Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

從哈伯法開始說起……

葉綠舒
・2014/10/07 ・1949字 ・閱讀時間約 4 分鐘 ・SR值 515 ・六年級

自從幾年前開始教通識課以後,對於許多課程要怎麼教,開始有了不同的想法。怎麼說呢?一般專業課程總是強調「專業」,舉個例子好了,學過國高中化學的同學應該都知道哈伯法(Haber-Bosch Process),在高溫高壓下以鐵粉做為催化劑將氮氣與氫氣轉化為氨(ammonia):

N2(g) + 3H2(g) → 2NH3(g) (反應為可逆反應)    ΔHo, 反應熱為-92.4 kJ/mol。
 

通常化學課的時候,老師只會提到,因為氮氣(N2)的兩個氮原子之間是三鍵,所以要打開氮氣很不容易;因此不但要用高溫高壓,還要用鐵粉當催化劑…

然後?就沒有了。講完了。

但是,哈伯法偉大的地方就只是這樣嗎?哈伯(Fritz Haber)因為發明了這個方法,得到1918年的諾貝爾化學獎。難道就是因為他成功的打斷了氮-氮三鍵而已嗎?

-----廣告,請繼續往下閱讀-----
哈伯(Fritz Haber),圖片來源:wiki
哈伯(Fritz Haber),圖片來源:wiki

當然不是。哈伯法的重要性在於,從此人類打開了以人工提高作物產量的大門,農作物的產量從此大大的提高。

當然,產量提高其實也是有限度的,在植物的營養上,有個名詞叫做「關鍵濃度」(critical concentration)。當土壤中的養分低於這個濃度時,植物的生長與養分的濃度成正比;超過這個濃度以後,植物的生長跟養分的濃度就不成正比了,也就是說,用再多也沒有明顯的效果。

但是,在過去只能使用天然肥料(動物的屍體、糞尿、植物的落葉等)的時代,由於天然肥料必需要等待微生物分解(這部分在堆肥時已經大致完成),再經過土壤中的微生物將其中含氮成分分解為硝酸根(nitrate,NO3-)與銨離子(NH4+)後,才能為植物所吸收,因此效果緩慢。加上為了方便起見,農人們總是會以單作(monoculture)的方式來種田,這種在大片的土地上種植單一作物的方式,很容易會使土壤缺少某些特定的養分(尤其是氮與磷),所以在哈伯法還沒有出現以前,要提高土壤內的氮濃度,除了使用天然肥料之外,就只剩下使用綠肥,或是與豆科植物輪作了。

但是,這些方法,都不能使土壤中的氮的濃度超過關鍵濃度;因此,當哈伯法出現之後,農夫將化學肥料施放在田裡,立刻有了奇效–農作物的產量大大的提升。加上育種改良以及殺蟲劑、除草劑的使用,20世紀小麥與稻米的產量提升了8-10倍(平均產量是4倍)。

-----廣告,請繼續往下閱讀-----

但是哈伯法對於科學界的貢獻,並不僅僅在於農作物產量的提升;在哈伯發明化學固氮之前,一直有一派學說認為,這些在生物體中的化合物,只有生物才能合成(也就是所謂的生機論Vitalism)。雖然生機論在科學上的地位在1828年在維勒(Friedrich Wöhler)合成尿素以後,已經岌岌可危;但是直到哈伯法出現以後,生機論才不再被提起。

但是哈伯法對全人類最大的貢獻,還是在於:從此想要多少氮肥,就可以製作多少氮肥。雖然在十九世紀Sach等人的研究,已經使大家了解,要能夠正常的生長與繁殖,植物需要17種元素(稱為必需元素essential element);但是其中最關鍵的氮與磷,卻始終無法足量提供給植物。

