0

0
0

文字

分享

0
0
0

TrES-2b是個比煤炭還黑的外星世界

臺北天文館_96
・2011/08/28 ・867字 ・閱讀時間約 1 分鐘 ・SR值 494 ・六年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 


天文學家發現一個迄今已知最暗的世界,是個遙遠、木星大小的氣體巨行星,編號為TrES-2b。經過詳細測量,TrES-2b表面反射其母星陽光的比例竟小於1%,比煤炭或太陽系中任何行星或衛星都還黑。相關論文發表在英國皇家天文學會月刊(Monthly Notices of the Royal Astronomical Society)中。

在我們太陽系中,木星大氣中明亮的氨雲( ammonia cloud),會將約2/3照射在其表面的陽光反射回太空。相較之下,TrES-2b缺乏易反射陽光的雲層,主因在於它的表面溫度過高

TrES-2b是跨大西洋系外行星搜尋計畫(Trans-Atlantic Exoplanet Survey,TrES)於2006年發現的。母星GSC 03549-02811距離地球約750光年,位在天龍座方向。TrES-2b距離它的母星則僅約500萬公里(比較:水星到太陽的距離約為4500萬公 里),母星強烈的輻射將TrES-2b的表面溫度加熱到攝氏1000度以上;這種溫度對氨雲而言太熱了,以致於無法凝結成雲。事實上,TrES-2b的大氣反而含有易吸收光線的化學成分,如鈉、鉀或二氧化鈦等蒸汽。不過,這些化學成分還不足以解釋TrES-2b這麼黑的原因。

哈佛史密松恩天文物理中心(Harvard-Smithsonian Center for Astrophysics,CfA)David Kipping等人表示:目前還不清楚這顆系外行星這麼暗的真正原因;不過,這顆系外行星其實也沒那麼黑,因為它的溫度非常高,所以它會發出昏暗的紅光, 如同還未熄滅的營火餘燼,或是電暖爐的線圈

Kipping等人是利用克卜勒太空望遠鏡(Kepler)來測量TrES-2b的反射率。先利用克卜勒監測TrES-2恆星加行星、整個行星系統的總亮度,當行星環繞母星公轉時,行星有時會是被母星照亮的一面面對地球,有時則是背對地球,所以整體系統的總亮度會隨TrES-2b相位變化而有些微改 變;如果行星本身愈亮,這個相位造成的總亮度變化會愈大。監測50幾次公轉後,Kipping等人計算出這個系統的總亮度變化只有百萬分之6而已!這表示 TrES-2b表面真的很黑!

克卜勒任務目前已經發現1200多顆系外行星候選者,這些天文學家計畫繼續分析這些觀測資料,看看是否還有任何其他異常黑暗的系外行星。

資料來源:Alien world is blacker than coal [11 August 2011]

引用自臺北天文館之網路天文館網站

文章難易度
臺北天文館_96
482 篇文章 ・ 27 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 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

0

5
3

文字

分享

0
5
3
解析韋伯太空望遠鏡第一批影像背後的科學意義
EASY天文地科小站_96
・2022/07/14 ・4350字 ・閱讀時間約 9 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 作者:林彥興|EASY 天文地科小站主編、清大天文所碩士生,努力在陰溝中仰望繁星

萬眾矚目的詹姆士韋伯太空望遠鏡,在經過半年的校準與測試後,終於公開了它拍攝到的第一批成果。這些五彩斑斕、美麗絕倫的照片究竟是什麼樣的天體,照片的背後又有哪些深藏的意義?就讓我們一起深入解密,韋伯的第一批照片吧!

韋伯望遠鏡是什麼?

詹姆士.韋伯太空望遠鏡是美國、歐洲與加拿大太空總署合作開發的新一代旗艦級紅外線太空望遠鏡,也是無數天文學家夢寐以求、能幫助人類破解許多未解天文迷團的利器。

韋伯的研發其實早從 1996 年就已經開始,但是由於開發時遇到諸多困難,導致嚴重的預算超支與進度延宕,這台耗資上百億美金的超級望遠鏡,直到去年年底才終於從法屬圭亞那發射中心,用一枚亞利安 5 號運載火箭發射升空,前往距離地球 150 萬公里的日地第二拉格朗日點。

拉格朗日點是什麼?

