什麼原因讓狂速自轉的近地小行星不崩解？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 文／Heidi
• 本文編譯自《Science’s 2022 Breakthrough of the Year: A telescope’s golden eye sees the universe anew》

接續上篇：2022 年《Science》年度十大科學突破（上）：持續進化的 AI 與韋伯太空望遠鏡

看過 2022 年十大科學突破的前五項後，你是否迫不及待想知道另外五項呢？讓我們繼續看下去吧！

多發性硬化症的元兇：EBV 病毒

多發性硬化症（Multiple sclerosis）是一種中樞神經系統疾病，初期症狀只有視力模糊、手腳麻木、走路不穩等，到了後期便逐漸讓病患喪失視力、無法說話和行走。

• 延伸閱讀：免疫細胞誤擊友軍造成神經「短路」！——症狀千變萬化的多發性硬化症

長久以來，科學家懷疑多發性硬化症的元兇是「人類疱疹病毒第四型病毒」（EBV）。這種病毒主要透過唾液傳播，幾乎每個人一生中都會感染到，然後病毒會潛伏在白血球中。雖然患者大多都有 EBV 抗體，但 95% 的健康成年人也有，難以作為判定依據。

然而，今年 1 月刊載在《Science》的研究指出，感染 EBV 將導致罹患多發性硬化症的風險增加 32 倍。另一篇《Science》研究也發現潛伏在白血球中的病毒可能會「甦醒」，而病毒的其中一種蛋白質，會誘使免疫系統攻擊中樞神經細胞。

這些新發現給了科學家開發疫苗的方向。目前，有一種 EBV 疫苗正在進行臨床試驗，要是數據顯示疫苗有效，那麼在未來，多發性硬化症或許就能像小兒麻痺一樣，從此絕跡。

• 延伸閱讀：小兒麻痺疫苗的誕生——沙克誕辰｜科學史上的今天：10/28

美國簽署《降低通膨法案》，搶救發燒的地球

今年 2 月，聯合國 IPCC 第六次評估報告指出，若是全球平均升溫超過 1.5°C，各地都將出現多種極端氣候災害，部分地區也將不再適合人類居住。

• 延伸閱讀：IPCC 最新氣候變遷報告說了什麼？更熱的地球與更脆弱的人類

8 月，美國總統拜登（Joe Biden）簽署了《降低通膨法案》（Inflation Reduction Act），試圖從綠能、醫療、稅收等三大面向解決通貨膨脹的問題，同時減少溫室氣體排放，堪稱美國史上最重要的氣候法案。

身為全球第二的溫室氣體排放國，美國將在未來 10 年撥出 3690 億美元，投入綠能、電動車、核能發電等產業，目標是在 10 年後（2032 年）將溫室氣體排放量降低到 2005 年的 40%。

目前，全球平均升溫（相較於工業革命前）來到 1.2°C，而且今年的溫室氣體排放量仍持續上升，沒有下降趨勢。許多氣候科學家都認為升溫幅度必然超過《巴黎協定》規範的 1.5°C 上限，因此我們都需要盡快採取更多行動保護地球。

• 延伸閱讀：巴黎協定 5 年了，來看看它有沒有好好運作

逃過黑死病的方法，竟然是遺傳？

700 年前，橫行歐洲的黑死病殺死了 1/3 到 1/2 的人口。關於那些倖存者，科學家好奇了很久，想知道他們當初是如何逃過一劫，以及黑死病究竟帶來了什麼影響。

• 延伸閱讀：花粉揭秘：黑死病災情，歐洲各地很不一樣

今年 10 月， ㄧ篇《Science》的研究顯示倖存者體內可能有基因變異，提升他們對鼠疫桿菌（Yersinia pestis）的免疫反應。團隊分析了 500 多具遺骨中的古代 DNA，發現在英國倫敦爆發黑死病後，倖存者體內有 245 處的基因都有出現變異。

