0

0
0

文字

分享

0
0
0

多少像素才「夠看」?

鄭國威 Portnoy_96
・2011/10/12 ・1574字 ・閱讀時間約 3 分鐘 ・SR值 498 ・六年級

說來有趣,當我們都市人的眼睛愈來愈容易近視而使得肉眼看不清楚真實的世界時,我們所做的應對卻是不斷提高造成近視的元兇的解析度,像是電視、電腦、手機、平板電腦等再現世界的工具…而正當大多數人還不清楚HD到底是怎樣的一個畫質時,QFHD或所謂的「4K」超高畫質就又開始進入市場,引領我們進入下一個設定好的解析度戰場。

此外,現在就連原本模糊的影像,也都有辦法將之清晰化。我們在某些刑事偵察影集才看得到的「影像去模糊技術」即將成為Photoshop內建功能,效果令人驚豔。

除此之外,也有另一套軟體「Topaz InFocus」聲稱可以做到更好,請見下圖演示:

然而愈來愈高的解析度其實也壓縮了我們的想像空間,這種無止境的競逐看似進步,卻讓我感到疲乏。Torralba A (2009)就問了一個簡單的問題:多少像素才能構成一幅影像?(How many pixels make an image?)

-----廣告,請繼續往下閱讀-----

Torralba從影像資料庫中選出若干,然後調整其解析度,製作出不同解析度的版本,從4px*4px超低解析度到128px*128px。在第1部份的實驗中,他要求觀看者判別圖片是什麼,例如臥室、海灘、森林之類的。解析度最低,如4*4的時候,通常得用猜的,但是答對的機率頗高;16*16的時候,75%的觀看者都能猜出戶外景象的圖片,順帶一提,16*16也就是瀏覽器網址列上favicon的解析度,例如PanSci網站的favicon就是一個歪斜的藍框裡頭有著深藍色的PS字樣。

在判別室內景象的時候,要猜對通常需要更高的解析度,不過16*16有時候還是足夠,例如下圖:

你大概可以看出這是一個房間,有張藍色被單的大床,旁邊還有個門。當然,這不是原始尺寸,而是先將原本清晰的圖片下調至16*16,然後再透過插值(interpolation)的方式,放大成上圖的尺寸,避免馬賽克般有稜有角。下圖可能更難一些:

看出來了嗎?這是戶外街景,有輛車停在某大樓前面。之前說過,室內的景象需要更高的解析度才好判斷,主要是因為戶外,尤其是自然景象通常有明顯的色彩可供判斷,例如看見綠色就想到草原就是森林,藍色加上米色大概就是沙灘。戶外景色的物體面(surfaces)通常也不多。

-----廣告,請繼續往下閱讀-----

如果16*16或32*32就足夠我們判斷圖片場景,那能否一併看出圖片中的物件呢?既然能夠看出場景,照理來說應該也能辨識出其中若干物件,即使這些物件必然比16*16更小。研究者在第2部份的實驗中便要求觀看者除了要判別場景,還要把場景中的物件一一指認出來。我們看看下面的例子:

在上圖中,觀看者從16*16(256px)的圖中辨別出6個物件:天花板、牆壁、地板、床、床頭板、窗戶。其中我覺得能看出床頭板真是厲害,不過這當然是因為有脈絡可循的關係,要是像下圖這樣的話:

這是啥?如果你直接看得出來,算你厲害;如果看不出來,脈絡可以替你解答:

是洗手台,研究中其中一位觀察者也成功指認出,儘管其大小頂多只有8*4 px。如果你早先知道這場景是在浴室裡頭,那麼要猜出來不難,但是如果不知道,那就很難了。研究者驚訝地發現,在32*32的情況下,觀看者平均能夠判斷出場景中80%的物件,也就是每5個物件中就能猜出4個,即使分開來看時根本無法辨識。

