科學家意外發現的晶體與它的藝術美學

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過，當 AI 根據病歷與 X 光片就能幫你診斷病症，或者決定是否批准貸款，甚至從無人機發射飛彈時，它的每一步「決策」是怎麼來的？如果我們不能知道 AI 的每一個想法步驟，對於那些 AI 輔助的診斷和判斷，要我們如何放心呢？

馬斯克與 OpenAI 的奧特曼鬧翻後，創立了新 AI 公司 xAI，並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型，而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今，AI 已滲透生活各處，而我們對待它的方式卻像求神問卜，缺乏科學精神。如何讓 AI 具備可解釋性，成為當前關鍵問題？

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題？試想，現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險，但這些模型往往如同黑箱操作。有人貸款被拒，卻完全不知原因，感覺就像被分手卻不告訴理由。更嚴重的是，AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價，這些與信用風險真的相關嗎？這種不透明性只會讓弱勢群體更難融入金融體系，加劇貧富差距。這種不透明性，會讓原本就已經很難融入金融體系的弱勢群體，更加難以取得貸款，讓貧富差距越來越大，雪上加霜。

AI 不僅影響貸款，還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑，試圖預測嫌犯再犯風險。然而，這些工具被發現對有色人種特別不友好，往往給出偏高的再犯風險評估，導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是，這些決策缺乏透明度，AI 做出的決策根本沒法解釋，這讓嫌犯和律師無法查明問題根源，結果司法公正性就這麼被悄悄削弱了。

此外，AI 在醫療、社交媒體、自駕車等領域的應用，也充滿類似挑戰。例如，AI 協助診斷疾病，但若原因報告無法被解釋，醫生和患者又怎能放心？同樣地，社群媒體或是 YouTube 已經大量使用 AI 自動審查，以及智慧家居或工廠中的黑盒子問題，都像是一場越來越複雜的魔術秀——我們只看到結果，卻無法理解過程。這樣的情況下，對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具，自己卻無法理解？

原因有二。首先，深度學習模型結構複雜，擁有數百萬參數，人類要追蹤每個輸入特徵如何影響最終決策結果，難度極高。例如，ChatGPT 中的 Transformer 模型，利用注意力機制（Attention Mechanism）根據不同詞之間的重要性進行特徵加權計算，因為機制本身涉及大量的矩陣運算和加權計算，這些數學操作使得整個模型更加抽象、不好理解。

其次，深度學習模型會會從資料中學習某些「特徵」，你可以當作 AI 是用畫重點的方式在學習，人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習，但這些特徵往往對人類來說過於抽象。例如在影像辨識中，人類習慣用眼睛、嘴巴的相對位置，或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵，而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示（Distributed Representation）來編碼特徵，意思是將一個特徵表示為一個高維向量，每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」，在傳統的方式下，你可能用一個簡單的詞來表示這個特徵，例如「紅色」或「藍色」。但是在深度學習中，這個「顏色」特徵可能被表示為一個包含許多數字的高維向量，向量中的每個數字表示顏色的不同屬性，比如亮度、色調等多個數值。對 AI 而言，這是理解世界的方式，但對人類來說，卻如同墨跡測驗般難以解讀。

試想，AI 協助診斷疾病時，若理由是基於醫生都無法理解的邏輯，患者即使獲得正確診斷，也會感到不安。畢竟，人們更相信能被理解的東西。

打開黑盒子：可解釋 AI 如何運作？我們要如何教育 AI？

首先，可以利用熱圖（heatmap）或注意力圖這類可視化技術，讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡，來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ，當 AI 判斷這張照片裡是「貓」還是「狗」時，我需要它向我們展示在哪些地方「盯得最緊」，像是耳朵的形狀還是毛色的分布。

其次是局部解釋，LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈，它將每個特徵看作「玩家」，而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻，讓我們可以了解各個特徵如何影響最終結果。並且，SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的，還能透過「全局解釋」理解模型整體的運作中，哪些特徵最重要。