但是,大量的施放氮肥,卻造成了另一個效應:死亡海域(Dead zone)。

死亡海域最早出現在1970年代。由於化肥的大量施用早在1930年代就開始了,因此也花了一些時間去釐清到底是怎麼回事。簡單來說就是,大量施放氮肥(主要是硝酸根)與磷肥(磷酸根)到土壤中,但是土壤主要是由矽酸鋁顆粒構成,也是帶負電的,所以同性相斥使得氮與磷無法久留在土壤中,很容易隨著雨水、灌溉水流到附近的湖泊與河流裡,最後流到海裡。

-----廣告,請繼續往下閱讀-----

當海裡的氮與磷濃度上昇以後,造成藻類大量生長,形成藻華(algae bloom);藻華隔絕了水下植物的陽光,使得水下植物開始死亡;植物的死亡與分解吞噬了水中的氧氣,接著動物開始死亡…然後就是死亡海域。

由於慣行農法的單作、密植,使得化肥成為農業的必要之惡;所以死亡海域一直都是難以解決的問題。2008年的統計,全球的死亡海域共有405個點;而死亡海域的「熱區」集中在人煙稠密的北半球。

全球死亡海域熱區。圖片來源:wiki
全球死亡海域熱區。圖片來源:wiki

而施放化肥加上灌溉,除了造成死亡海域之外,又會使得土壤酸化、鹽化。雖然哈伯法似乎在短時間內提高了農作物的產量,養活了許多人(這可以由1940年代開始,世界人口急速上昇看出來);

世界人口增長速度。圖片來源:wiki
世界人口增長速度。圖片來源:wiki

但是,哈伯法所造成的副作用,包括死亡海域、土壤酸化、鹽化,以及因為人口大幅增長造成土地大量被開發的生態破壞等等…究竟是功是過呢?其實科學家發明了新技術,而這個新技術在大量被使用之後,產生了意想不到的變化,我想這也是當初哈伯始料未及的吧!

-----廣告,請繼續往下閱讀-----

本文轉載自作者部落格

參考資料:

  1. Taiz and Zeiger, Plant Physiology, 5th ed.
  2. Laurance Mee. 拯救死亡海域。2006。科學人。
  3. Wikipedia. World populationDead zone.
-----廣告,請繼續往下閱讀-----
文章難易度
葉綠舒
262 篇文章 ・ 9 位粉絲
做人一定要讀書(主動學習),將來才會有出息。

0

0
0

文字

分享

0
0
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。

1

7
1

文字

分享

1
7
1
整個宇宙都是我的動物園?——歡迎進入「天文化學」的思考領域
ntucase_96
・2021/09/24 ・3150字 ・閱讀時間約 6 分鐘

  • 撰文|許世穎

本文轉載自 CASE 科學報整個宇宙,都是我的動物園——天文化學

整個宇宙就像是一座「分子動物園」,藉由研究的分子光譜,我們可以得知這分子的分佈、溫度等性質;而由於不同的分子有著不同的「習性」,我們還可以得知孕育這些分子的星際環境。

要了解星際環境,可以從透過分子開始!圖/ESA/Hubble, CC4.0

天文化學是什麼?

天文學是研究宇宙間天體的自然科學,除了一般大眾較為知道的「天文物理學」以外,宇宙擁有很多的面向,其中一個就是本文的主題:「天文化學」。

同樣都是研究「物質」的科學,物理學與化學卻是以不太一樣的方式來觀察這個世界。天文化學著重那些宇宙間「不同天體環境中的原子、分子、離子」等,研究它們的形成、分布、彼此之間的交互作用,或是與環境的交互作用。(接下來為了方便起見,我們將分子、離子等統稱為分子。)

天文學雖然是最古早的科學之一,但是天文化學這個學門,則要到 20 世紀中期才開始慢慢出現。理由很簡單:因為分子看不到呀!星星那麼大一顆,用望遠鏡都不一定能看清楚了,更何況是擺在眼前都看不到的分子呢?

