Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

有伴的老行星,生命能生存的機會也增高

臺北天文館_96
・2014/08/10 ・1261字 ・閱讀時間約 2 分鐘 ・SR值 544 ・八年級

10TrillionAD_2

美國華盛頓大學(University of Washington)天文學家Christa Van Laerhoven、 Rory Barnes和亞利桑納大學(University of Arizona)Richard Greenberg等人發現:年紀大了還有好友相伴是件很棒的事,對宇宙中的地球級老行星而言也一樣。

行星會隨著時間緩緩冷卻,熔融的核心逐漸固化,內部的產能活動逐漸平息,無法藉由控制二氧化碳含量來防止失控暖化或失控冷化,因而無法維持適合生物生存的環境。但Van Laerhoven等人發現:某些與地球大小差不多的古老行星,受到其外側鄰近行星伙伴的重力拉扯,能產生足夠的熱來防止行星內部冷卻,讓行星環境能留存生命的機會變大;這個過程稱為「潮汐加熱(tidal heating)」。

潮汐加熱並非新理論,木星衛星中的木衛一(埃歐,Io)和木衛二(歐羅巴,Europa)就受到木星重力的潮汐加熱作用,使它們內部被加熱,讓木衛一迄今仍有非常活躍的火山作用,木衛二則可能有個地下海洋。

這些天文學家將相同概念應用在系外行星系統的電腦模擬中,結果發現:在年老的低質量恆星的適居區中,以非圓形軌道公轉的年老地球級系外行星,也存有這種潮汐加熱效應。這類低質量恆星的質量僅約太陽的1/4而已,是以其適居帶也比較接近恆星本身。

-----廣告,請繼續往下閱讀-----

行星離母恆星愈近,所受到的恆星重力愈強,行星可能會被恆星重力拉扯變形成橄欖球狀;當離恆星愈遠,受到恆星重力愈弱,行星會「放鬆」成球形。這種接連不斷的鬆弛過程,可導致行星內部層狀結構彼此間互相摩擦而生熱。

之所以需要外側鄰近處有另一顆行星,是因為如此一來才能保持地球級行星的軌道為非圓形軌道,也才有打造適居行星的潛能。否則當地球級行星軌道接近圓形,繞母恆星公轉時受到的重力大小幾乎不變,行星形狀不會改變,也就沒有潮汐加熱的效應了。

因此,這些天文學家認為:一旦發現某顆又老又小的恆星的適居區中有地球級行星,那得趕緊在稍外側之處搜尋看看有沒有另一顆行星;如果有,那麼適居區中的這顆地球級行星擁有生命適存環境的機會就多了一些。

若老行星有它自己的板塊運動,再加上受到外側鄰近行星伙伴的潮汐加熱效應,或許可讓這樣的行星的表面成為宇宙中適居時間最長的世界之一。或許在遙遠的未來,當我們的太陽死亡之後,人類的子孫後裔就是生活在這類行星上。

-----廣告,請繼續往下閱讀-----

圖片說明:某顆繞行小一點的老恆星公轉的年老行星,受到外側鄰近的行星伙伴的重力影響,可能因潮汐加熱而產生足夠的熱能,即使它們的母恆星逐漸老去,無法在進行核融合反應來產生光與熱,年老行星依然能保持適合生命生存的環境。但這樣的行星看起來會是什麼模樣?Barnes解釋:如果其母恆星與太陽大小差不多,則當這顆恆星老去,表面溫度降低使得適居帶比較接近恆星本身,在適居帶中的行星所見的太陽,將比現今在地球上所見還大10倍;而畫面右上方的彎月狀天體,不是月亮,而是顆鄰近的土星級行星,正是這顆鄰近行星的潮汐加熱使行星表面還維持適居狀態。影像中所見的天空偏暗,這是因為這顆老恆星所發出的輻射中,藍光的比例偏低,所以行星大氣並不會因為散射藍光而讓天空看起來如地球一樣是淺藍的。

資料來源:Companion planets can increase old worlds’ chance at life, 2014.07.31, KLC

本文轉載自網路天文館

-----廣告,請繼續往下閱讀-----
文章難易度
臺北天文館_96
482 篇文章 ・ 44 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!