以實際的情景來說，SHAP 可以讓 AI 診斷出你有某種疾病風險時，指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同，會針對單一個案建立一個簡單的模型，來近似原始複雜模型的行為，目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時，LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用，一大優勢是靈活且計算速度快，適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景，LIME 可以幫助醫生理解 AI 為何推薦某種治療方案，並說明幾個主要原因，這樣醫生不僅能更快做出決策，也能增加患者的信任感。

第三是反事實解釋：如果改變一點點，會怎麼樣？

如果 AI 告訴你：「這家銀行不會貸款給你」，這時你可能會想知道：是收入不夠，還是年齡因素？這時你就可以問 AI：「如果我年輕五歲，或者多一份工作，結果會怎樣？」反事實解釋會模擬這些變化對結果的影響，讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大，就像揭示一道菜中，哪些調味料是味道的關鍵。例如在金融風險預測中，模型可能指出「收入」影響了 40%，「消費習慣」占了 30%，「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時，還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術，才能達到更完整的解釋效果。

講到這裡，你可能會問：我們距離能完全信任 AI 還有多遠？又或者，我們真的應該完全相信它嗎？

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事，你自然希望它的決策與行動能讓你認可，幫你省心省力。因此，AI 既要「可解釋」，也要「能代理」。

舉例來說，當一家公司要做一個看似「簡單」的決策時，背後的過程其實可能極為複雜。例如，快時尚品牌決定是否推出新一季服裝，不僅需要考慮過去的銷售數據，還得追蹤熱門設計趨勢、天氣預測，甚至觀察社群媒體上的流行話題。像是暖冬來臨，厚外套可能賣不動；或消費者是否因某位明星愛上一種顏色，這些細節都可能影響決策。

這些數據來自不同部門和來源，龐大的資料量與錯綜關聯使企業判斷變得困難。於是，企業常希望有個像經營大師的 AI 代理人，能吸收數據、快速分析，並在做決定時不僅給出答案，還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子，而可解釋 AI （XAI）則清楚解釋其判斷依據。例如，為什麼不建議推出厚外套？可能理由是：「根據天氣預測，今年暖冬概率 80%，過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

但會解釋還不夠，AI 還需能真正執行。這時，就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」，大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時，這位產品經理不會手忙腳亂，而是按以下步驟行動：

1. 檢查倉庫物料：庫存夠不夠？有沒有替代料可用？
2. 評估交期影響：如果需要新物料，供應商多快能送到？
3. 計算成本變化：用新料會不會超出成本預算？
4. 做出最優判斷，並自動生成變更單、工單和採購單，通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節，還會記錄每次決策結果，學習如何變得更高效。隨時間推移，這位「智慧產品經理」的判斷將更聰明、決策速度更快，幾乎不需人工干預。更重要的是，這些判斷是基於「以終為始」的原則，為企業成長目標（如 Q4 業績增長 10%）進行連續且動態地自我回饋，而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作，讓企業決策流程不僅透明，還能自動執行。這正是數智驅動的核心，不僅依靠數據驅動決策，還要能解釋每一個選擇，並自動行動。這個過程可簡化為 SUPA，即「感知（Sensing）→ 理解（Understanding）→ 規劃（Planning）→ 行動（Acting）」的閉環流程，隨著數據的變化不斷進化。

以偉勝乾燥工業為例，他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後，偉勝成功將數智驅動融入業務與產品開發，專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合，開發出新形態智慧化設備，成功打入半導體產業，帶動業績大幅成長，創造下一個企業的增長曲線。

值得一提的是，數智驅動不僅帶動業務增長，還讓員工擺脫繁瑣工作，讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術，還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用，企業首先要確保它服務於具體的業務需求，而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐，才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力？免費上手企業 AI 助理！ 企業 AI 體驗 現在使用專屬邀請碼《 KP05 》註冊就享知：https://lihi.cc/EDUk4 訂閱泛科學獨家知識頻道，深入科技趨勢與議題內容。 立即免費加入