-----廣告,請繼續往下閱讀-----

研究結論認為,如此低解析度的圖片能夠傳達的資訊竟能如此有效,可用來解釋人腦理解視覺場景的速度跟效率為何如此高。未來應該可以複製實驗,把更細緻的人口變項跟社會文化變項加入,或許會出現有趣的結果。

我認為,從有碼到無碼,從第四台黑白沙沙畫面到藍光,儘管我們有了愈來愈高的解析度,但真正讓我們從觀看獲得樂趣的關鍵還是人腦的想像力跟猜測能力啊。獅王3D眼鏡這種東西只是騙錢的!(自暴自棄)

資料來源:How many pixels make an object?Like, 30

引用論文:
Torralba A (2009). How many pixels make an image? Visual neuroscience, 26 (1), 123-31 PMID: 19216820

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1306 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。

0

1
0

文字

分享

0
1
0
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----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

6
2

文字

分享

0
6
2
出來單挑啊!同樣都是鼎鼎大名的太空望遠鏡,哈伯與韋伯到底誰比較強?
htlee
・2022/09/21 ・2029字 ・閱讀時間約 4 分鐘

最近,韋伯太空望遠鏡發布首批科學影像,終於看到敲碗好久的結果——韋伯拍到了人類從未見過的許多東西!有人說,韋伯是哈伯的繼任者,但不知道大家是否好奇過,哈伯和韋伯到底誰比較強?

哈伯望遠鏡和韋伯望遠鏡之戰,正式開打!

這個問題有點難回答,因為兩部望遠鏡都是當代科技的結晶。哈伯是 1990 年升空的王者,韋伯是 30 年後科技進步下的產物,我試著用客觀的方式來比較這兩部太空望遠鏡。

哈伯觀測可見光,韋伯觀測紅外光

哈伯的主鏡直徑是 2.4 公尺,韋伯則是 6.5 公尺,韋伯的主鏡直徑比哈伯大 2.7 倍,這也是大家最常比較的部分。可是,如果主鏡大就比較厲害,那麼夏威夷大島上的凱克 10 公尺望遠鏡,不就比哈伯和韋伯更強?

哈伯的主鏡直徑是 2.4 公尺(左),韋伯的則是 6.5 公尺(右)。圖/維基百科

哈伯與韋伯觀測的波段不同,用途也不一樣。哈伯主要觀測的波段在可見光,可見光是指人類眼睛可以看見的光或顏色範圍,也就是紅、橙、黃、綠、藍、靛和紫。從紅光到紫光,光的波長由長到短,紅光的波長大約是 0.62–0.74 微米(1 微米=0.001 公釐),紫光的範圍則是 0.38–0.45 微米。

紅外光是指比紅光波長更長的光,也就是波長比 0.7 微米更長,這是韋伯望遠鏡主要觀測宇宙的波段。

-----廣告,請繼續往下閱讀-----

哈伯和韋伯太空望遠鏡觀測的波段,一個在可見光,另一個在紅外光,所以在功用上本來就不一樣,如果要比較的話就要小心,不然就像拿橘子跟蘋果相比,拿不同的東西做比較顯得很突兀。

誰看得比較清楚?來比一比解析度吧!

哈伯與韋伯可以拿來做比較的是解析度,解析度的值(角秒)愈低,表示能看到天體愈細微的部分,解析度跟主鏡直徑和觀測的波長有關。望遠鏡主鏡愈大,解析度愈好;另外也跟觀測的波長成正比。

解析度的計算公式。

以下兩張影像分別是史匹哲太空望遠鏡(Spitzer Space Telescope)和韋伯拍的天空中同一區域紅外光影像,拍攝的紅外波長也差不多(史匹哲:8 微米,韋伯 7.7 微米),不過兩幅影像的解析度卻差很多,韋伯的影像中可以看到更多的細節,史匹哲則好像糊成一團。

史匹哲與韋伯望遠鏡的影像解析度比較,顯然韋伯的影像解析度高很多。圖/NASA

當觀測的波長一樣時,解析度跟觀測望遠鏡的主鏡直徑成反比。史匹哲的主鏡是 0.85 公尺,所以韋伯的解析力是史匹哲的 6.5/0.85=7.8 倍!主鏡的大小直接反應在解析度上,韋伯與史匹哲在解析度上高下立判!