在這些 DNA 裡，內質網胺肽酶 2（ERAP2）引起了科學家的注意。這種蛋白酶有兩種變體：一種是完整尺寸，另一種較短，但都可以幫助免疫細胞識別、對抗病毒。科學家發現，遺傳完整尺寸 ERAP2 的人類存活機率是 2 倍，因為他們能夠生成更多細胞激素，協助免疫系統對抗鼠疫桿菌。

• 延伸閱讀：發炎反應的關鍵訊號「細胞激素」和它們的發現者—— 2020 唐獎生技醫藥獎

如今，約有 45% 的英國人體內還存有完整尺寸的 ERAP2 變體，但代價就是 ERAP2 也會增加罹患克羅恩病（Crohn’s disease）和類風濕性關節炎等自體免疫性疾病的風險。

碰！NASA 撞歪小行星！

多年來，NASA 持續監測直徑超過 0.5 公里的近地小行星，並且透過「雙小行星重定向測試計劃」（DART）研究多種讓小行星偏離軌道的方法。

• 延伸閱讀：披著喜劇外皮的警世寓言：《千萬別抬頭》背後的科學真相

今年 9 月，NASA 讓 DART 飛行器以 22,530 公里的時速撞擊小行星 Dimorphos，讓 Dimorphos 更靠近它繞行的另一顆小行星 Didymos，縮短了 32 分鐘的公轉週期，比 NASA 原先設定的目標還要高出 26 倍。

目前為止，天文學家估計軌道與地球軌道相交的近地小行星有 25,000 顆，大小都足以摧毀一座大城市。雖然行星防禦系統（Planetary Defense）尚未建構出完整情報，但針對人類首次改變天體運行的壯舉，NASA 署長表示「這是行星防禦任務的分水嶺，也是人類文明的分水嶺」，有助於降低小行星或隕石撞到地球的機率。

• 延伸閱讀：Just Look Up！小行星監測系統「哨兵」全面升級

從永凍土提取環境 DNA，重建古代生態系統

以往普遍認為 DNA 的保質期約為 100 萬年，但在今年 12 月，科學家從北極寒漠的永凍土中，提取了 200 萬年前殘留至今的環境 DNA 片段。透過分析這些片段，科學家還原了格陵蘭東北部皮里地（Peary Land）約 200 萬年前生態系統的樣貌。

英國劍橋大學研究顯示，在 200 萬至 300 萬年前，皮里地的平均氣溫比現在高 11℃ 至 19℃。從 5 處沉積層中提取的 41 個 DNA 片段，證實了當時有楊樹、樺樹、崖柏和各種針葉樹，也有野兔、旅鼠、馴鹿、囓齒動物，以及 1 萬年前滅絕的大象近親——乳齒象。過去從來沒有科學家料到乳齒象的活動範圍竟然延伸到那麼遠的北方。

可惜的是，因為缺少脊椎動物的化石，目前還不清楚確切的生物群落組成，但這項研究證明了利用環境 DNA 追溯 200 萬年前的古生物是可行的，而這也有助於科學家進一步探討生物和環境的演化。

• 延伸閱讀：不用觀落陰，DNA 帶你重回人類大歷史現場 ——古代 DNA 追追追（上）
• 延伸閱讀：啊～追著你的人、追著你從哪來、追著你的發展歷史——古代 DNA 追追追（下）

美國田納西大學（University of Tennessee）天文學家Ben Rozitis等人研究自轉速度極端快速的近地小行星（near-Earth asteroid，NEA）(29075)1950 DA，結果發現這顆小行星之所以迄今尚未崩散，是因為受到凡得瓦力（van der Waals）的束縛。這是天文學家首度在小行星上偵測到這個作用力，並認為這個作用力或許可保護小行星受到其他小行星撞擊時也不致於整個崩解，甚至可以幫助我們的地球抵抗並度過巨型小行星撞擊事件。

先前對第29075號小行星1950 DA的研究顯示：這顆小行星是由一堆鬆散的碎石聚集而成，藉由重力和摩擦力勉強維持小行星的完整性。然而Rozitis等人卻發現這顆小行星自轉一周僅需 2.1216小時，這麼快的自轉速度下，小行星根本無法單純藉由重力和摩擦力維持不崩解，換言之，它的自轉速度已經超過密度的碎裂極限，處於一種稱為「負重力 （negative gravity）」的奇怪狀態，如果有太空人登陸1950 DA表面，如果不想辦法使用釘錨之類的東西固定自己的話，一定馬上就會被小行星的快速自轉給甩到太空中。

