都是相同的。讓我們考慮位在波源遠處,以波源為球心的球殼上的一個小塊。我們考慮的小塊越小,距離波源越遠,它就越接近一個平面。若不做太嚴謹的考慮,可以說半徑夠大的球殼上的一小部分,和平面其實沒有什麼差距。我們常常把遠離波源的球形波上的一小部分,稱為平面波。如果把下圖著色的區域再向遠離球心的方向移動,兩條半徑中間的夾角就會越來越小,更接近平面波。平面波的觀念和某些物理觀念很類似,它們是虛構的,無法以完美的精確度製造出來。然而,平面波依然是相當有用的物理觀念,不一會就能派上用場。

著色的區域再向遠離球心的方向移動,兩條半徑中間的夾角就會越來越小,更接近平面波。圖/《物理學的演進
——本文摘自《物理學的演進》,2021年2月,商周出版。
-----廣告,請繼續往下閱讀-----
所有討論 2
商周出版_96
123 篇文章 ・ 364 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。

0

0
0

文字

分享

0
0
0
衝啊!音速小子—淺談音爆及光爆
金延儒
・2015/08/11 ・2747字 ・閱讀時間約 5 分鐘 ・SR值 520 ・七年級

Sonic
Source: wiki

「誒誒誒!音速小子,快點停,你再衝就要掉下懸崖了啊!!」,在懸崖邊的你緊張的說。

「蛤蛤蛤~~~什麼~~~我聽不清楚你在講什麼!!我的耳膜快破啦!!」,你聽到音速小子在一個他最擅長的360度旋轉的最高點說出這句話,伴隨著巨大的聲響,然後迅速的往下俯衝,略過你……

接著就像迪士尼動畫會有的橋段,他在懸崖外騰空了整整一秒鐘,一聲不響地,華麗退場。

-----廣告,請繼續往下閱讀-----

事實上,這是你最後一次聽到他的聲音、見到他的身影。在悲傷的同時,你也想著:「為什麼他不聽我的話呢,為什麼!!!!還有他最後那句話是什麼意思?」

或許,就怪他被稱作「音速」小子吧。

(故事為劇情需要,純屬虛構)

音速小子到底怎麼了?

當然有很多可能導致上面這個故事發生。首先,音速小子可能像很多人一樣習慣邊跑步邊聽音樂,又剛好你叫住他的那一刻因為他放的音樂太大聲讓他耳膜快破了,所以也沒聽到你的聲音,造成悲劇的發生。

-----廣告,請繼續往下閱讀-----

但是根據你的說法:那一刻,你聽見了巨大的聲響,大到應該不會是耳機發出來的。那麼我會推斷是因為音速小子正經歷因為超音速所帶來的「音爆」現象。

要了解音爆,我們先來看看超音速的歷史吧。1903年萊特兄弟成功完成了第一次人類的動力飛行,在那一次飛行中,他們用12秒的時間飛行了36.5公尺,時速是每小時10.9公里,這雖然是一個小學生跑步都能追上的速度,但這可是劃時代的重要事件。接著我們把時間快轉到二戰,戰爭的危急狀態讓人類的飛行技術突飛猛進。到戰爭末期,最優良的飛機甚至可以達到時速700公里以上!根據紀錄:當時就有飛行員在俯衝,接近音速飛行時,感受到不穩定的搖晃,甚至也有因此操作失當而機毀人亡的紀錄。

事實上,人類史上第一次的超音速飛行是在1947年10月14日完成的,24歲的查克·葉格(Charles Elwood Yeager)成為第一個飛得比聲音快的人,他在12800公尺的高空,使飛行速度達到每小時1078公里,相當於1.015馬赫[註二][註三]。在當時要突破音速,有許多地方有待當時的科學家突破,其中一項就是音爆的問題。

FA18
FA-18大黃蜂戰機以接近音速的速度飛行 Source: wiki

-----廣告,請繼續往下閱讀-----

Sound boom
source: wiki

究竟什麼是音爆呢?簡單來說,音爆就是:當物體的速度,超過它所發出聲音的速度時,周圍的空氣會產生一個壓力非常大的錐狀區域(被稱為馬赫錐),造成氣流的不穩定,然後巨大的壓力差會產生巨大的聲響,就像上圖及左圖的示意圖這樣。順帶一提,子彈飛行產生的聲響也是音爆的例子之一。

