Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

【還能怎樣】謝秉志:油氣能源的現在與未來

羅紹桀
・2014/11/17 ・4060字 ・閱讀時間約 8 分鐘 ・SR值 529 ・七年級

-----廣告,請繼續往下閱讀-----

15564571897_3d33a71b12_z

紀錄:羅紹桀

石器時代的結束不是因為石頭消失,我們希望石油工業時代的結束也不是因為石油消失。

我們基本上可將能源分成兩種,再生能源與非再生能源,再生能源會不斷補充,源源不絕;而非再生能源嚴格來說也不是永遠不會再生,而是生命週期比起人類短暫的生命來說實在太長(動輒數百萬年),所以我們以人類的角度來看,非再生能源耗盡幾乎等於不會再生,因此我們除了希望能增加再生能源的產量,非再生能源目前的現況也是我們必須了解的。

今天成功大學資源工程系助理教授謝秉志將與我們分享台灣能源的現況與非傳統油氣資源的發展。

-----廣告,請繼續往下閱讀-----

謝秉志:油氣能源的現在與未來

能源的現況─媒、石油和天然氣的比重

首先先來看看能源的趨勢,為了比較不同性質的能源,我們需要轉換成英制能量單位叫BTU,我們算出煤產出多少BTU、天然氣多少BTU、石油多少BTU,方便互相比較。

簡單來說,在2020年時,如果我們完全只用油來產生能源,我們預計一年要用一千億桶的油,但我們現實中不會完全使用油來產生能源,所以我們還要用油當量來作單位換算,但不管怎麼樣,使用能源的趨勢永遠是向上的,為什麼呢?除了因為世界人口不斷增加,經濟的發展也需要許多能量,目前能量的需求只會一路增加,並沒有可以下降的趨勢,因此,未來我們需要達到那些熱能,我們必須要一直「燒東西」,基本上我們會使用石油、天然氣再來就是煤炭,三樣共佔了七八成的百分比,核能目前沒有發展的趨勢,我們最希望發展的是再生能源,我們希望再生能源可以發展起來把前述的化石能源比例壓低,根據一些比較有權威性的報導,在2035年時,除非再生能源有所進展,石化能源預計還是會佔七成。

針對台灣的現況,根據能源局提出來的報告,我們在102年所使用的煤、石油和天然氣佔了百分之九十,核能並沒有增長、水力只佔了百分之零點三、風力只有百分之零點二,這樣的趨勢在未來幾年預計也不會有太大的改變,所以基本上我們相當依賴煤炭、石油和天然氣。

傳統/非傳統油氣資源

我們每年持續會增加能源使用量,照目前的趨勢來看,我們的有生之年油氣資源還會是主要的能量來源,除非我們有再生資源的突破性發展,只要再生能源起來,油氣資源就會下降,石器時代的結束並不是因為石頭消失,我們期望石油工業時代的結束也不是因為石油消失。

-----廣告,請繼續往下閱讀-----

不過因為油氣資源現在還是我們最主要的能源,所以我們接下來會專注在油氣資源的部分,油氣資源有分兩種,傳統油氣資源和非傳統油氣資源,目前新聞上常有非傳統油氣資源的訊息,其中有許多比較有名的例子,例如美國的頁岩氣、台灣有可能發展的天然氣水合物和加拿大的油砂。

那傳統與非傳統油氣資源要怎麼區分呢?

我們要先提到砂岩,因為砂岩孔隙率滲透率高,岩層形成的過程發生在海中,所以砂岩本來裡面含水,油對砂岩來說是外來物,當它聚集起來時就形成一個油田,傳統油氣資源通常儲存在封閉的背斜,非傳統的油氣則不一定要是背斜構造,它可能在深處也可能在淺處,它可能均勻也可能不均勻地分佈。

頁岩氣─讓美國成為天然氣生產大國的功臣

15564295028_1c7d902f83_z

談到非傳統油氣資源,我們先來講影響美國非常大的頁岩氣,基本上頁岩氣就是從頁岩裡所開採的天然氣,頁岩氣開採時,必須打一口水平井下去,並把地層「有計劃地撐裂」,為什麼說有計劃呢?因為我們必須設計撐裂的過程中不能傷害到上方的蓋岩,通過這些水平井和裂縫,就能形成ㄧ個天然氣可以行走的走道,我們就能藉此汲取天然氣。