-----廣告,請繼續往下閱讀-----

解析度除了跟主鏡的直徑成反比,也跟觀測的波長成正比。所以同一面主鏡觀測天體,用愈短的波長觀測解析度愈好。下圖是史匹哲望遠鏡觀測 M81 星系的結果,同樣 0.85 公尺的主鏡觀測,隨著觀測波長的增加,解析度變差。

史匹哲望遠鏡拍攝的 M81 星系,拍攝的波段是 24(上)、70(中)、160 微米(下),拍攝的波段愈長,解析度愈差。圖/NASA

答案揭曉——哈伯的解析度略勝一籌!

前面提到解析度跟主鏡直徑與觀測波長的關係有一個重要前提,主鏡必須研磨到完美、光滑,也就是主鏡上不能出現高低起伏。如果主鏡不完美,像遊樂場裡的哈哈鏡,不能聚焦成像,解析度自然不好。

波長愈短對鏡面的要求愈高。哈伯太空望遠鏡的鏡面對 0.5 微米波長更長的光是完美的,比 0.5 微米波長更短的光波則呈現不完美,韋伯望遠鏡的主鏡則是對 2 微米更長的波長是光滑的。(光學上,物理學家的說法是哈伯和韋伯分別在 0.5 和 2 微米達到繞射極限。)

哈伯和韋伯望遠鏡最佳解析度分別在 0.5 微米和 2 微米,根據前面的解析度公式,哈伯在 0.5 微米的解析度是 0.05 角秒,而韋伯在 2 微米的解析度是 0.08 角秒,結論是哈伯的解析度比韋伯稍微好一點!也就是哈伯老當益壯,一點也不比韋伯差。

-----廣告,請繼續往下閱讀-----
史蒂芬五重星系,哈伯(左)與韋伯(右)拍攝的影像,從解析度來看,兩部太空望遠鏡不相上下。圖/NASA

從哈伯到韋伯,有如長江後浪推前浪

天文學家從 1990 年開始,透過哈伯望遠鏡研究宇宙,這三十年來科學家已經把哈伯的功能發揮到極致,我們對宇宙的了解很多都來自哈伯的觀測。不過這三十年的努力也讓天文學家發現哈伯不足的地方,科學家知道關鍵在紅外線觀測能力。前一代的紅外望遠鏡史匹哲無法達到需求,天文學家只能殷殷期盼韋伯。

韋伯首批公布的影像中,幾乎都是哈伯曾經拍過的天體,從科學上來說,比較可見光和紅外影像資料可以對目標天體更多了解,不過我認為這應該是韋伯對哈伯致敬的方式,感謝哈伯三十多年的貢獻!

韋伯站在巨人的肩膀上,必定能看得更暗、更遠!

-----廣告,請繼續往下閱讀-----
htlee
19 篇文章 ・ 9 位粉絲
屋頂上的天文學家-李昫岱,中央大學天文所博士,曾經於中央研究院天文所和美國伊利諾大學厄巴納-香檳分校從事研究工作。著有《噢!原來如此 有趣的天文學》、《天文很有事》,翻譯多本國家地理書籍和特刊。 目前在國立中正大學教授「漫遊宇宙101個天體」和「星空探索」兩門通識課。天文跟其他語文一樣,有自己的文法和結構,唯一的不同是天文寫在天上!現在的工作是用科學、藝術和文化的角度,解讀、翻譯和傳授這本無字天書,期望透過淺顯易懂的方式介紹天文的美好!

