Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

星星知我心 誰知新星的心?

吳京
・2014/10/22 ・2159字 ・閱讀時間約 4 分鐘 ・SR值 507 ・六年級
相關標籤: 新星 (6)

四百多年前的天空中出突然出現了一顆不尋常的星星,被中國人記錄下來。《明實錄》載:「隆慶六年十月初三丙辰(1572年11月8日),客星見東北方,如彈丸,出閣道旁,壁宿度,漸微芒,有光,歷十九日。」客星,是中國古代欽天監對彗星、新星或超新星的稱呼。

三天後(1572年11月11日),第谷(Tycho Brahe)在北歐冷洌的星空中也發現了此星,他寫下「De nova et nullius aevi memoria prius visa stella (“Concerning the Star, new and never before seen in the life or memory of anyone”)」。雖然這顆星不是最早被記錄的新星,而且中國的記錄也比較早,但考量第谷的弟子克普勒提供了肩膀給偉大的牛頓站,後世的天文學界沿用nova(新星)一詞來稱呼這種突然爆亮的天體,而「客星」一詞就被塵封在中國古天文學字典裡了。

新星模型示意圖。Credit:David A. Hardy (www.astroart.org )
新星模型示意圖。Credit:David A. Hardy 

俱載,這顆被第谷記錄為nova的星星持續亮了一年多,直到1574年才漸漸暗去。依現代天文學的分類,第谷新星(Tycho’s Nova)事實上是顆超新星(Super nova),而現代被定義為新星(nova)的天體,爆亮後就開始逐漸暗淡,頂多百來天,亮度已不到原本的1/16了。考量到新星發亮的時間那麼短,以後筆者如果要開一間3C賣場,斷然不會以此命名。

目前天文學界認為新星形成於具有白矮星的雙星系統中,雙星中的另一顆伴星可以是主序帶的恆星或紅巨星。當兩顆星體過於接近時,白矮星的引力會吸走伴星外部的氫氣或氦氣,堆積在其表面上,堆積的氣體會因重壓而升溫,當溫度超過某一臨界時,會發生不可逆的熱失控現象,釋放大量的能量,把部份累積的氣體吹散,是為新星爆炸。其爆炸僅在白矮星表面,若本體也炸了,就不是新星,而是Type Ia型的超新星

-----廣告,請繼續往下閱讀-----

這個故事告訴我們,故意跟你走的近的人,也許是想一點一滴吸乾你;另一方面,也教導世人不應貪得無厭,否則會爆炸。研究新星是一門具有醒世哲思的學問。

2012月,一顆編號V959 Mon的新星光芒傳到地球,又向世人透露了新的訊息。NASA的費米伽瑪射線太空望遠鏡在V959 Mon上偵測到了伽瑪射線(後稱γ-ray),γ-ray是電磁波中能量最高的波段,一般而言,天體必需具有高速且密集的基本粒子,使又擠又快的粒子相撞,才會發出γ- ray。原本新星的理論模型中,並沒有如此的環境,而實際觀測的資料中,也只有另一顆新星曾發出過γ- ray,但那顆白矮星的伴星為米拉變星,V959 Mon是第一顆伴星為主序帶恆星而被發現有γ- ray的新星。從V959 Mon之後到2013年之間,NASA又陸續找到了三顆發出γ- ray的新星,然而,新星為何會發出γ- ray仍無定論。

V959 Mon的γ-ray被觀測到時,美國的甚大天線陣(Very Large Array)也在該方位偵測到大量的無線電波訊號,接著利用甚長基線干涉測量(Very-long-baseline interferometry)技術的無線電波天線也紛紛投入觀測V959 Mon的行列。分析後,天文學家認為這是由同步輻射所發出的無線電波。所謂同步輻射是指帶電荷的粒子在以接近光速的速度運動時,受磁場影響而轉彎,所伴隨發出的電磁波的現象。這種現象與產生γ-ray有一個共同要件,即高速運動的基本粒子。因此天文學家可藉由解析度高且較無雜訊的無線電波影像來推論新星發出γ-ray的狀況。

V959 Mon的無線電波影像在首次偵測到後就逐漸擴大,在一百多天後,形成兩團無線電波發射源,各自朝相反方向遠離。來自美、英、中、德、加等國共17個單位的19個學者在持續觀測此影像的六百多天後,建立了讓新星發出γ-ray的模型。他們認為新星爆炸時,一部份的粒子會從雙星互繞的運動中獲得角動量,而大致沿公轉平面被甩出去;不久後,另一部份噴發出的粒子會以更快的速度被雙星系統的星風吹出去。在這兩集團的接面處,粒子有相當高的碰撞機率,這就是新星發出γ-ray的原因及地方。