-----廣告,請繼續往下閱讀-----

因此要研究宇宙中的分子,必須要靠特別的技術才行;其中,最重要的技術之一,就是「光譜學」。

研究宇宙中的分子,必須依賴「光譜學」才行。圖/envato elements

光譜(spectrum)是將光依照波長或頻率排列出來的圖案,像「彩虹」就是一種光譜,是太陽光依照不同頻率分開來的圖案。而光的範疇除了可見光以外,還有很多肉眼看不到的波段,例如無線電波、紅外線、紫外線、X光……等。

每一種分子都有著屬於自己的光譜,在地球上的我們,如果想要知道分子的光譜長什麼樣子的話,除了可以做實驗量測以外,更多的是用電腦做精密的模擬計算來預測。分子的光譜就像它們的「指紋」,就像警察會將採集到的指紋與資料庫比對,來得知這枚指紋是哪個人留下來的,天文學家則是將觀測到的光譜與資料庫比對,來得知遙遠星際的另一端有哪些分子,甚至是它們的含量、溫度等(圖 1)。

想要了解更多天文學家如何使用光譜學,可以參考:<把光拆開來看:天文學中的光譜>。

-----廣告,請繼續往下閱讀-----
銀河系中央的光譜,從中可以分析出很多不同的分子,甚至包括他們的含量、溫度、分佈等等。圖/ESO/J. Emerson/VISTA, ALMA (ESO/NAOJ/NRAO), Ando et al. Acknowledgment: Cambridge Astronomical Survey Unit [2]

為什麼宇宙是「分子動物園」

動物們往往能反應出當地的環境,舉例來說,看到河馬就知道那邊是有水有草的環境;看到櫻花鉤吻鮭就知道有水溫偏低的溪流 [3]。將宇宙視為分子動物園也是一樣的,觀察分子的分佈、含量,也可以讓我們回推物理環境。目前,我們已從星際間,觀測到了約 200 多種分子,這裡就介紹幾種常見的星際分子吧!

宇宙中有很多不同的分子,分佈在不同的地方(示意圖)。圖/EAS2020[4]

氫分子(molecular hydrogen, H2

宇宙中含量最高的分子,也是「分子雲」的主要成分。分子雲中每一立方公分大約有一萬個氫分子(104 cm-3)。

分子雲是恆星、行星誕生的地方,所以了解氫分子的分佈,能幫助我們研究恆星形成。同時,氫分子能與較重的元素反應,是許多化學反應的催化劑,產生其他的分子如一氧化碳(CO)、二氧化碳(CO2)、 氰基自由基(CN)等。

氫分子對天文化學來說相當重要,可惜在分子雲這種均溫只有零下 200 多度的環境,幾乎是不太可能觀測到(因為它是個對稱的分子,有興趣的讀者可以再進一步了解。)[5][6]

-----廣告,請繼續往下閱讀-----

一氧化碳(carbon monoxide, CO)

一氧化碳分佈在星際間低溫、高密度的區域。它是星際間含量第二高的分子。

比起氫分子,一氧化碳容易觀測太多了,所以天文學家更容易從一氧化碳的圖像,來得知分子雲的分佈。由於分子雲幾乎沒辦法用可見光直接觀測,早期的科學家根本不知道我們周邊有這麼多分子雲的存在,直到觀測了一氧化碳的圖像之後才大開眼界。 [5][6][7]

被戲稱為「中指星雲」的分子雲。圖/維基百科, CC0

氨(ammonia, NH3

氨也是很容易被觀測到分子。歷史上第一個觀測到的分子是就是氨。氨有許多譜線,而這些譜線的強度對於環境變化非常敏感,能對應到很多種不同的星際環境。對氨的觀測能讓我們更精確地回推出該處的環境狀況 [8][9]

宇宙中的環境變化太大了,不同的環境下化學反應可能會有很大的差異。宇宙間的發散星際雲(diffuse cloud)、密集分子雲(dense cloud)、恆星形成的熱原恆星核(hot core)等這些已經偵測到大量分子的區域,溫度分佈從 10 K~1000 K(約攝氏 -200 度到 +800 度)、密度從每立方公分一百顆粒子到十兆顆粒子(102 cm-3~1013 cm-3)都有!