Rozitis等人從拍攝的熱影像和軌道漂移狀況，計算這顆小行星的熱慣量（thermal inertia）和整體密度（bulk density，或稱容積密度），結果發現微重力環境下可讓物質凝聚在一起的作用力—凡得瓦力。科學家從前就曾有理論預測小型的小行星上可能會有這種凝聚力（cohesive force），但因為這種作用力很微弱，故以前從未真正偵測到過；而Rozitis等人的研究成果，證實了這個預測是正確的，而且這種作用力很微弱，只要有個小小的外力，就足以破壞掉這個脆弱的凝聚力，所以由此可提供重要的訊息，讓科學家有新方式能避免未來可能發生小行星撞擊地球的事件。

2013年2月15日發生在俄羅斯車里雅賓斯的小行星撞擊事件，讓世人重新認知小行星撞擊地球的威脅性，並促使科學家必須刷新對此類事件的想法和應對 處理方式。從Rozitis等人的研究成果，有幾種可能的「防撞」技術，例如：利用一個大質量物體去撞擊小行星的「動力撞擊體（kinetic impactor）」方式，可能反而導致地球被撞得更慘；這是因為這樣的技術會讓小行星的凝聚力變得不穩定，無法再讓小行星聚集在一起而分裂成更多碎片， 導致地球遭受小行星撞擊的面積驟增，造成的危害更甚於單一一顆小行星的撞擊效應。這可能是小行星P/2013 R3曾發生過的狀況；哈柏太空望遠鏡（Hubble Space Telescope）在2013年和2014年捕捉到這顆小行星的分裂，或許就是被一個流星撞擊到而導致的。

此外，這項發現也給太空探索提供重要訊息，例如：歐洲太空總署（European Space Agency，ESA）羅賽達號太空船（Rosetta）現在已成功進入環繞67P/Churyumov-Gerasimenko彗星的軌道，或許未來它 會發現佈滿塵埃的彗核表面就是由這種凝聚力所支配統治呢！

Forces that hold rapidly spinning near-Earth asteroid together discovered. Science Daily [August 13, 2014]

轉載自網路天文館

• 本文轉載自臺北天文館《臺北星空》第 104 期

• 文／林建爭｜美國夏威夷大學天文研究所、泛星計畫博士後研究員
• 校稿／王品方｜美國夏威夷專案文物修復師

位於美國夏威夷茂宜（Maui）島哈萊阿卡拉（Haleakal）山上，由夏威夷大學天文研究所執行的泛星計畫（Pan-STARRS）望遠鏡近期又發現了一顆新的彗星。這顆彗星將在明（2022）年四月底至五月初最接近地球，目前估計其亮度最亮可達 5 等，因此人們將很有機會透過肉眼或是雙筒望眼鏡看見。

泛星計畫英文全名是（Panoramic Survey Telescope and Rapid Response System； Pan-STARRS），直譯為全天域觀測望遠鏡及快速反應系統，其最主要目的是藉由此觀測系統，指認出軌道可能與地球相交的近地小行星，使人們能預警撞擊與研擬避免撞擊地球的解決方案，關於泛星計畫《臺北星空 42 期》有詳細介紹。該計畫原本要建置四座 1.8 米口徑的望遠鏡，不過由於經費限制，目前僅建造兩座望遠鏡（PS1 與 PS2）並投入科學觀測中，圖 1 是 PS1 圓頂。PS1 及 PS2 裝載了目前世界上最大的數位相機，大約有 14 及 15 億像素，一幅影像視野約 7 平方度。