-----廣告,請繼續往下閱讀-----
V959 Mon 模型,黃色為角動量甩出的粒子們、藍色是持續被吹出去的粒子們。Credit:Bill Saxton, NRAO/AUI/NSF
V959 Mon 模型,黃色為角動量甩出的粒子們、藍色是持續被吹出去的粒子們。Credit:Bill Saxton, NRAO/AUI/NSF

這項研究結果於2014年10月被發表在知名的科學期刊nature上。相傳17個單位天文學家們利用觀測至2013年初的數據就已經把此模型建立好了,剩下近2年的時間則在爭論文章發表後誰的名字要排前面。天文學家相信,發出γ-ray會是新星的普遍行為,而這個模型讓我們更能瞭解新星的內心世界。

參考資料:

  1. Radio Telescopes Unravel Mystery of Nova Gamma Rays. NRAO [8/10/2014]
  2. Binary orbits as the driver of γ-ray emission and mass ejection in classical novae” Laura Chomiuk, Justin D. Linford,Jun Yang,T. J. O’Brien,Zsolt Paragi, Amy J. Mioduszewski,R. J. Beswick,C. C. Cheung,Koji Mukai,Thomas Nelson,Valério A. R. M. Ribeiro,Michael P. Rupen,J. L. Sokoloski, Jennifer Weston,Yong Zheng,Michael F. Bode, Stewart Eyres,Nirupam Roy & Gregory B.Taylor, Nature514, 339–342 (16 October 2014) doi:10.1038/nature13773
  3. 本文諸多天文名詞及解釋均來自於201410月之wiki百科資料。

特別感謝 對天文很有興趣的專業攝影師歐弟 協助審閱本文。  

本文轉載自作者部落格吳京的量子咖啡館

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
吳京
26 篇文章 ・ 3 位粉絲
正職是二個娃兒的奶爸,副業為部落格《吳京的量子咖啡館》之館主。為人雜學而無術、滑稽而多辯,喜讀科學文章,再用自認有趣的方式轉述,企圖塑造博學又詼諧的假象。被吐嘈時會辯稱:「不是我冷,是你們不懂我的幽默。」

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

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。

0

7
5

文字

分享

0
7
5
宇宙「新」光──新星、超新星與千級新星
全國大學天文社聯盟
・2022/03/30 ・4272字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

  • 文/語星葉,與一隻米克斯黑狗簡單地生活在新竹,正在努力成為天文學家。

看星星,是大多數人接觸天文的契機。現今,看見滿天星斗對於被光害荼毒的都市人而言是一種奢侈,相較於古時夜無燈火,總有許多靜謐無光的夜晚,能讓人們一同仰望星空,思索空中的奧秘。多數星星安靜地閃爍,被人類賦予神話故事,成了現在為人所知的「星座」。另外,有少數幾顆不安分地移動著,它們的移動方式看似有規則,有時候卻會逆行,這些在天空中漫遊的星星,我們就稱之為「行星」 。

在極少數的情況,我們會發現過去未曾注意到的星點,猶如初來乍到的旅客,古時中國稱之為「客星」 [註一]。現在我們知道,這些看似新生的星,實則氣數已盡。利用強大的各波段望遠鏡,人類偵測到大量「新」光,並提出多種機制來解釋星光快速且劇烈改變的現象。

本文將介紹 3+1 種天文現象,分別為「新星(Nova)」、「超新星(Supernova)」和「極亮超新星(Superluminous supernova / Hypernova)」,以及「千級新星(Kilonova)」。前兩者的觀測歷史源遠流長,後兩者則歸功於現代發達的觀測技術,才讓我們得以一探究竟。

蟹狀星雲,古時中國稱之為天關客星,為西元 1054 年的超新星爆炸殘骸。圖/NASA, ESA, J. Hester and A. Loll (Arizona State University)

新星:我可一點都不年輕!