-----廣告,請繼續往下閱讀-----

這裡接著再介紹幾種分子含量高的星際環境。

恆星形成區域(star-forming region)

分子雲內部高密度、正在形成恆星的地方。獵戶座 KL 星雲(Orion KL)是獵戶座大分子雲中,恆星形成最活躍的區域。在這裡有許多的「複雜飽和有機分子」出現,如:甲醇(CH3OH)、甲酸甲脂(HCOOCH3)等,也有一些長鏈的碳分子,如:氰基乙炔(HCCCN)[10]

獵戶座 KL 星雲。圖/NASA, ESA/Hubble [10]

彗星 67P/Churyumov-Gerasimenko (comet 67P/C-G)

在近幾年的觀測資料中,科學家在這裡看到了含量極高的氧分子(molecular oxygen, O2),這讓他們感到非常意外。因為氧分子在宇宙中很容易起反應、變成其它的分子,而在彗星這麼樣一個容易揮發的環境中,卻能有高含量的氧分子存在,代表這些氧分子很有可能是在彗星形成的時候,就已經存在周遭的環境中,並且冰封在彗星上 [11][12]

彗星 67P/C-G(右)以及它的光譜(左)。圖/ESA/Rosetta/NAVCAM [12], CC 3.0(右)A. Bieler et al. (2015) (左)[11]

天文化學所牽涉到的範圍很廣,橫跨了許多不同的領域。 整個宇宙就是一座「分子動物園」。天文學家觀察這些宇宙中的分子,來得知遙遠天體中具有什麼樣的環境。星際間也發現了許多有機分子,研究這些分子甚至能幫助我們理解生命的起源,這是現在天文化學研究的一個重點方向。

-----廣告,請繼續往下閱讀-----

-----廣告,請繼續往下閱讀-----
所有討論 1
ntucase_96
30 篇文章 ・ 1482 位粉絲
CASE的全名是 Center for the Advancement of Science Education,也就是台灣大學科學教育發展中心。創立於2008年10月,成立的宗旨是透過台大的自然科學學術資源,奠立全國基礎科學教育的優質文化與環境。

0

2
3

文字

分享

0
2
3
為了活下去!植物硝酸鹽吸收暗藏機密
研之有物│中央研究院_96
・2018/07/03 ・5083字 ・閱讀時間約 10 分鐘 ・SR值 537 ・八年級

植物的「硝酸鹽轉運蛋白」為什麼重要?

過去僅知道植物會利用氮肥中的硝酸鹽做為養分來源,而利用分子生物學的技術,可探討植物吸收硝酸鹽的機制,及如何有效利用硝酸鹽等未解之謎。藉由了解轉運蛋白的作用機制,進而提升植物利用氮肥的效率,從最微小的基因尺度,用科學方法來改善農業、環境以及能源等問題。

長年投身於研究植物硝酸鹽轉運蛋白,中研院分子生物研究所特聘研究員蔡宜芳的研究成果,不僅刊登於國際頂尖期刊 Cell 中,更於日前獲頒臺灣傑出女科學家獎。 攝影/張語辰

從大學時開始進入實驗室做實驗,到現在擁有自己的研究團隊,蔡宜芳也帶領著下一個世代繼續研究。她向我們分享這一路走來的點點滴滴,望著窗外一片青綠,蔡宜芳談起為什麼願意投身植物的研究,她笑說:「因為覺得植物很美,植物默默在那邊生長,無怨無悔地提供我們人類養分。」

氮肥吸收暗藏秘密

Q:植物是如何吸收硝酸鹽作為養分,及其中轉運蛋白如何運作?