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

-----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。

0

0
0

文字

分享

0
0
0
為什麼微波爐加熱總是不均勻?—《解事者》
天下文化_96
・2016/11/29 ・1098字 ・閱讀時間約 2 分鐘 ・SR值 399 ・三年級

-----廣告,請繼續往下閱讀-----

生活中常見的微波爐能快速加熱食物的秘密是什麼?圖/Jorge Sanz@flickr, CC-by2.0
生活中常見的微波爐能快速加熱食物的秘密是什麼?圖/Jorge Sanz@flickr, CC-by2.0

加熱食物的無線電箱子:微波爐

這種箱子用一種無線電波加熱食物。無線電波讓東西裡面很小很小的水滴搖動,愈搖愈快。當東西裡的很多小水滴都搖得很快, 東西就變熱了。如果讓很強的無線電波穿過水,水會變熱。 有了加熱食物的無線電箱子,你就可以買冷凍食品,在冰箱冰很久,要吃的時候,再用箱子加熱,把冰熔化。這對沒有時間煮飯的人很方便。你也可以用無線電箱子加熱新鮮的食物(例如魚) 做成各種菜,就跟用廚房其他加熱工具做菜一樣。不過用這種箱子做菜沒那麼簡單,尤其是煮肉時要小心一點。

無線電波

這種無線電箱子使用的電波,波長跟家裡電腦的無線網路「熱點」一樣。其實不同種類的無線電機器使用的電波波長都不一樣,但這兩種卻用完全一樣的波長,這是有原因的。 就在加熱食物的無線電箱子愈來愈普遍的時候,用無線電傳送資料的設備也開始變多。由於當時家家戶戶都已經在使用這種無線電箱子,各國決定把箱子用的波長(大約是手掌寬)開放,讓每個人都可以用。於是制定無線網路的人就用了這個波長,因為這是大家都能在家使用的少數波長。 如今全世界電腦傳送資料使用的波長,跟加熱食物的無線電箱子一樣。這不會有問題,除非你的無線電箱子有破洞,那你在加熱食物時,電腦上的影片可能就停了。

為什麼變熱的食物裡面還有冰?

無線電箱子很會把水加熱,對冰卻不大行。箱子可以加熱冰,但是要花很久的時間。 當你把冷凍食品放進無線電箱子加熱,過一會兒後, 有一部分開始變成水。因為無線電箱子很會把水加熱,這些水很快就變得更熱,甚至在冰還沒完全融化之前,這些水就變成水蒸氣了。 要避免這種情形,你可以把無線電箱子的強度調小一 點,這樣加熱過程中會有很多次暫停,因此有多一點時間讓熱傳送到其他部位,就不會有些地方特別燙了。

-----廣告,請繼續往下閱讀-----
  • 從上文知道微波爐是靠著無線電波讓水滴搖動、使得食物被加熱,但你曾想過微波爐中的無線電波的分布狀況嗎?
加熱食物的無線電箱子:微波爐

解事者

本文摘自《解事者:複雜的事物我簡單說明白》,天下文化出版。本書獲選為泛科學 2016 年 11 月選書。

-----廣告,請繼續往下閱讀-----
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

0
0

文字

分享

0
0
0
天文學家發現高齡128億歲的古老行星系統
臺北天文館_96
・2012/04/07 ・1350字 ・閱讀時間約 2 分鐘 ・SR值 570 ・九年級

-----廣告,請繼續往下閱讀-----

一組歐洲天文學家發現一個非常古老的行星系統,極可能是從130億年前宇宙極早時期就已形成並留存至今的。這個系統包含母星HIP 11952和兩顆行星,這兩顆行星的公轉週期分別為290天和7天。雖然行星通常在含有金屬元素(metal)比較多的雲氣中形成,HIP 11952卻鮮少含有金屬元素;因此HIP 11952行星系統的發現,顯示在早期宇宙金屬元素豐度仍很低的時期,就已經可以形成行星,和現今宇宙內如我們太陽系這樣的行星系統相當不同。