哎呀,只不過老實說,超音速飛機與我們的日常生活確實有點遠,可能有點難想像,但其實這個現象在日常生活中也不難觀察到。

從湖面看音速小子的悲劇

大家都有在湖邊玩耍、看看大自然的經驗吧,看著湖面上自由自在悠游的水上動物們,恨不得自己也長了個蹼,能夠跳下去跟著他們一起游泳,把心理的壓力一掃而光。

-----廣告,請繼續往下閱讀-----

鴨子游泳產生的水波紋

讓我們觀察一下那隻鴨子身後的水波,事實上,因為鴨子的行進速度比水波的波速還要快,所以在它的後面會有三角狀的水波紋產生。

對應超音速飛機音爆的例子:因為飛機的行進速度比聲波的波速還要快,所以在機身後面會有錐(因為聲波是向四面八方傳遞)狀的衝擊波產生

有沒有覺得兩句話很像呢?確實,以上所說的兩個現象基本上是源於同一個物理概念。

-----廣告,請繼續往下閱讀-----

知道了音爆 那你知道還有光爆嗎

光爆聽起來……怎麼那麼……像什麼會把人燒掉的恐怖武器啊!

別亂想。光爆其實就是上面兩個現象的延伸,只不過這次不是發生在聲音,也不是發生在湖面,而是光!

光爆這個現象是由1934年由蘇聯物理學家契忍可夫(Pavel Alekseyevich Cherenkov)發現的,正式的名稱叫做:契忍可夫輻射Cherenkov radiation),有的人會稱呼他為光爆,這種輻射的特點就是:很美的藍色輝光

Cherenkov radiation
Source:Wikipedia

-----廣告,請繼續往下閱讀-----

聰明、好奇的你想了一下,說:「你別騙人了,愛因斯坦的狹義相對論告訴我們:一個物體的速度不可能比他所發出來的光還要快!」

事實上,這個現象的確沒有違反愛因斯坦偉大的狹義相對論。只不過他們用了一個小技巧:這個實驗不會是在真空或者是空氣中這些光行進很快的地方進行, 他們把整個實驗放到一些光跑得比較慢的地方(例如在生活中常見的水中,光的行進速度只剩下原本的大約四分之三),如此一來,科學家們就可以利用加速器,把粒子加速到比他自己發出的光還要快的速度,接著才能順利觀察到這個現象。

在金屬表面產生的光爆

surfingawake
Source: phys.org

2014年,哈佛大學的研究團隊又有了新的突破,他們成功製造出跟光爆類似的現象,只不過這次的波是行進在金屬表面,以一種被稱為表面電漿子(Surface plasmons)傳遞,他們把這個現象叫作”Cherenkov surface plasmon wakes”。

-----廣告,請繼續往下閱讀-----

這個實驗室的教授,費德里科·卡帕索(Federico Capasso)說:「傳統的光學研究成果讓我們製造出全像圖、Google Glass、 LED燈等等的科技產品;但在未來,奈米光學Nanophotonics)將會是奈米科技的一項重要領域。這次研究成果讓我們更有能力能控制奈米尺度下的光。」

在裡面的研究生,同時也是這篇論文的第一作者丹尼爾(Daniel Wintz)說:「要能夠在比光的波長還小的尺度下控制光是一件非常困難的事情。重要的是我們不但成功製造、觀測到這個現象,更找到了幾個不同的方法來控制它。」

不只是產生這個現象難,就連要觀察也很難,因為事實上,表面電漿子是看不到的,研究團隊必須想辦法把表面電光子從金屬表面“抽”出來,然後經過光纖,才能紀錄到影像。

所以說,其實從水波、聲波一直到光波以及以表面電漿子傳遞的波,這些不同樣貌的現象其實都是同一個物理現象所主導,只是我們平常沒有發現其中的關聯性而已!

備註

  1. 維基百科-萊特兄弟
  2. 1馬赫為一倍的音速,詳見維基百科-馬赫
  3. 這個紀錄有些許爭議,見維基百科-查克·葉格,但不管如何,葉格無庸置疑是第一個在有計劃性、嚴密監控的情況下,靠著飛機自身的動力而實際且確實地突破音障的人類。

參考文獻

  1. Surfing a wake of light: Researchers observe and control light wakes for the first time
  2. Controlled steering of Cherenkov surface plasmon wakes with a one-dimensional metamaterial Nature Nanotechnology [2015]

 

 

-----廣告,請繼續往下閱讀-----