植物可以吸收的兩種氮源型態為:硝酸鹽、氨鹽。不管是施用什麼形式的氮肥,土壤中的細菌都會幫忙轉換成植物可以吸收的型態。而在土壤中,由於硝酸鹽的含量比較高,所以植物主要是吸收硝酸鹽進入體內作為氮源。

我們在三十年前就知道氮肥很重要,並且多是以硝酸鹽形態被植物吸收,但相關的研究主要集中在傳統生理探討,並不知道在這個機制裡,植物體內負責吸收硝酸鹽的蛋白是什麼。

-----廣告,請繼續往下閱讀-----

細胞膜是通往細胞內外的必經路障。而硝酸鹽是帶電離子,無法自己通過由脂質構成的細胞膜,必須由蛋白質的協助才能通過。

1990~1993 年,我在美國做博士後的時候,植物的分子生物技術才剛發展起來。在那之前的實驗多是測植物吸收硝酸鹽的能力;或是在不同環境下,吸收能力變化等較傳統的生理實驗。然而,我們以前都不知道,是什麼樣的蛋白質在負責硝酸鹽的通輸。

因為這個蛋白質很難找,差不多有兩年的時間,我經常整天都坐在電生理實驗檯上。在當時的技術背景下,需要建立新的研究方法。當時的實驗室老闆也曾經一度想停掉這個計畫案,擔心我白白花費太多時間在這上頭,但我想的是既然都作到一半了,就繼續堅持下去。

1994 年回臺灣之後,我們團隊陸續發現,位於植物細胞膜上的硝酸鹽轉運蛋白 CHL1 身兼數職。

CHL1 蛋白不僅轉運硝酸鹽進入細胞內進行運用,更會感測土壤環境中的硝酸鹽濃度後,調控下游基因表現來幫助植物更有效率地利用硝酸鹽。透過研究此轉運蛋白,我們可更進一步了解農作物利用氮肥的原理與機制。

位於細胞膜,身兼數職的硝酸鹽轉運蛋白 CHL1 。 圖/C.-H. Ho, S.-H. Lin, H.-C. Hu, and Y.-F. Tsay* (2009) 圖說重製/江佩津、張語辰

-----廣告,請繼續往下閱讀-----

植物對環境很敏感,全是為了活下去!

Q:從早期的植物研究方法,到現今的分子生物研究技術,如何在這類研究中進步、成長?

在有分子生物技術之前,多是進行遺傳學或生理學的研究。很早以前,荷蘭的研究團隊就已經找到無法正常吸收硝酸鹽的阿拉伯芥突變株 (mutant),並開始研究它的生化特性,確認它就是硝酸鹽 (nitrate) 吸收壞掉的突變株,但當時因為沒有分子生物技術,而無法做進一步研究。

我常說,在我十歲的時候這個突變株就在了,可是因為沒有分子生物學的技術,而無法確知是哪個基因出問題導致它無法吸收硝酸鹽。

在 1990 年,分子生物技術剛建立起來,而我就利用這個工具去找。找到這個基因後,我們也開始做一些延伸性研究。由於在植物體內有另外 52 個基因和 CHL1 同屬一個蛋白家族,我們團隊也逐一地去了解它們的基因功能。經過數年研究,了解到植物是如何吸收硝酸鹽進來,而後送往地上部,又如何在不同環境下重新分配不同組織內的硝酸鹽。

我們發現,植物會想盡各種策略來確保年輕葉片有足夠的硝酸鹽,並且在開花結果後,植物也會把硝酸鹽輸送給種子做利用。

這樣一系列的反應都被研究出來後,就可了解硝酸鹽在植物中輸送的各種路徑。

-----廣告,請繼續往下閱讀-----

小學跟中學常考的一個植物學考題是:根據教科書的教條,認為無機的氮源(例如硝酸鹽)只會在木質部中輸送,有機的氮源(例如胺基酸)才會在韌皮部篩管中輸送。但是,我們的研究發現教科書的教條需要修改,硝酸鹽可以在韌皮部篩管中輸送,而且這個輸送機制對植物的生長很重要。