日地拉格朗日點一共有五個。當物體在這些點上,其受到來自太陽與地球的重力恰到好處,因此太空船只需要少量的燃料,就可以長期與地球和太陽保持穩定的相對位置,可謂是地球軌道附近的風水寶地。

而韋伯繞行的,是位於地球後方的第二拉格朗日點,簡稱 L2。之所以選擇這裡,是因為只有 L2 的位置剛好會讓地球、太陽、月亮都在同一側,而這三個星體正是天文望遠鏡的主要紅外線光害來源。位在 L2 的韋伯,就可以用它的遮陽帆一次把三顆星體全部擋住,認真凝望遠方而不受干擾,因此 L2 可以說是觀測宇宙的絕佳地點。升空的幾個月之間,韋伯已經完成一系列的儀器校準工作,一步步把望遠鏡調整到最佳狀態。

相比知名前輩「哈伯太空望遠鏡」,韋伯的優勢不只是擁有比哈伯大六倍的鏡面,更重要的是它是以紅外線為主力觀測波段。宇宙膨脹造成嚴重紅移,但哈伯望遠鏡的守備範圍主要是可見光,波長範圍是 90 – 2500 奈米,可說是鞭長莫及啊。

這時換上以波長 600 – 28500 奈米的紅外線為守備範圍的韋伯,就可以讓我們看到更遙遠、更古老的宇宙。此外,同一個天體在可見光和紅外線看起來,往往長得相當不一樣。這個強大的紅外線觀測能力,正是韋伯最引以為傲的武器。

作為深具儀式感的第一批科學影像,韋伯這次公布的影像分別對應四個主要科學主題:早期宇宙星系演化恆星的生命循環系外行星

1. 早期宇宙—— 星系團 SMACS 0723 與重力透鏡效應

星系團 SMACS 0723。圖/Webb Space Telescope

畫面中心黃白色的天體,是由成百上千的星系共同組成的星系團 SMACS 0723。在韋伯之前,哈伯太空望遠鏡就曾經花費數個禮拜的時間拍攝這個星系團。然而擁有更大鏡面、更精良儀器的韋伯,僅用了 12.5 個小時就拍出了解析度更高、畫面品質更好的照片,讓我們看到許多以前難以辨識的黯淡星系。可見哈伯與韋伯在觀測能力上的差距。

對天文學家來說,圖中最令人興奮的其實不是前景壯闊的星系團,而是後方這些經過重力透鏡扭曲和放大的小小星系們。星系團龐大的質量扭曲了周圍的時空,讓整個星系團好像一塊巨大的放大鏡一樣,可以偏折和聚焦通過的星光,稱為「重力透鏡效應」。

當星系團後方更遙遠、更古老的星系發出的光線通過星系團時,就會被星系團的重力透鏡效應偏折和聚焦,形成而圖中無數弧形的扭曲影像。

紅圈為照片上受重力透鏡影響的區域之一,可以看到星系被拉長。

這些仍在襁褓中的小小星系,往往正在快速的孕育新的恆星,或是互相合併,因此有著混沌不規則的形狀。離我們越遠的星體發出的光,需要越長的時間才能到達我們的眼中。因此研究這些遙遠且古老的星系,能幫助天文學家理解宇宙早期的模樣。

2. 星系演化——史蒂芬五重奏(Stephan’s Quintet)

上一張照片讓我們認識星系的起源,這張「史蒂芬五重奏(Stephan’s Quintet)」則可以讓天文學家更仔細地研究星系內的複雜結構,以及星系與星系之間的交互作用。