本文由 環境部 委託，泛科學企劃執行。 

政策環評是什麼，跟一般環評差在哪？

隨著公共建設的規模越來越大，傳統的環境影響評估（EIA），難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時，只看「單一開發案」已經不夠，就像評估一棵樹，卻忽略了整片森林。因此，政策環境影響評估（SEA）應運而生，它看樹，也看森林，從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同，政策環評更像是一場全面性的檢視，強調兩個核心重點：「整合評估」與「儘早評估」。簡單來說，這不再是逐案評估的模式，而是要求政府在制定政策時，就先全面分析可能帶來的影響，從單一行為的侷限中跳脫，轉而聚焦在整體影響的視角。無論是環境的整體變化，還是多項行為累計起來的長期影響，政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外，政策環評還像是一個大型的協商平台，以永續發展為最高指導原則，公開整合來自不同利益團體、民眾與各機關的意見。這裡，決策單位不再只是單純的「評分者」，而是轉為「協調者」或「仲裁者」，協調各方的意見看法在這裡得到整合，讓過程更具包容性。

政策環評並沒有所謂的「否決權」，而是側重意見的蒐集與整合，讓行政機關在政策推動時，能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序（包含量化、特徵化等評估方式），也廣納社會面或民眾滿意度等影響因子，把正式與非正式的作法一併考量進去。再來，決策程序中能層層檢討、隨時修正，也建立了追蹤機制和成效評估標準（如環境殘餘效應、累積效應等），透過學習來強化決策品質與嚴謹度。就像一場球賽，隨時根據變化、調整策略。

這樣的制度設計，就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估，讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響，也為後續政策執行奠定更穩固的基礎。

離岸風電為何需要的是政策環評？

離岸風電是能源轉型的重要策略之一，但這不是只在某塊空地上架幾個風車，而是要在廣闊的大海中進行大規模建設，牽涉的不僅是發電，還涉及海洋保育、航空交通、水下文化資產等議題，更與當地漁民的權益息息相關。

這樣的大型離岸風電工程，因海洋環境的風險和不確定性極高，很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點？這就需要政策環評的把關，從多方檢視這些複雜的挑戰，確保政策推行既能穩妥，又能達成發電目標。

2016 年 3 月，經濟部自願提出「離岸風電區塊開發政策評估說明書」，是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書，政府將採分期公告、逐年檢討的方式，每三年開放 0.5~1 百萬瓩（GW）的電量額度鼓勵業者投入開發。當時環保署（現為環境部）歷經九個月召開 2 次意見徵詢會議，蒐集環評委員、專家學者、相關機關、民眾等意見，最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程，讓政策「名正言順」，得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中，環評會議盤點了開發過程中共通的環境議題。

首先，對於海洋生態保育的重點，特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上，以減少對其生態的干擾。實際上，這項規範在後續的實務執行中更為嚴格，例如，福海二期示範風場已退縮到 2.5 公里外，臺電二期風場甚至退到 4.2 公里外，顯示政策環評確實發揮了實質作用。此外，針對施工期間的聲音干擾，要求施工需有 30 分鐘以上的打樁緩啟動時間，並限制聲量不得超過 180 分貝等。

針對鳥類保育，政策環評也訂立了具體規範。其中，包括風機之間必須留設 500 公尺以上的鳥類穿行廊道，並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時，為確保這些措施確實生效，工程方也被要求設置「鳥類活動監測系統」，持續追蹤、評估風場對鳥類的影響。

此外，環評會也確立了「先遠後近」的開發原則，要求優先開發較單純的航道外側區塊，待累積足夠經驗及相關資料後，再進行近岸區域的開發。這項原則考量了近海生態系的複雜性，也顧到養殖漁業的漁民權益，展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制：達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質，環境部參考過去離岸風電審查經驗，制定「風力發電離岸系統開發行為環境影響評估初審作業要點」，建立了全新的二階段審查機制。

這套新機制分為兩個階段。第一階段，就像「初步檢查」，由環境部依照檢核表進行初審，並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審，通過第一階段初審之業者，可取得經濟部遴選資格，其初審結果有效期為兩年，必要時可申請展延一年。接著進入「第二階段」，開發單位檢附目的事業主管機關核配的容量證明文件等資料，提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目，涵蓋開發案的全生命週期。