2

31
6

文字

分享

2
31
6
百倍於哈伯觀測能力,大小尺度通通包辦!——NASA 的下一個旗艦級「羅曼太空望遠鏡」
EASY天文地科小站_96
・2021/01/14 ・3606字 ・閱讀時間約 7 分鐘 ・SR值 507 ・六年級

  • 文/林彥興(EASY天文地科團隊總編輯,就讀清大理學院學士班)

「一個哈伯不夠用,那你有試過來一百個嗎?」

哈伯太空望遠鏡可說是世上最著名的科學儀器之一。在它 1990 年升空的這三十年中,拍攝了無數令人嘆為觀止的宇宙奇景。然而,隨著時光流逝,垂垂老矣的哈伯剩下的時日恐怕已經不多。

倘若再次出現嚴重故障,可能就得和這座傳奇的天文望遠鏡永遠告別。好在,哈伯並非後繼無人,在今 (2021) 年十月韋伯太空望遠鏡升空之後,NASA 的下一個旗艦級太空望遠鏡,將以相仿的體型,卻百倍於哈伯的觀測能力幫助天文學家更深入了解宇宙的奧秘。它就是「南希.葛莉絲.羅曼太空望遠鏡 Nancy Grace Roman Space Telescope 」。

南希.葛莉絲.羅曼太空望遠鏡 Nancy Grace Roman Space Telescope。圖/Wikimedia common

誰是羅曼?人稱哈伯之母的天文學家

在介紹望遠鏡之前,讓我們先來看看羅曼究竟是誰,居然偉大到讓 NASA 以她的名字命名下一代的旗艦級望遠鏡。

南希.葛莉絲.羅曼 (1925-2018) 是著名的美國天文學家。在二十世紀前葉,科學界中的性別不平等遠比現在嚴重。但她仍然努力撐過他人的冷眼與勸退,選擇攻讀天文並在取得博士學位後,在恆星分類、星團運動等領域貢獻卓越。

-----廣告,請繼續往下閱讀-----

1959年,羅曼到 NASA 任職,並從此長年擔任 NASA 的首席天文學家。在她任職的時代,太空科技才剛剛起步,人們對太空望遠鏡的概念也相當陌生。但羅曼憑著她的遠見,參與、主持了許多 1960 與 1970 年代 NASA 的太空望遠鏡計畫,並四處為這些計畫籌措資金,為現代太空望遠鏡的蓬勃發展打下基礎。

同時,她也推動 NASA 將觀測到的資料開放給全世界使用,最終讓天文界開放資料的文化延續至今。她對 NASA 太空望遠鏡計畫的卓越貢獻,最終讓她獲得「哈伯之母」的美譽。

1972 年的羅曼博士,攝於 NASA 哥達德太空中心。圖/NASA

我要一個打一百個!羅曼的超廣視野

在被命名為羅曼太空望遠鏡之前,這個望遠鏡計畫名為「廣域紅外巡天望遠鏡
WFIRST 」
。顧名思義,這是一台觀測可見光與近紅外線,用於進行廣域巡天——也就是觀測大範圍天空——的望遠鏡。預計將在 2020 年代中期發射,與蓋亞、韋伯等前輩一起運行於日地第二拉格朗日點。

在望遠鏡的構造上,羅曼與哈伯太空望遠鏡相當類似,都使用一面直徑 2.4 公尺的主鏡。但得益於三十年來的科技進步,同樣是 2.4 公尺的主鏡,性能卻大不相同。

首先,利用先進的新式材料,羅曼的主鏡重量僅有哈伯的兩成,約 186 公斤重。再者,為了增加鏡片的反射率,一般的望遠鏡都會在鏡片的表面鍍上一層高反射率的金屬。比如哈伯太空望遠鏡的鏡片表面,就鍍上了一層約 850 奈米厚的鋁。但鋁雖然能夠很好的反射可見光與紫外光,對紅外線的反射率卻不夠理想。因此作為一個觀測近紅外線為主的望遠鏡,羅曼的主鏡片表面鍍上了厚度 400 奈米的銀,讓它能夠更好反射來自宇宙深處的黯淡紅外線。