史蒂芬五重奏(Stephan’s Quintet)。圖/Webb Scape Telescope

正如其名,「史蒂芬五重奏(Stephan’s Quintet)」是由五個視覺上相當靠近的星系所組成。但其實最左邊的這個星系(NGC7320)與另外四者並無關聯,只是從地球上看剛好位在天空中差不多的位置而已。

圖片中偏向黃白色,感覺如絲綢般順滑的部分是在近紅外線波段拍攝,主要顯示的是星系中恆星的分布;而醒目的橘紅色,則是來自中紅外波段的資料,展示的是星系中的高溫塵埃,以及星系中的氣體高速對撞時產生的震波(Shock wave)。

除了影像,韋伯還使用光譜儀仔細檢視了影像中右上方的星系(NGC 7319)中心,因為那裏有一顆比太陽重 2400 萬倍的超大質量黑洞,正在吸食周遭的氣體,並在過程中釋放巨大的能量。

藉由觀察光譜的細節,韋伯可以分辨出像是氬離子、氖離子或是氫分子等等化學組成,甚至知道氣體的溫度、運動速度這些從一般照片難以辨識的資訊。

史蒂芬五重奏就像一個天然的實驗場,讓天文學家研究星系演化的詳細過程。

3. 系外行星——WASP-96 b 的大氣光譜

這一張照片可能是整批影像中,視覺上最不起眼的一張,它是系外行星 WASP-96 b 的大氣光譜。

WASP-96 b 的大氣光譜。圖/Webb Scape Telescope

最近 20 多年來,人類對太陽系以外行星的認識越來越多。截至今日,人類已經發現超過 5000 顆系外行星。然而,以現有的觀測技術,天文學家通常只能用一些間接的方法,測量它們的質量、半徑、軌道週期等粗略的特性。想知道這個行星是否適合生命生存,就不能少了行星大氣層的化學組成和溫度資訊。

那要怎麼取得行星的大氣資訊呢?當行星通過恆星跟地球中間時,恆星的一部分星光將會通過行星的大氣層,並被行星的大氣吸收。吸收的多寡和波段,取決於行星大氣層的溫度和化學組成等特性。此時,天文學家就可以藉由分析光譜中的各種特徵,去回推行星大氣層的性質。

圖片中的白點,即是韋伯實際觀測 WASP-96 b 時取得的光譜資訊。而藍色的線,則是天文學家認為最貼合觀測數據的理論模型。

根據這個觀測結果,天文學家計算出 WASP-96 b 的大氣溫度約為 725°C,大氣中明顯有著水氣,並推測可能還有雲和霾存在。未來進一步的分析和觀測,將為世人揭開更多系外行星的神祕面紗。

4. 恆星的生命循環——「南環狀星雲」與「船底座大星雲(Carina)」

最後兩張照片都與恆星的生命循環有關。正如人會有生老病死,恆星也是一樣。

恆星一般誕生在巨大分子雲中,氣體在重力吸引下逐漸塌縮、升溫並點燃核融合,成為一顆恆星。

當小質量的恆星步入晚年,其結構容易變得不穩定,最終將自己的外層氣體拋射出去,形成美麗的行星狀星雲,也將氣體吐回到星際空間中,成為下一代恆星的養分。氣體都拋射完之後留下的核心,就是白矮星。

各位現在看到的,是暱稱「南環狀星雲」的行星狀星雲,左右兩張圖分別於近紅外線與中紅外線拍攝。

南環狀星雲。圖/Webb Scape Telescope

我們可以看到,左圖中的影像比右圖要更清晰一些,這是因為在相同的望遠鏡口徑下,波長越短所能達到的理論解析度就越高。

有趣的是,在左圖中看起來位於星雲中心的明亮恆星,其實並不是行星狀星雲的核心。真正的核心其實是在其左下方,一顆被塵埃包裹著的黯淡白矮星。在近紅外線波段的影像中,這顆白矮星幾乎淹沒在隔壁恆星的炙烈星芒之中。