-----廣告,請繼續往下閱讀-----

頁岩氣對美國造成很大的影響,因為頁岩氣,美國今年已經是全世界最大的天然氣生產國,目前只有美國成功將頁岩氣做商業化開採,2040年預計美國天然氣裡有將百分之五十會來自於頁岩氣,2080年甚至有可能達到能源自主,成為第五個能源自主的國家。

念石油工程的人都知道,美國油價和世界油價不連動,美國油稱為德州中級,世界油通常是布蘭特原油,以前德州中級油比布蘭特原油漂亮,因為其硫與碳量比較少,原本德州中級油的價格比布蘭特原油稍貴,但自從頁岩氣出來之後,美國油價就開始走自己的路,布蘭特原油就反映世界油價。

油砂─加拿大能源自主的秘密

Tar_Sandstone_California
油砂是一種具有很高粘度石油的砂子 CC by James St. John

我們接下來談談油砂,這是最早出現的非傳統油氣,油砂是一種具有很高粘度石油的砂子,換句話說,沙中藴藏很高粘度的石油,因為高粘度的性質,石油在沙中是不會流動的,必須要使用特殊方法讓它流動才能生產出來,以前傳統的方法是開挖之後加熱融化,現在則是在地表鑽兩口水平井,一個在上一個在下,上面那一口井把熱氣吹進去熔化油砂,下面那一口井把溶化下降的油抽上來。

加拿大是唯一將油砂商業化開採的國家,加拿大因為油砂成為世界第三大石油蘊藏量的國家。

-----廣告,請繼續往下閱讀-----

注意蘊藏量的定義,簡單來說,存在資源的總量叫「資源量」,實際可以使用的資源叫「蘊藏量」,蘊藏量通常只在資源量的百分之十以下,而在加拿大光是蘊藏量就有一千億桶油,每天可以產出三百五十萬桶油。

天然氣水合物─台灣的機會

再來看一下台灣的機會—天然氣水合物。

所謂的天然氣水合物,就是天然氣包在冰的晶格裡面,又叫可燃冰或甲烷氣水合物,天然氣水合物通常必須在海洋上,使用一艘探勘船後面拉很多條線做震波測勘,得知地殼的狀況之後,如果我們發現反射面和海床的形狀平行我們稱為擬海底反射(BSR)就是天然氣水合物最底層的訊號,因為在天然氣水合物的下方通常是天然氣層,其密度很低,聲波從高密度的地方進入低密度的地方訊號差異會很大,所以就會出現強烈的擬海底反射訊號。

經過特殊的探勘之後,我就可以嘗試把它生產出來,怎麼做呢?我們只要挖一口井到達天然氣水合物的地層裡面,把壓力降低,就會造成物質流動,天然氣就自然流出來了 ,第二個方法就是類似油砂的做法,我們我們可以把熱打進去把冰融化,融化之後天然氣就自然上來了,第三個方法,我們可以丟一些抑制劑進去分解冰晶也是一個方法。

-----廣告,請繼續往下閱讀-----

問題是,在海域上鑽井要價不菲,打一口井成功的機率是七分之一,總投入的成本更是可觀,但我們台灣的西南海域事實上是全世界最大的天然氣資源,大約有兩兆七千億立方公尺資源量,但根據之前提到的定義,雖有這麼大量的天然氣資源,但可供利用的「蘊藏量」是零,因為無法直接執行,也完全沒有商業化的機會,目前的狀況是如此。

二氧化碳捕獲與封存

講到油氣資源,不免俗要提到的就是碳的問題,有科學家認為過度使用化石能源所製造的二氧化碳會加速全球暖化,而台灣這小小的島國就佔了世界總碳排放量的百分之一,年排放量約三億噸,有人希望在2020年時希望把排放量回復到2005年的水準,但根據工研院的估算成果,依照正常的經濟發展,預計2020年的排放量會是四億噸不等,而2005年是兩億五千多萬噸,所以我們必須減掉一億五千多萬噸,因此政府積極推廣節能減碳,提升發電效率,再來就是以天然氣代替燃煤以及再生能源的發展,如果真的前述方法都用盡了,可能就要用二氧化碳捕獲與封存的方法。