在工程面，包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中，風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域，且須進行地震危害度分析。海域電纜部分，除特殊情形外，埋設深度至少須達 1.5 公尺，且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上，檢核表則對施工噪音管制訂立了明確標準。舉例來說，打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝，且必須全程採用最佳噪音防制工法。同時，每個開發案或聯席審查的風場，同一時間內只能進行一支基樁施作，而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點，分為「施工前、施工期間、營運期間」三階段，每個階段都規定了詳細的監測要求（包括海域底質監測、水下噪音監測、鯨豚目視監測等）。以鯨豚監測為例，每年需執行20趟次，四季中每季至少執行 2 趟次。此外，所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」（https://epaw.moenv.gov.tw/）供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費，也透過明確的檢核項目，讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此，該機制亦確保了環境保護標準前後一致，避免不同案件之間標準不一。

結語

透過新的審查機制，環境部正積極推動再生能源開發案的環評審查作業，在提升行政效率之餘，也確保環境影響評估的品質，支持臺灣的離岸風電開發及國家能源轉型政策，也做好把關。藉由標準化檢核表和二階段審查制度，期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進，環境部每半年至一年會進行制度檢討，並持續公開所有環評書件於「環評書件查詢系統」（https://eiadoc.moenv.gov.tw/eiaweb/）。此外，環評會議召開前一週，也必須在指定網站公布開會訊息，讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心，另一方面也確保全民能共同參與監督離岸風電的發展過程。未來，這套制度將在各界的檢視與建議中持續完善，為臺灣的永續發展貢獻心力，發揮環評作業的最大效益。

本文轉載自諾貝爾化學獎專題系列，原文為《【2011諾貝爾化學獎】具有黃金比例的晶體 — 準晶》

• 譯者／蔡蘊明｜台大化學系名譽教授
• 圖／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。

十重對稱的黃金比例

當丹尼．謝西曼（Daniel Shechtman）將這個讓他得到 2011 年諾貝爾化學獎的發現登記於實驗記錄簿上時，在後面寫下了三個問號，因為從那些在他眼前的晶體裡面的原子，產生了一個不可能的對稱性，那就好像一個足球——一個球面 ——不可能只由正六邊形組成。從此之後，有趣的馬賽克圖案（Mosaic）、數學裡面的黃金比例以及藝術，幫科學家們解釋了謝西曼那令人困惑的觀察。

「Eyn chaya kazoo」，丹尼．謝西曼用希伯來語告訴自己「不可能有這種東西」。時值 1982 年 4 月 8 號的早晨，他正在研究的物質，是一個由鋁和錳組成的混合物，看起來很奇怪，因此他用電子顯微鏡，企圖從原子的層次來觀察，但是透過電子顯微鏡得到的圖像，卻違反了所有的邏輯：他看到一些同心圓，每一個都是由十個相互等距的亮點所組成（圖 1）。

謝西曼迅速地將灼熱的熔化金屬冷卻下來。這種溫度的突然改變應該會讓原子的排列混亂，但是他所觀察到的圖案，卻說出了一個完全不同的故事：那些原子以一種違反自然定律的方式而排列。謝西曼一再重複地數著那些點，四個或六個點是可能的，但十個是絕不可能。他在實驗記錄簿上寫下：十重對稱？？？

一個未知的發現

為了瞭解謝西曼的實驗結果，以及為何他會如此驚訝，讓我們想像下面的一個課堂實驗：一位物理老師讓光通過一個鑿有縫隙的金屬板，一個被稱為繞射光柵的物體（圖 2），當光波通過這個光柵時，它會產生折射，就好像海浪的波紋通過一個防波堤的開口一般。

在光柵的另一邊，波紋以一個半圓方式散開，並與其它的波紋相交，波峰與波谷相互地加強或減弱。在繞射光柵後面的螢幕上，一種具有明暗的紋路出現，稱為繞射圖紋。

這就是謝西曼在 1982 年 4 月早晨所得到的那種繞射圖紋（圖 1），只不過他的實驗是不同的：他不是用光，而是用電子（註：電子具有波的性質），而他的光柵就是那個快速冷卻了的金屬原子之間的縫隙。