另一部分,我也對蛋白質的調控感興趣。植物本身有兩種硝酸鹽的吸收系統,在土壤硝酸鹽含量很低時,負責作用的系統為「高親和性系統」;在土壤中的硝酸鹽含量很高時,負責作用的系統為「低親和性系統」。植物利用此兩個吸收系統去應對外界多變的硝酸鹽環境。

以前科學家都認為這是兩個獨立的系統,直到 2003 年我們實驗室的博士班學生劉坤祥研究發現:轉運蛋白 CHL1 可藉由磷酸化的轉換,感受到細胞外面的硝酸鹽濃度變化,來調節自身的吸收模式。

(左圖)當環境中硝酸鹽濃度較低時,CHL1 會因磷酸化,而成為高親和性的轉運蛋白。
(右圖)當硝酸鹽濃度較高時,CHL1則被去磷酸化,以轉換成低親和性的轉運蛋白。
圖/K.-H. Liu and Y.-F. Tsay*. (2003)  圖說重製/江佩津、張語辰

-----廣告,請繼續往下閱讀-----

這個研究告訴我們:植物有能力感應外界環境的硝酸鹽變化;不只是轉運蛋白會改變,植物也知道濃度低的時候省著點用、濃度高就貯存,因應變化來調控基因表現。這一系列反應很快,三十分鐘就會誘發基因表現。

我曾有一次聽植物鈣離子傳導的演講,演講者說:「實驗發現傷害植物的時候,鈣離子的訊息會增強。」所以會不會有可能當你吃生菜沙拉的時候,植物其實是會痛、有反應的?因為在自然界中,植物不能動,所以它對環境一定要有很好的偵測方法,還有因應策略。不管種子在哪裡發芽,都要想盡辦法在那個環境中存活下來。

改善植物吸收肥料的效率,以利生態環境

Q:過往普遍認知氮肥可幫助作物生長、提供產量,但近年發現氮肥會影響生態、也有食物殘留風險等,這如何能透過生物技術、研究來改善?

1950 年代的綠色革命發現氮肥可以讓產量翻倍,人口因此開始增加。原本的肥料是取自海鳥糞,後來找到了硝石礦,但仍是不足以應付需求,因此德國化學家弗里茨‧哈伯 (Fritz Haber)找到方法把氮氣轉換成植物能應用的形式。但氮氣的鍵結是很強的,要打斷鍵結要高溫高壓,是非常耗能的事,以至於全世界約有 1~2% 能源是花費在製造氮肥。

氮肥到土壤裡會被細菌轉換成硝酸鹽,但硝酸鹽不易保存在土壤中,下雨就會沖刷、進入到水循環。如此耗能生產的氮肥,施用下去田間,其實只有一半或少於一半能夠被植物利用。而湖川海洋中過多的硝酸鹽會造成優養化作用,形成藻華、Dead Zone,這其實是全球性的生態影響。

因此,我們希望想辦法解決這個問題,讓植物吸收硝酸鹽的效率好一點,進而減少環境的汙染、製造氮肥的能源消耗。

氮肥供應充足的時候,硝酸鹽養份主要會送往成熟葉;但在缺乏氮肥時,植物會把儲存在老葉的硝酸鹽運送到嫩葉。看到這種轉移的情況,我們就想:如果能夠強化這種轉移養分的機制,是不是就能夠加強氮肥的利用效率?