每天晚上每個望遠鏡總觀測天區約 1,000 平方度的夜空，而每個目標星場會曝光四次，每次曝光約 45-120 秒，每次間隔約 15 分鐘。圖 2 是泛星計畫所使用的六個濾鏡，分別是 grizyw，其中 w 波段較寬，橫跨 gri 三個波段，而 y 波段接近 1 微米近紅外線。目前搜尋小行星主要以 w 波段觀測，曝光時間 45 秒，其他波段的曝光時間則依其科學目的而有所調整。天文臺拍攝完的影像，會同步下載到夏威夷大學計算中心的伺服器上，團隊人員隨即處理影像，接著每兩幅影像互相比較，因此在一小時內移動的星體便能即時辨識；如果有近地小行星軌道與地球軌道重疊，且有撞擊地球之風險，泛星團隊會立即回報給小行星中心，全世界大大小小望遠鏡將會對該星體進行後續的觀測，以估算其軌道和大小，並進一步確認它們對地球構成威脅的機率。一般說來，泛星團隊在觀測後的 12 小時內，便能將當晚觀測到已知或新發現的近地小行星位置及亮度匯報給小行星中心。

泛星計畫在發現近地小行星方面一直處於領先的角色，自從泛星望遠鏡上線後，有近五成較大的近地小行星（直徑>140 米）由該望遠鏡發現，圖 3 顯示自 2014 年起，泛星計畫的小行星發現數量開始領先其它巡天計畫並持續至今。自從 2010 年十月泛星計畫發現了第一顆新彗星 P/2010 T2 以來，該計畫在發現彗星方面也有不少收穫；其中過去五年（2016 年至 2021 年）從美國噴射推進實驗室小行星資料庫的統計中，新發現的彗星約有 350 顆，而泛星計畫發現約 130 顆，每一年佔新發現的彗星中約有三成五以上。

今年 7 月底，泛星計畫望遠鏡再度發現了一顆新彗星，當時被暫時命名為「P11ibiE」，這顆彗星預估在明（2022）年四月底至五月初最接近地球，當彗星接近地球和太陽時，太陽的輻射會使彗星表面變暖，隨著氣體和塵埃從其冰冷的表面釋放出來後，整體的表面積（塵埃與氣體）變大，讓更多陽光從彗星反射出來，這樣的過程使得彗星變亮。也因此這顆彗星讓我們很有機會透過肉眼或是雙筒望遠鏡看見。

這顆彗星是由夏威夷大學天文所的天文學家 Robert Weryk 在 2021 年 7 月 26 日首次觀測記錄，通報至小行星中心，接著由全球的望遠鏡協助觀測確認後，在 8 月 1 日正式命名為 Comet C/2021 O3（PANSTARRS）。儘管這顆彗星正逐漸接近地球，但屬於對地球沒有威脅的星體，其軌道預測近日點距離約 0.29 天文單位（註：地球與太陽距離是 1 天文單位），目前與地球的距離約 3 天文單位，如圖 4 所示，這顆彗星以雙曲線軌道繞行太陽，目前預計在 2022 年 4 月 21 日經過近日點，接著它就會展開新的旅程，朝太陽系外遠去。

夏威夷大學天文所的天文學家 Richard Wainscoat 也表示，類似這種長週期彗星的軌道是相當難預測其未來的路徑，它可能受到其他行星（例如：木星）的重力影響而改變軌道週期。而 Comet C/2021 O3（PANSTARRS）在運行的過程中，也有可能會因重力或其他小行星體撞擊而偏離軌道，甚至可能會變成週期彗星而回歸，不過即使再次回來，也是數百或是千年後的事了。Robert Weryk 認為這顆彗星不大，這可能會導致它在接近太陽時，受太陽重力拉扯碎裂解體；即使沒有，太陽的輻射也會使彗星內的物質蒸發，形成彗星特有的標誌「彗尾」。目前預估要觀察該彗星的最佳機會是明年五月的前幾天，屆時彗星將在日落後低懸於西方天空。

YouTube 相關影片：

參考資料：

• Pan-STARRS
• New Comet Discovered by UH Telescope on Haleakalā Could Become Visible in 2022
• 新發現肉眼可見的 C/2021 O3（PanSTARRS）彗星 
• Pan-STARRS Releases Largest Digital Sky Survey to the World 
• Comet discovered by Haleakala telescope could be visible on BI next year