此外，他的實驗是三度空間的，而非平面的。

那個繞射圖紋顯示，在那金屬之內的原子是排列成一個整齊有序的晶體。這當然不意外，幾乎所有的固體物質，不論是冰塊或金子，都具有整齊的晶體。雖然謝西曼使用電子顯微鏡非常有經驗，然而，一個由十個亮點排列成的圓形，卻是過去他從未看到過的。

更有甚者，這樣的晶體並沒有被列在國際晶體規格表之內，那是一個結晶學的主要參考指引。在當時的科學，明訂了一個由十個亮點排列成的圓形圖紋是不可能的，而其證明是非常簡單而明顯的。

違反所有邏輯的圖紋

在一個晶體中，原子是以固定而重複的方式排列的。決定於化學的組成，它們會具有不同的對稱性。在圖 3a 中，我們可以看到每一個原子是由三個原子圍繞著，而形成不斷重複的排列圖案，產生一個三重對稱；將此圖案轉動 120 度，又會得到相同的圖案。

同樣的原理發生在四重對稱（圖 3b）以及六重對稱（圖 3c），圖案不斷重複。當你個別地轉動 90 度或 60 度，相同的圖案會重複出現。

然而，五重對稱（圖 3d）是不可能的，某些原子之間的距離會小於其它原子之間的距離，也就是說，相同的圖案不會重複。科學家認為這足以證明五重對稱不可能存在於晶體中。同樣的原因存在於七重對稱或更高重的對稱。

謝西曼卻發現，他的圖案轉動一個圓的十分之一的角度（36 度）時，又可得到相同的圖案。他的確看到了一個被認為不可能的十重對稱，因此，不意外地，他在實驗記錄簿上寫下了三個問號。

基本假設出錯了

在美國國家標準局（NIST），謝西曼從他的辦公室向外探頭，望了望走廊，希望能看到某一個可以與他分享發現的人，但是走廊空無一人，所以他回到電子顯微鏡前，對那個晶體繼續進一步的實驗。其中他重複地確認所得到的不是巒晶（twin crystal）：兩種共生的晶體享有相同的晶面，而導致了奇怪的繞射圖紋；但是他無法找到任何的跡象顯示那是巒晶。

除此之外，他將電子顯微鏡下的晶體轉動，看看到底要轉多少度可以讓這個十重對稱的繞射圖紋重複出現。實驗顯示晶體的對稱性與圖紋的十重對稱不同，但仍然是一個不可能的五重對稱。謝西曼的結論是：科學界的基本假設是錯誤的。

當謝西曼告訴科學家們他的發現時，他面對了完全的否定，一些同事們甚至認為這根本是無稽之談，許多人宣稱他所得到的是巒晶。實驗室的主管丟給了他一本結晶學教科書，建議他讀讀。謝西曼當然知道教科書裡面說了什麼，但是他更相信自己的實驗。

根據謝西曼的回憶，所有的騷動終於導致他的老闆要求他離開那個研究小組，狀況變得非常難堪。

與已知奮戰

謝西曼是在以色列科技大學（Technion-Israel Institute of Technology）修得博士學位的。在 1983 年，他引發了在他母校任職的伊蘭．布雷契（Ilan Blech）對這個研究的興趣，他們合力企圖解釋此一繞射圖紋，並轉譯成為原子在晶體內的排列模式。

於 1984 年夏，他們送了一份論文稿到應用物理期刊（Journal of Applied Physics），但是該稿似乎在收到當日，就即刻被編輯退回。

接著，謝西曼向約翰．康（John Cahn）提出要求。康是一位著名的物理學家，也是當初邀聘謝西曼到 NIST 的人。謝西曼希望康能看看他的數據。這位通常很忙的學者終於答應，接著，康與一位法國的結晶學家丹尼斯．格拉提亞斯（Denis Gratias）諮詢，看看謝西曼是否忽略了什麼，但是根據格拉提亞斯的檢驗，謝西曼的實驗是可以信賴的，格拉提亞斯如果親自做那些實驗，也會使用同樣的方法。