新星(Nova)來自拉丁文,有 「new」 之意。過去,人們仰望寧靜無波(一成不變)的星空時,若是偶然發現從未見過的星星,便稱之為「新星」。但如今我們知道,新星其實不是剛誕生的星,而是古老的小質量恆星,會在它們的生命終章──白矮星時期,突然變得異常明亮。

-----廣告,請繼續往下閱讀-----

白矮星是小質量恆星死亡後的產物,緻密、溫度高,但亮度低,平常不易觀測。一般而言,白矮星是非常穩定的天體,但如果身邊有個伴,情況就不同了。若是白矮星和伴星互繞的距離過近,使得伴星的氫被吸向白矮星表面,並在其表面點燃核融合反應,產生劇烈的光度變化,讓白矮星成為用肉眼可見的「新星」。

近年,天文學家發現,新星的出現經常伴隨強烈的伽瑪射線,推測是來自新星爆發時產生的衝擊波。後續研究指出,新星的高光度也是以衝擊波作用為主,而不是來自表面的核融合反應,打破了以往既有的觀點。

藝術家繪製的假想圖。右側的白矮星吸走左側伴星的氫,成為亮度極高的新星。圖/NASA/M.Weiss

超新星──宇宙中的燦爛花火

超新星(Supernova)顧名思義是新星的 Super 版,比「新星」更亮的星星──天文名詞總是取得如此淺顯易懂。超新星的光度遠超越新星,其形成機制也有所不同。

目前科學界認為超新星有兩種不同的形成機制,分別為「熱核超新星(Thermonuclear supernova)」與「核心塌縮超新星(Core-collapse supernova)」。

「熱核超新星(Thermonuclear supernova)」前身和新星一樣是白矮星,差別在於熱核超新星爆炸極具毀滅性。當白矮星的質量增加到「錢德拉賽卡極限(Chanfrasekhar limit)」,也就是臨界值時,引爆其核心的碳元素將劇烈爆炸,將使白矮星灰飛湮滅。質量增加是因為白矮星身邊有個伴,可能是兩個白矮星白頭偕老、最終合併,也可能和新星一樣是老少配,然後白矮星吸走年輕伴星的表面物質。但究竟是哪種配對導致熱核超新星爆炸,天文學家還在熱議。

-----廣告,請繼續往下閱讀-----

「核心塌縮超新星(Core-collapse supernova)」則來自大質量恆星核心塌縮後造成的熱壓爆炸。當大質量恆星的核心燃料用罄,無法支撐極強的重力而塌縮時,就會產生巨量的熱能,並向外爆發。整個過程僅以秒計。爆發後,周圍形成漂亮的超新星殘骸,核心則塌縮成中子星或黑洞。

值得一提的是,超新星是少數能夠串聯古今天文學的研究領域。歷史上數個著名的超新星爆發事件,在世界各地的文明史料中皆能發現記錄。目前推測人類文明見過最亮的超新星事件是 SN1006(西元 1006 年),最亮時甚至比啟明更亮 [註二],即使在白天仍可用肉眼看見,而且持續長達數星期。著名的梅西爾天體 M1(蟹狀星雲)也是超新星爆炸後的殘骸,自 1054 年的超新星爆發中產生,相關記錄散見史冊,而且至今仍是天文界炙手可熱的研究對象。

蟹狀星雲之心。 圖/NASA and ESA

+1 的部分:極亮超新星

現代觀測技術的進步使超新星事件變得常見,有多部自動望遠鏡凝視著宇宙虛空,在星際間搜尋著超新星的亮光,這類計畫稱為巡天(Survey)計畫。在眾多的觀測數據中,天文學家注意到一類特別明亮的「極亮超新星」(令人不禁想吐槽天文學家如此單純的命名邏輯),這些超新星比一般情況亮了 2 個數量級以上,並且非常罕見。

到 2017 年止,人類僅觀測到約 100 顆極亮超新星。由於數據過少,天文學家對其形成機制的想像可謂瞎子摸象、暫無定論,目前仍歸類為超新星。那麼,極亮超新星究竟是超新星的超級版,抑或是來自不同的形成機制,唯有持續探向更遙遠無垠的古老宇宙,才有機會揭發這個謎團了。

-----廣告,請繼續往下閱讀-----

千級新星──看見宇宙之音

「千級新星」是非常新的天文研究領域,研究過程也極具戲劇性。故事得從科學家研究重力波開始說起。

重力波是重力作用產生的時空漣漪。百年前,愛因斯坦的理論便預測其存在,但重力波非常微弱,連愛因斯坦本人都不相信人類有朝一日能偵測到重力波。直到 2015 年,人類才首次「聽」到兩顆黑洞合併產生的重力波 [註三]。不過,重力波的訊號指向性不佳,難以「聽音辨位」,也就是用重力波訊號回推事件發生地點。若我們能同時「看」到電磁輻射訊號(該事件發出的電磁波),便可蒐集更多更精確的數據,以了解究竟是在宇宙何處發生了什麼事。