但在中紅外波段,由於恆星的亮度相對降低,包裹著白矮星的塵埃發出的光就變得清晰可見。再次展示即使是同一個天體,使用不同的波段進行觀測,往往可以看到不同的東西。

最後這片壯麗的宇宙山崖,則是位於「船底座大星雲 Carina」西北角的 NGC3324 恆星形成區。在這裡,源自星雲中無數初生恆星所發出的炙烈輻射、恆星風與噴流,吹散、游離了星雲中原有的濃密氣體與塵埃。交織出這片壯闊而複雜的結構。

船底座大星雲(Carina)。圖/Webb Scape Telescope

這張照片一共結合了這六個不同的濾鏡的影像拍攝而成。每個濾鏡涵蓋的波段各不相同,代表的物理意義也不一樣。比如(F090W、F200W、F444W)這三個寬帶濾鏡,分別在影像中按照波長順序,以藍色、綠色和紅色這三原色呈現,為照片打下骨幹。而在此之上,照片的製作團隊又疊上青色代表氫原子的(F187N)濾鏡影像,以黃色代表氫分子的(F470N)濾鏡影像,以及用橘色代表甲烷和多環芳香烴的 (F335M) 濾鏡影像,為照片再添更多的細節。

想要將這麼多個波段的影像全部結合起來,仔細調整讓細節更加突出,最終呈現出一張如此絢麗又震撼的照片,是非常不容易的。這展示了韋伯太空望遠鏡不僅在科學上相當重要,在藝術上也價值非凡。

最後別忘了,以上只挑選介紹了第一批資料中最具代表性的幾張,更多關於五個目標的照片和光譜,可以在韋伯的官網上找到。而這批照片,又只是韋伯未來二十年服役生涯中,前兩個月的小試牛刀而已。韋伯的時代,才剛剛要開始!

EASY天文地科小站_96
21 篇文章 ・ 766 位粉絲
EASY 是由一群熱愛地科的學生於 2017 年創立的團隊,目前主要由研究生與大學生組成。我們透過創作圖文專欄、文章以及舉辦實體活動,分享天文、太空與地球科學的大小事

0

1
0

文字

分享

0
1
0
太陽系裡最大的峽谷、最高的火山,都在火星上!——《有趣的天文學》
麥浩斯
・2022/04/23 ・769字 ・閱讀時間約 1 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

布滿鐵鏽的紅色沙漠:火星

在地球上用望遠鏡觀察火星,火星上的地形很難看清楚,只能看到最明顯的三種顏色色塊:紅、黑和白色。

比起水星和金星,火星算是比較宜人的行星,人類已經發射許多太空船前往探索,未來甚至可能移民到火星上生活,火星很可能成為人類下一個家園。圖/麥浩斯出版

火星表面充滿紅色塵埃,這些紅色塵埃由氧化鐵組成,也就是鐵鏽,火星表面絕大部分被氧化鐵覆蓋,所以表面看起來是紅色。

火星表面還有黑色的玄武岩,這些黑色玄武岩不會一直在那裡,有時黑色玄武岩會被紅色塵土覆蓋,當紅色塵土被吹散,黑色玄武岩又裸露出來。火星在南北兩極有白色的極冠,極冠是由水冰和乾冰組成,南北兩極的極冠會隨著季節變換而改變大小。

在火星上,除了兩極的白色極冠,還可以看見一些由冰晶組成的藍白色水冰雲。

壯觀的峽谷和火山

雖然火星的直徑只有地球的一半,不過火星上的峽谷和火山卻非常壯觀。

水手峽谷(Valles Marineris)長度約四千公里,這相當於美國的寬度,最深可達 7 公里,是太陽系裡最大的峽谷之一。火星表面有一座太陽系裡最高的火山:奧林帕斯山(Olympus Mons),奧林帕斯山是座盾狀火山,如果從附近的平原算起,它的高度約 26 公里。

圖/麥浩斯出版

比起荒涼死寂的水星和高壓炙熱的金星,火星似乎有趣多了!

──本文摘自《噢!原來如此 有趣的天文學》,2022 年 3 月,麥浩斯出版