-----廣告,請繼續往下閱讀-----
2020 年中完成製造的主鏡。圖/L3 Harris Technologies

但單純只是反射還不夠,想要得到清晰的影像,就得精確的讓光線聚焦到正確的位置。因此,望遠鏡需要非常精密的拋光。羅曼的主鏡在拋光完成後,鏡片表面的平均起伏僅有 1.2 奈米。這有多平整呢?如果我們將鏡片放大到跟地球一樣,那它表面的起伏將僅有 6 毫米高!

最後,當光線經過一連串複雜的鏡片聚焦之後,將匯聚到羅曼的相機—— 3 億像素的「廣域儀器 Wide Field Instrument 」上,轉化為影像資料後送回地球讓天文學家分析。在這一整套光學系統的合作下,羅曼太空望遠鏡保有與哈伯相同解析度的情況下,擁有視野一百倍以上的超廣視野!

羅曼太空望遠鏡的超廣視野。圖/NASA

視野超大,然後咧?

誒不過話說回來,視野廣大有什麼用呢?

望遠鏡不是要讓我們去看更暗、更小的東西用的嗎?視野變大了,解析度卻沒有提升,這樣真的算是有進步嗎?

當然有囉!

在大家的印象中,天文學家好像總拿著望遠鏡,鉅細靡遺的觀察、研究某個天體。這當然是其中一種重要的方式,但並不是天文研究的全貌。其實在真正的天文物理研究中,很多天文學家想知道的並不是特定天體的特性(比如仙女座銀河有幾根懸臂、有多少顆恆星),而是藉由大量普查宇宙中該種天體的基本性質,然後在海量的資料中尋找擁有科學價值的寶藏。

-----廣告,請繼續往下閱讀-----

覺得這像有字天書嗎?沒關係,我們舉個比較親民的例子。

如果你今天想知道新課綱對孩子們的學習成效如何,你會怎麼做呢?也許你可以找幾個孩子出來談談,仔細地問問他們對新課綱的想法。就像那些鉅細靡遺的研究特定目標的天文學家一樣;但你也可以用更宏觀的方式,比如看看他們全體的考試成績或補習花費,來了解新課綱的影響。

同理,對宇宙學家與星系天文學家來說,羅曼太空望遠鏡的廣大視野,讓他們可以在相同的時間內拍攝更廣的天空,或是在對同一片天空拍攝更久的時間,以看見更暗的天體。

當羅曼升空之後,將會拍攝早期宇宙中數以百萬計的大量星系與超新星,並對其中一部份進行更詳盡的光譜分析,藉由觀測這些星系的紅移、位置分佈、形狀、亮度、大小⋯⋯等等資訊,可以回推出宇宙膨脹歷史(與暗能量有關)、星際間暗物質的分佈(利用重力透鏡效應)、尋找早期宇宙中的特殊星系、甚至是幫忙測量本星系群之中的恆星移動。

天文學家將利用羅曼拍攝大量的星系影像進行分析,了解暗能量、暗物質與星系演
化。圖/NASA

另一方面,系外行星學家也對它充滿期待。羅曼太空望遠鏡將藉由兩種方式來偵測系外行星:

一個是藉由「微重力透鏡 Microlensing 」效應。當一顆恆星通過一個背景光源時,恆星的質量會扭曲周圍的時空並匯聚後方的光源,使得背景光源看起來像在短時間內快速的變亮、然後又恢復原狀,而且亮度變化的曲線有相當明顯的特徵。而如果這顆恆星旁邊有行星環繞,那行星的質量也將對亮度曲線造成影響。天文學家就能藉由分析亮度的變化曲線,來探測系外行星的存在。