令人難過的是,兩顆黑洞合併幾乎不會產生電磁輻射,因此無法用上述的方法獲得更多資訊。

後來,科學家發現,當兩顆中子星合併、或一顆中子星與一顆黑洞合併時,發出的重力波訊號雖較兩顆黑洞合併更弱、也更難偵測,但這兩種事件不只會產生重力波,也會發出電磁輻射,因此是重力波干涉儀的重要偵測目標。2010 年,天文物理學家探討了這兩種合併事件可能的電磁輻射樣態,得出的結論是和新星事件一樣會有劇烈的光度改變,而且最大亮度約是新星的千倍,於是命名為「千級新星(Kilonova)」。

藝術家以動畫展示兩顆中子星通過重力波合併,然後爆炸成千級新星的過程。影/ESO/L. Calçada.

千級新星的發光機制和超新星不同:超新星的光度主要來自爆炸產生的放射性鎳元素衰變,而千級新星則主要來自兩顆中子星,或中子星與黑洞碰撞合併時,大量發生的核反應——「中子捕獲作用」,此類核反應僅在極端物理環境下產生,是形成金、銀、鉛等重元素的重要機制。過去科學家認為宇宙中重元素的生產者是超新星,然而超新星爆炸的觀測數據卻發現,超新星事件發生的中子捕獲作用的「產能」並不足以支撐現有的重金屬比例,因此千級新星便躍上研究舞台,被認為是重元素的主要產地。

-----廣告,請繼續往下閱讀-----

2017 年,LIGO 及 VIRGO 重力波干涉儀共同偵測到人類史上第一場雙中子星合併事件 GW170817。當時,世界各地的望遠鏡幾乎都暫時放下常規任務,爭相投入這場觀測馬拉松。最終的成果令人振奮,不但同時偵測到重力波與相應的電磁波源,分析結果也與千級新星理論預測的訊號相符,這代表我們首次觀測到了千級新星!

重力波 GW170817的可見光訊號。圖/Soares-Santos et al. and DES Collaboration

這場盛會更昭示了「多信使天文學」時代的來臨 [註四]。重力波探測與多波段電磁觀測的結合,替人類的宇宙探索之旅翻開嶄新的一頁。今日,科學家們正期待著下一對共舞的緻密天體搖響精密儀器的銀鈴,讓更多未解之謎得以撥雲見日。

藝術家繪製的 GW170817 雙中子星合併事件想像圖。圖/LIGO-Virgo/Frank Elavsky/Northwestern University

宇宙看似恆常不變,然而在無盡好奇的驅使下,人類以最新科技突破既有的感官極限。我們洞見宇宙深邃瞬變的幽光,聆聽時空悠遠微弱的呢喃。宇宙「新」光的無盡奧秘,還有待來日的勤奮深掘。

註解

註一:客星指新出現的星,意義上包含彗星等在太陽系內遊走的天體,惟不在本文範疇。

註二:金星是地球的夜空中最明亮的星,清晨及黃昏也可見。古時稱金星出現於黃昏為「太白」、「長庚」,出現於清晨為「啟明」。

-----廣告,請繼續往下閱讀-----

註三:人類聽見的聲音主要來自空氣分子的震盪,只要震盪頻率在 20~20000 Hz 的範圍,並且經由介質傳遞使耳膜震動,我們就能聽見。雖然重力波是時空震盪,無法直接以耳朵聽見,但概念上類似,因此常見到科學家將重力波訊號轉換成「音訊」,方便人們感受。

註四:多信使天文學(Multi-messenger astronomy)指利用多種訊號探索宇宙的現象。不同於早期僅以可見光探看宇宙,人類如今能夠探測光子、電磁波、微中子、重力波和宇宙射線等高能帶電粒子。透過這些訊號,可以傳達不同面向的資訊,協助我們拼湊出單一宇宙現象更細緻的原貌。GW170817 事件除了以重力波和電磁輻射觀測,亦有微中子觀測站參與,只是沒有找到相關聯的微中子訊號,因此理論在這方面尚未證實,有待解惑。