二氧化碳補貨與封存是這樣的,石油是一種化石燃料,具有碳跟氫,本身不具有氧,問題是經過燃燒會產生二氧化碳,如果我們能把二氧化碳從空氣中「抓下來」在給它壓縮起來,或許能作為將來的工業使用,例如乾冰、可樂、中藥萃取等等,剩下的就當成資源暫時放到地下、海洋或其他形式的儲存,就稱為所謂的封存。

問題是我們如何抓下來呢?舉個例,家裡衣櫃常有水氣吸收劑,就是一個可以吸收二氧化碳的流體,稱為溶劑吸收法;第二種方法,可以設計一些只能讓二氧化碳通過的分子篩,把二氧化碳收集起來等等。收集下來之後,我們要處理運送的問題,有三種方法,車、船運、管線等三種方法。

-----廣告,請繼續往下閱讀-----

但要把他們「儲藏」在哪裡呢?我們有三種選擇,第一個是海洋,海是最大的二氧化碳吸收劑;第二是岩石,有一種蛇紋岩,這種岩石里富含鎂,可與二氧化碳結合成碳酸鎂;在來就是打到地底下。方案一海洋的問題是因為涉及生物圈所以被禁止;方案二岩石的問題是二氧化碳與礦物反應速度過慢;方案三是比較可行的,稱為地質封存。

地質封存定不是人類發明的,全世界已經有很多二氧化碳在地下,澳洲許多可口可樂的二氧化碳來源即是地層,大自然已經行此法數百萬年,形成數百個二氧化碳地層。

台灣進行碳封存的可能性

15747838231_591b2f3e90_z

台灣有沒有能力做碳封存呢?有的,台灣飛牛牧場旁的鐵砧山上有一個很有名的鐵砧山儲氣窖,這個儲氣窖原本是生產天然氣的地層,天然氣使用完畢之後,地層結構就變成儲氣窖,經過多次地震測試確定是相當安全,可見台灣已有將氣體儲存地層的能力,因此二氧化碳地質封存理論上是可行的,但台灣有哪些碳封存的結構呢?

首先是煤層,煤本身會吸收二氧化碳,又有很多孔隙,但台灣沒有煤層;再來就是油田,台灣一樣缺乏大的油田;第三個就是已經開採完畢的天然氣層,這是有可能可行的;第四個是鹽水層也許可以。

-----廣告,請繼續往下閱讀-----

但即使可行,我們如果要進行碳封存,首要之務是與當地居民妥善溝通,當地民眾也必須完全參與了解達成共識,民眾擔心的點有幾個:會不會發生地震、會不會外漏等等,科學家一定要好好與民眾說明與溝通。


【關於能源多元化系列講座】

能源多元化系列講座是Pansci舉辦的科學聚會,活動的主要形式是找兩位來自能源相關領域的講者,各自在 30 分鐘內與大家分享能源相關知識或相關的想法,並讓所有人對能源議題有興趣或關心台灣能源產業現況的人都能參與討論。本系列活動由PanSci 泛科學、工業技術研究院與經濟部能源局聯合主辦。

-----廣告,請繼續往下閱讀-----
文章難易度
羅紹桀
19 篇文章 ・ 3 位粉絲
目前在美國一家數位行銷公司當SEO分析師,特別愛Google的What People Also Ask功能所以還特地開了一個Youtube頻道專門分享各種關鍵字會觸發什麼PAA。 影片皆有中文字幕歡迎訂閱:https://www.youtube.com/channel/UClgRDretD9XNp3ydod8TIlA/videos

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

1
0

文字

分享

0
1
0
任意添加光學元件 為研究打開大門的無限遠光學系統
顯微觀點_96
・2025/01/30 ・1763字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖 / 顯微觀點

顯微鏡在科學發展中扮演關鍵的角色,讓人們得以突破肉眼的限制,深入微觀的世界探索。而隨著時間推進,顯微技術也日新月異,其中現代顯微鏡設計了所謂的「無限遠光學系統」(Infinity Optical Systems),更是提升了顯微鏡性能和突破過去的觀察瓶頸。因此主要的顯微鏡製造商現在都改為無限遠校正物鏡,成為顯微鏡的技術「標配」。