-----廣告,請繼續往下閱讀-----

如下圖,我們研究發現,葉子中有一個 NRT1.7 基因有這個作用,如果能加強 NRT1.7 的基因表現,或是活化參與這個轉移機制的蛋白質活性,就可以提高植物利用氮肥的效率,進而促進植物生長。目前已經在阿拉伯芥實驗成功,也已取得臺灣和美國的專利,現在則是在水稻、菸草上進行試驗,這其實是個很漫長的過程,但一旦成功,對於生態環境是一大助益。

阿拉伯芥中,調控硝酸鹽吸收的基因 NRT1.11, NRT1.12 和 NRT1.7 ,透過不同路徑養護嫩葉。 
圖/Ya-Yun Wang∗, Yu-Hsuan Cheng∗, Kuo-En Chen and Yi-Fang Tsay(2018)S.-C. Fan, C.-S. Lin, P.-K. Hsu, S.-H. Lin, and Y.-F. Tsay*(2009) 圖說重製/江佩津、張語辰

對我來說,要一直用新的技術來回答新的問題,因為新的技術一定能夠讓問題的答案更深入,但我認為最重要的還是找到你要問的問題。而我最想問的問題是:植物是如何去處理它的養分,來做它最好的生長反應?研究過程中經常解決了一個問題後,還會有下個問題。

我一直喜歡植物研究的一個特色是,你可以從分子生物的尺度、到整株植物的生理去探索你的問題的答案,並發現這一切都相互呼應。

因為太專注於分子生物層面的東西,有時候是細微到只看到蛋白質的交互作用,但這樣細微作用如何影響到整個作物的生長,甚至是最後到農業的產量,這是我最感興趣的。

-----廣告,請繼續往下閱讀-----

不只是學術,科學研究的重重挑戰

Q:當初為何會投入植物、科學的研究?

我覺得投入研究的重點是「好奇」。你一定要有好奇心,會想追求一些新問題的答案。一名科學家必須要有好奇心,同時也需要有你的邏輯思考能力去尋求答案。

我大學是台大植物系的,會就讀植物系其實是個很浪漫的原因──只是因為我很喜歡植物而已。我喜歡走進森林的感覺,讓我很想去了解植物。

大四時,進到實驗室是做組織培養,那時候是很熱門的題目,因為很新奇。植物組織加入不同荷爾蒙,就會變成地上部的葉子或地下部的根,那是由於植物細胞有全能分化的能力。組織培養雖然有趣,但知其然不知其所以然,完全不知道是什麼原因造成這些變化,無法滿足我喜歡打破砂鍋問到底的個性,所以碩士就開始就往分子生物的領域走。不過因為那時植物的分生研究還沒發展起來,我就先從研究酵母菌開始,把分生基礎打好;等到讀完博士班,開始找研究題目、看論文時,發現仍是植物相關研究最能觸動我的神經,所以我就決定要再回去研究植物。

圖/pixabay

-----廣告,請繼續往下閱讀-----

我覺得在科學的養成上,技術是一環,但邏輯思考的養成比技術的養成更難。邏輯思考的養成更要慢工出細活,很難一步到位。

看論文時,去找到這篇論文的核心價值是很重要的。做研究還要知道在這個領域中,最重要的問題是什麼。畢竟,找到問題後就是賭博了。要知道哪個方向的研究值得投資,要知道實驗資料和數據所代表的意義是什麼,如何解讀數據也是很重要的邏輯思考訓練,這些將都會成為你設計新的實驗時的依據。

其實,最辛苦的是剛開始設立自己的實驗室的時候。因為要訓練人,不是自己做就好,還要承擔所有的成敗。而且科學也是需要對外溝通,告訴資助單位、期刊還有大眾這個研究的重要性為何。

女性從事科學研究有多一層的考驗,因為社會對女性有許多的期許與要求,要兼顧家庭、事業兩方會是蠻大的挑戰。我覺得我算是蠻幸運,先生對我支持度也很高。在很多時候,女性碰到在家庭跟事業之間做抉擇時,會較容易放棄自己的事業。因此我常跟女學生說:對於家事能夠取得幫忙,就去取得,妳可以克服的,女性也可以顧全自己的事業。

延伸閱讀:

本著作由研之有物製作,原文為《找到植物吸收養分的關鍵──專訪蔡宜芳》以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

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

在網站上看不過癮?研之有物出書啦!

研之有物:穿越古今!中研院的25堂人文公開課》等著你來認識更多中研院精彩的研究。





-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3652 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