在 1984 年的十一月，偕同了康、布雷契與格拉提亞斯，謝西曼等人終於在 Physical Review Letters 這份期刊中，共同發表了他的數據。這篇論文像顆炸彈一般，投在結晶學者之間。它質疑了他們的科學學門中的最基本教條：所有的晶體具有重複的週期性結構模式。

揭開知識的迷障

現在這項發現觸及了更多的讀者，而謝西曼成為了更多批評的目標。不過，在此同時，全世界的結晶學者們都產生了一種似曾相識的感覺，許多人在分析一些其它的物質時，也曾經得到過類似的繞射圖紋，但是當初，他們都將之視為巒晶的證據。現在，他們開始翻箱倒櫃，找出以前的實驗記錄簿，很快發現有些其它的晶體也會產生這種看似不可能的圖紋，譬如八重和十二重的對稱。

在謝西曼發表了他的發現之後，他仍然不知道那個奇怪的晶體內部結構到底如何。顯然地，它的對稱性是五重的，那是何種堆疊方式呢？這個答案卻從另一個未曾料到的領域而得：數學中的馬賽克遊戲。

用以解謎的馬賽克

數學家們喜歡用迷團和邏輯問題來挑戰自我。於 1960 年代，他們開始思索是否可以用有限數目的圖案塊，舖出不會重複的馬賽克圖案，創造一種所謂的「非週期馬賽克」。

頭一個成功的嘗試是在 1966 年，由一位美國的數學家所發表，但是他需要超過兩萬種圖案塊來做到，這很難讓著迷於精簡的數學家滿足。當更多的數學家投入這項挑戰，需要的不同圖案塊數目穩定下修。

終於，在 1970 年代中期，一位英國數學教授羅傑．潘洛斯（Roger Penrose）對此問題提出了一個最漂亮的解答。他用僅僅兩種圖案塊創造出非週期馬賽克，例如一胖一瘦的菱形（圖 4-1）。

潘洛斯的馬賽克在好幾個不同方面啟發了學界，其中之一是他的發現被用來分析中世紀伊斯蘭綺理（Girih）圖案。我們也發現阿拉伯藝術家早在 13 世紀就創造出了非週期馬賽克，這種馬賽克裝飾著非凡的西班牙阿罕布拉宮，還有伊朗 Darb-i Imam 寺廟的入口和穹頂。

結晶學者艾倫．馬凱（Alan Mackay）運用潘洛斯的馬賽克於另一個方面，他想探究構成物質的原子是否也能如同非週期馬賽克的圖案般排列。他做了一個實驗，用代表原子的圓圈放置在潘洛斯的馬賽克圖案的交點位置（圖 4-2），然後用這樣的圖案作成繞射光柵，來看會得到何種繞射圖案，結果得到一個十重對稱——十個光點圍成一圈。

馬凱的模型與謝西曼的繞射圖紋之間的關聯性，接著被物理學家保羅．史坦哈特（Paul Steinhardt）與多夫．李凡（Dov Levine）所發現。謝西曼的論文在 Physical Review Letters 這份期刊上發表之前，編輯將該文稿交由其他的科學家審核，在這個過程中，史坦哈特有機會看到這份文章，他早就對馬凱的模型熟悉，因此體認到馬凱的理論模型，存在現實世界中，亦存在於謝西曼在 NIST 的實驗室裡。

在 1984 年的聖誕夜，就在謝西曼的論文出刊後的四週，史坦哈特與李凡發表了一篇論文，其中描述了準晶體（quasicrystal）以及它的非週期馬賽克排列。在這篇論文中，準晶體得到了它的名字。

關鍵的黃金比例

準晶體與非週期馬賽克具有一項共同的迷人特質，那是一個在數學與藝術中不斷出現的黃金比例，亦即數學常數 tau。例如：在潘洛斯的馬賽克中，胖的和瘦的菱形數目的比例是 tau；類似地，準晶體中原子間的不同距離的比例，總是與 tau 相關。