延伸閱讀

  1. Li, KL., Metzger, B.D., Chomiuk, L. et al. (2017). A nova outburst powered by shocks. Nat Astron 1, 697–702. https://doi.org/10.1038/s41550-017-0222-1
  2. Aydi, E., Sokolovsky, K.V., Chomiuk, L. et al. Direct evidence for shock-powered optical emission in a nova. Nat Astron 4, 776–780 (2020). https://doi.org/10.1038/s41550-020-1070-y
  3. Gal-Yam, A. (2019). The most luminous supernova. Annual Review of Astronomy and Astrophysics, 57, 305–333. https://doi.org/10.1146/annurev-astro-081817-051819
  4. Metzger, B.D., Martínez-Pinedo, G., Darbha, S., Quataert, E., Arcones, A., Kasen, D., Thomas, R., Nugent, P., Panov, I.V., Zinner, N.T.. (2010). Electromagnetic counterparts of compact object mergers powered by the radioactive decay of r-process nuclei. Monthly Notices of the Royal Astronomical Society, 406(4), 2650–2662. https://doi.org/10.1111/j.1365-2966.2010.16864.x
  5. Smartt, S., Chen, TW., Jerkstrand, A. et al. (2017). A kilonova as the electromagnetic counterpart to a gravitational-wave source. Nature 55175–79 . https://doi.org/10.1038/nature24303
-----廣告,請繼續往下閱讀-----

0

0
2

文字

分享

0
0
2
重力塌縮是什麼?──《跟著怪咖物理學家一起跳進黑洞》
聯經出版_96
・2016/04/10 ・2326字 ・閱讀時間約 4 分鐘 ・SR值 486 ・五年級

重力塌縮是什麼?

按照一般的想法,與地球同樣質量,但半徑只有 8.9mm 的星球──物質緊密的塞到那種地步的終極重星,應該是不可能存在吧?很多人會想,這畢竟只是空想出來的理論。

但是在第二次世界大戰開始的一九三九那年。科學家羅伯特.歐本海默(Julius Oppenheimer)發表了「星球應該因為重力崩塌而誕生」的理論。歐本海默是製造出原子彈的人,美國羅沙拉摩斯國立研究所所長,曼哈頓計畫負責人。他是個理論物理學家,所以也研究星球的一生。

所謂的重力塌縮是這樣的:

【P47-圖9】跟著怪咖物理學家一起跳進黑洞!

太陽在這裡(圖 9),太陽因為核融合而燃燒,內部製造出極為驚人的能量(大家就是靠著這個能量才能像現在這樣生活),為了製造驚人的能量,類似這種太陽的恆星,會發生不斷向外擴張、再擴張的力量。

-----廣告,請繼續往下閱讀-----

另一方面,太陽擁有極大的質量,因為它的質量,也產生向中心落下、再落下的重力。那種「向外擴張、再擴張的力量(能量)」和「往內側落下的力量(重力)」一般會達到平衡狀態。科學家說, 像太陽那樣的星球, 大概可以活到 100 億歲。太陽現在正好是中年,大約 50 億歲左右。它幾乎── 90 億年以上都會維持這樣的安定。向外擴大的力量和因重力而掉落的力量,一直保持在平衡狀態。

但是,物質一定有結束的一天。太陽的終點是什麼呢?就是燃料用盡。太陽燃燒氫(原子序數 1) —原子序數是原子核中,質子的數量—變成氦(2),進而氦與氦又會變成鈹(4),氫(1)與氦(2)融合就會變成鋰(3),周期表中的輕原子轉變成重原子──它們的原子核融合了—核融合最後將會停止在鐵(26)形成時。因為鐵原子不會再核融合,它是最安定的物質。

因為這個緣故,太陽漸漸年老,燃燒的物質燒完,向外擴張的能量變弱……在某一瞬間,重力贏過了能量,這就是星球的末日。重力獲勝,向中心塌縮的現象,就叫做「重力塌縮」。

所有的物質都變成十萬分之一大小

你能想像星球因為自己的重力而坍塌的樣子嗎?話說回頭,「物體坍塌」是什麼意思?比如說,這裡有個橡皮擦,就算我再怎麼用力捏,也不會把它壓扁,因為它很密實。星球的內部也相當密實,哪有什麼地方供它坍塌呢?其實是有的。

-----廣告,請繼續往下閱讀-----

就是這個:

原子是由原子核與環繞它的電子構成。

中心的原子核非常非常小,大概是整個原子的 10 萬分之 1 大。假設原子有這個會場這麼大(幾十公尺),原子核大概只有自動鉛筆筆芯的直徑。原子的內部其實很空洞。像橡皮擦,外表看起來好像很密實,但它是由原子構成的,所以內部也很空,多的是塌縮的空間。其實它可以縮小成 10 萬分之 1 大小的空間。

那麼,為什麼壓不扁它呢?因為我的力量太弱。如果有恆星那種程度的重力,力量就很大,是可以把它壓扁的。至於塌縮是怎麼一回事呢?電子原本都在固定的軌道上,塌縮就表示它掉到原子核上。電子與原子核(的質子)黏在一起,就會變成中子

-----廣告,請繼續往下閱讀-----

以太陽為例,它是由氫與氦等各種原子構成的,但如果所有的電子都落到它的原子核上的話,各種原子也都變成了中子。星球變成一大塊中子──稱之為中子星

【P49】跟著怪咖物理學家一起跳進黑洞!

到這時候,體積變得極小──10 萬分之 1 的尺寸,但質量還是同樣巨大的星球不就誕生了嗎?歐本海默這麼認為。

體重決定死法

各位,你們知道星球也有壽命吧。壽命到了盡頭,星球也會死的。就如剛才說的,當核融合結束的瞬間,星球就死亡了。相反的,「星球誕生」指的是核融合開始的時候。塵埃(粒子)因為重力吸引而聚集、開始核融合的那一刻—發出耀眼光線的那一刻,星球就誕生了。而像地球這種不會發生核融合的星球,從一開始就死了

而且,星球也像人一樣,有不同的死法。人有很多死法,而星的死法卻按體重的大小早就決定了。也就是說,輕和重的死法不相同。胖子快死的時候不太漂亮,相反的,瘦子可以死得很美。

-----廣告,請繼續往下閱讀-----

超新星爆炸!

【P51-圖10】跟著怪咖物理學家一起跳進黑洞!

這裡畫的「紅巨星」,是快死的老人星(圖10),燃燒的物質不斷在減少。

一般人形容星球的大小,常用「太陽的幾倍」的說法。在太陽的 8 倍大以內都可以算是「瘦子」。這顆老人星如果是那種瘦子星的話,剛才說的重力塌縮會在半途停止。它不會完全塌縮,變成一塊中子,在氫和氦等「燃燒物質」還殘留的狀態停止重力塌縮。由於核融合還在繼續,所以會發出微弱的光,是一種美麗的死法,以這種方式死去的星,叫做「白矮星」(圖 10)。

但是,比太陽大 10 倍以上的胖子星會變成什麼樣呢?因為重力太大,它會以猛烈的力道塌縮。燃燒物質一用完,便急速收縮,因為力道太猛烈,物質激烈碰撞而產生爆炸。這種爆炸叫做「超新星」(super nova),聽過嗎?你也可以在「超新星」後加上爆炸, 叫它超新星爆炸。還沒有到﹁ 超﹂ 程度的爆炸,就叫「新星」(nova)。

順便一提,為什麼它明明要「死了」,卻叫做「新星」呢?因為從前並不知道這是星球死掉的狀態。它本來是一顆會發光的恆星,但是因為距離地球太遠了,我們看不見。但在它死掉的瞬間,因為爆炸而發出極為明亮的光,古代人看到時便說「啊,那裡有一顆新的星星!是新星啊!」於是就這麼取名了。其實它不是新生的星,而是死亡的星,但古代人不知道。它有這麼個歷史的緣由。

-----廣告,請繼續往下閱讀-----

0010708410

 

 

你一定聽過黑洞、時間旅行、暗物質、蟲洞、希格斯粒子、空間扭曲、相對論……但你真的「知道」那是什麼嗎?快跟著《跟著怪咖物理學家一起跳進黑洞》吧!(本書由 聯經出版

-----廣告,請繼續往下閱讀-----
聯經出版_96
27 篇文章 ・ 20 位粉絲
聯經出版公司創立於1974年5月4日,是一個綜合性的出版公司,為聯合報系關係企業之一。 三十多年來已經累積了近六千餘種圖書, 範圍包括人文、社會科學、科技以及小說、藝術、傳記、商業、工具書、保健、旅遊、兒童讀物等。