1930 年代,相位差顯微技術出現,利用光線在穿過透明的樣品時產生的微小的相位差造成對比,使透明樣本需染色就能更容易被觀察。1950 年左右,則出現使用兩個 Nomarski 稜鏡,將光路分割再合併產生 干涉效應的 DIC 顯微技術,讓透明樣本立體呈現、便於觀察。

在傳統「有限遠系統」中,單純的物鏡凸透鏡構造,會直接將光線聚焦到一個固定距離處,再經過目鏡放大成像。也因此過去顯微鏡的物鏡上通常會標示適用的鏡筒長度,通常以毫米數(160、170、210 等)表示。

-----廣告,請繼續往下閱讀-----

而在過渡到無限遠校正光學元件之前,選用的物鏡和鏡筒長度必須匹配才能獲得最佳影像,且大多數物鏡專門設計為與一組稱為補償目鏡的目鏡一起使用,來幫助消除橫向色差。

但是問題來了!當這些光學配件要添加到固定鏡筒長度的顯微鏡光路中,原本已完美校正的光學系統的有效鏡筒長度大於原先設定,顯微鏡製造商必須增加管長,但可能導致放大倍率增加和光線減少。因此廠商以「無限遠」光學系統來解決這樣的困境。

德國顯微鏡製造商 Reichert 在 1930 年代開始嘗試所謂的無限遠校正光學系統,這項技術隨後被徠卡、蔡司等其他顯微鏡公司採用,但直到 1980 年代才變得普遍。

無限遠系統的核心在於其物鏡光路設計。穿透樣本或是樣本反射的光線透過無限遠校正物鏡,從每個方位角以平行射線的方式射出,將影像投射到無限遠。

-----廣告,請繼續往下閱讀-----
有限遠(上)和無限遠(下)光學系統的光路差別
有限遠(上)和無限遠(下)光學系統的光路差別。圖 / 擷自 Optical microscopy

透過這種方法,當使用者將 DIC 稜鏡等光學配件添加到物鏡、目鏡間鏡筒的「無限空間」中,影像的位置和焦點便不會被改變,也就不會改變成像比例和產生像差,而影響影像品質。

但也因為無限遠系統物鏡將光線平行化,因此這些光線必須再經過套筒透鏡在目鏡前聚焦。有些顯微鏡的鏡筒透鏡是固定的,有些則設計為可更換的光學元件,以根據不同實驗需求更換不同焦距或特性的透鏡。

除了可以安插不同的光學元件到光路中而不影響成像品質外,大多數顯微鏡都有物鏡鼻輪,使用者可以根據所需的放大倍率安裝和旋轉更換不同的物鏡。

傳統上一旦更換物鏡,樣本可能就偏離焦點,而須重新對焦。但在無限遠光學系統的設計中,物鏡到套筒透鏡的光路長度固定,也就意味著無論更換哪個物鏡,只要物鏡設計遵循無限遠系統的標準,光路長度和光學路徑的一致性得以保持。

-----廣告,請繼續往下閱讀-----

因此無限遠光學系統也有助於保持齊焦性,減少焦距偏移。這對需要頻繁切換倍率的實驗操作來說,變得更為便利和具有效率。

不過使用上需要注意的是,每個顯微鏡製造商的無限遠概念都有其專利,混合使用不同製造商的無限遠物鏡可能導致不正確的放大倍率和色差。

改良顯微技術,使研究人員能夠看到更精確的目標;以及如何讓更多光學配件進入無限遠光學系統中的可能性仍然在不斷發展中。但無限遠光學系統的出現已為研究人員打開了大門,可以在不犧牲影像品質的情況下輕鬆連接其他光學設備,獲得更精密的顯微影像。

  1. M. W. Davidson and M. Abramowitz, “Optical microscopy”, Encyclopedia Imag. Sci. Technol., vol. 2, no. 1106, pp. 120, 2002.
  2. C. Greb, “Infinity Optical Systems: From infinity optics to the infinity port,” Opt. Photonik 11(1), 34–37 (2016).
  3. Infinity Optical Systems: From infinity optics to the infinity port
  4. Basic Principle of Infinity Optical Systems
  5. Infinity Optical Systems

延伸閱讀選擇適合物鏡 解析鏡頭上的密碼

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