13 世紀的義大利數學家費布那西（Fibonacci），從一個有關兔子繁殖的假設性實驗中找到的一系列數字中，描述了這個數學常數 tau。在這個著名的數列中，每一個數字是前兩個數字之和：1、1、2、3、5、8、13、21、34、55、89、144 等等。如果將一個費氏數列中較大的數字除以前一個數字，例如 144/89，你就會得到一個接近黃金比例的數字。

當科學家想要用一個繞射圖紋來描述準晶體中的原子排列時，費氏數列與黃金比例對他們是很重要的。費氏數列也可以解釋 2011 年的諾貝爾化學獎所表彰的發現，為何改變了化學家對晶體結構的規律性之看法。

不會重複的規律

先前，化學家解釋晶體的規律性在於一個週期性不斷重複的模式。費氏數列雖然不會重複，卻也是規律的，因為它遵守一個數學的規則。

在準晶體中，原子間的距離與費氏數列相關，原子以規律的方式排列，化學家可以預測一個準晶體中的結構是何樣，不過這種規律性與具有周期性結構的晶體是不同的。

在 1992 年，這個認知導致了國際結晶學會改變了他們對晶體的定義。先前對晶體的定義是「一個物質，其中組成的原子、分子或離子以一個整齊而且重複的方式堆疊成立體的型態」，現在新的定義是「任何固體，基本上具有可區別的繞射圖紋」，這個定義比較寬廣，而且允許未來可能發現的其它種晶體。

準晶體也存在於…

從他們 1982 年的發現之後，數以百計的準晶體在全球許多實驗室中被合成，但一直到了 2009 年的夏天，科學家才第一次報導了天然的準晶體。他們發現了一種採自東俄的哈吐卡（Khatyrka）河的樣本中之礦石。這種礦石是由鋁、銅和鐵組成，具有一個十重對稱的繞射圖紋。它被稱為二十面石（icosahedrite），此名源自於二十面體（icosahedron），那是一種具有 20 個正三角形面的幾何固體，黃金比例存在於其幾何結構中。

準晶體也被發現存在於一種世界上最耐用的鐵當中。在嘗試不同組合的金屬時，一家瑞典的公司成功的製備出一種鐵，具有許多令人驚訝的良好特質。分析它的原子排列結構時，顯示它具有兩種相：硬鐵的準晶體嵌在一種較軟的鐵中，此一準晶體具有一種盔甲的功能。現在它被用於刮鬍刀片，以及眼睛手術的細針等產品中。

除了特別堅硬外，準晶體能像玻璃般輕易的碎裂。

由於其特殊原子排列結構，它們也是很差的熱與電的導體，以及含有不具黏性的表面。其低熱傳導的性質可以讓它們成為有用的熱電材料，能將熱轉為電，發展這種材料的目的在解決熱能的再利用，例如用在汽車與卡車上。現在科學家們正在實驗將準晶體用做像是煎鍋，以及節能的發光二極體（LED）之表面塗料，或是作為引擎的隔熱等等。

保持開放的心

謝西曼的故事並非唯一。

在科學的歷史中，一再地有研究工作者被迫與已經建立的「真理」作戰。事後看來，那些真理不過是一些假設。謝西曼和他的準晶體所面對過的最嚴厲批評，來自於鮑林（Linus Pauling），他曾得過兩次諾貝爾獎。這很清楚地顯示，即使是我們最偉大的科學家，也無法免疫於被陷在舊教條當中。

保持一個開放的心態，勇於質疑已經建立的知識，實際上可能是科學家們最重要的性格特質。

參考資料

• 本文譯自諾貝爾化學獎委員會公佈給大眾的新聞稿：http://www.nobelprize.org/nobel_prizes/chemistry/laureates/2011/info_publ_eng_2011.pdf
• 若需要進一步的資訊，請至以下網頁點選：http://www.nobelprize.org/nobel_prizes/chemistry/laureates/2011/sciback_2011.pdf