所謂的金屬元素,泛指除了氫與氦兩種宇宙誕生之初就有的元素以外的其他所有元素,又稱為「重元素」。

現行公認的行星形成理論認為行星是在年輕恆星周圍、由氣體和塵埃組成的拱星盤中形成的。但若要探討形成的細節,這個理論就會產生諸多問題,其中一個問題就是:致使氣體塵埃開始聚集形成行星的真正原因為何?

天文學家現在已經在太陽系以外的地方,至少確認750顆恆星擁有一顆以上的行星,且發現這些行星系統的環境差異頗大,但也存在某些特定趨勢,例如:經統計,含有較多金屬元素的恆星,較可能擁有行星。這個現象引出了一個關鍵問題:宇宙誕生之初幾乎不含有任何氫與氦以外的金屬元素,金屬元素是經由一代一代的恆星演化,經由恆星內部的核融合反應或是經由超新星爆炸而產生,之後再回歸到宇宙空間,成為下一代恆星的製作原料;因此愈古老的恆星金屬豐度愈少,愈靠近現今宇宙的恆星則含有比例較高的金屬元素。若按現行的行星形成理論,那麼在宇宙早期,幾乎沒有金屬元素的狀況下,是幾乎不可能形成行星?還是應該可以形成行星,所以下一步應該是要好好想想第一代行星會在何時形成?

-----廣告,請繼續往下閱讀-----

德國普朗克天文研究所(Max-Planck-Institute for Astronomy)Johny Setiawan及慕尼黑天文臺(University Observatory Munich)Veronica Roccatagliata等天文學家從數年前開始進行一項研究計畫,搜尋貧金屬星(metal-poor star)可能含有的行星系統,結果發現其中一顆貧金屬星HIP 11952,擁有2顆氣體巨行星HIP 11952b和HIP 11952c。HIP 11952在鯨魚座方向,距離地球約375光年。這兩顆行星本身相當普通,與其他已知的氣體巨行星並無啥大不相同之處;它們的不平凡之處在於它們的母星是顆「極貧金屬星(extremely metal-poor star)」,換言之,是顆非常古老的恆星。

Roccatagliata等人其實在2010年時就發現一顆貧金屬星HIP 13044有行星系統,當時他們還覺得應該是特例。但在HIP 11952如此金屬豐度更貧乏的恆星周圍也發現行星之後,他們開始改觀,認為或許貧金屬星擁有行星是相當普遍的現象。HIP 13044之所以有名,是因為它是「從其他星系來的系外行星系統」,這顆星位在一道星流(stellar stream)中,而這道星流是約數十億年前被銀河系吞噬的另一星系的殘骸。(請參考天文新知2010-11-20 首度發現來自銀河系外的系外行星

和其他系外行星系統相較之下,HIP 11952不僅僅是極端缺乏金屬元素這項特點而已,還因為估計其年齡高達128億歲,成為目前已知年齡最大的行星系統;而我們宇宙的年齡,估計僅約137億年,所以這個行星系統應該在宇宙還處在幼兒期之時便已形成;而這也意味著,從宇宙誕生至今,任何時期都可能有行星系統形成。這就像在自家後院挖掘出重大考古遺跡一樣,讓眾人莫不興奮不已。這些天文學家打算繼續尋找並研究這類貧金屬恆星旁的行星系統,希望能讓行星形成理論更加完善,並能進一步瞭解生命的起源。

資料來源:A planetary system from the early Universe, [2012.03.27]

-----廣告,請繼續往下閱讀-----

轉載自台北天文館之網路天文館網站

-----廣告,請繼續往下閱讀-----
臺北天文館_96
482 篇文章 ・ 44 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!