-----廣告,請繼續往下閱讀-----
微重力透鏡效應的示意圖。圖片/NASA

第二個重點,羅曼將攜帶最先進的日冕儀 (CGI),直接拍攝系外行星與原行星盤。

甚麼是日冕儀呢?顧名思義,它最早是為了研究太陽的日冕而發明的儀器。由於平常的太陽實在太亮,使得旁邊相對黯淡的日冕相當難以觀測,因此科學家發明了日冕儀,藉由複雜的光學系統,遮擋住視野中心來自太陽的強光,才能好好的拍攝、研究黯淡的日冕。

而系外行星的探測中,由於系外行星本身又小又暗、又非常靠近明亮的母恆星,想要直接拍攝到他們,就像要你直視著汽車頭燈,然後尋找頭燈旁的蚊子一樣困難。因此,天文學家必須借助日冕儀的力量才能夠直接拍攝到它們。

哈伯太空望遠鏡 STIS 儀器的日冕儀拍攝的北落師門。藉由遮住中心恆星的強光,才能拍攝北落師門四周複雜的塵埃結構。圖/NASA

而羅曼搭載的光譜儀,將更進一步利用各種特殊的光學元件,以及類似調適光學技術中採用的可變形鏡片,利用破壞性干涉來消除主恆星的光線,讓我們能看到主恆星旁 邊,比恆星暗數百萬倍的系外行星。並進一步研究它們的光譜,看看他們溫度多高、 是由甚麼組成、讓我們更加了解這些外星世界。 

結語:值得期待的未來

作為韋伯之後的下一款大型光學太空望遠鏡,天文學大尺度與小尺度的問題羅曼通通包辦。它將能夠以哈伯等級的解析度,拍攝廣大宇宙中數以百萬計中的星系來研究宇宙學與星系演化;同時,它搭載的新一代日冕儀將能讓我們更清楚的直接拍攝系外行星。羅曼太空望遠鏡將產出哪些令人驚艷的資料?又將如何協助我們揭開宇宙的神秘面紗?就讓我們拭目以待吧!

-----廣告,請繼續往下閱讀-----
  1. STSCI, Roman. Nancy Grace Roman Space Telescope
  2. Roman Space Telescope NASA 官網. Roman Space Telescope/NASA
  3. 主鏡製造商 Nancy Grace Roman Space Telescope 
  4. Roman Lecture Series
  5. 初稿:【時事新聞】羅曼太空望遠鏡的鍍銀主鏡
-----廣告,請繼續往下閱讀-----
所有討論 2
EASY天文地科小站_96
23 篇文章 ・ 1584 位粉絲
EASY 是由一群熱愛地科的學生於 2017 年創立的團隊,目前主要由研究生與大學生組成。我們透過創作圖文專欄、文章以及舉辦實體活動,分享天文、太空與地球科學的大小事

0

0
0

文字

分享

0
0
0
多少像素才「夠看」?
鄭國威 Portnoy_96
・2011/10/12 ・1574字 ・閱讀時間約 3 分鐘 ・SR值 498 ・六年級

說來有趣,當我們都市人的眼睛愈來愈容易近視而使得肉眼看不清楚真實的世界時,我們所做的應對卻是不斷提高造成近視的元兇的解析度,像是電視、電腦、手機、平板電腦等再現世界的工具…而正當大多數人還不清楚HD到底是怎樣的一個畫質時,QFHD或所謂的「4K」超高畫質就又開始進入市場,引領我們進入下一個設定好的解析度戰場。

此外,現在就連原本模糊的影像,也都有辦法將之清晰化。我們在某些刑事偵察影集才看得到的「影像去模糊技術」即將成為Photoshop內建功能,效果令人驚豔。

除此之外,也有另一套軟體「Topaz InFocus」聲稱可以做到更好,請見下圖演示:

然而愈來愈高的解析度其實也壓縮了我們的想像空間,這種無止境的競逐看似進步,卻讓我感到疲乏。Torralba A (2009)就問了一個簡單的問題:多少像素才能構成一幅影像?(How many pixels make an image?)

-----廣告,請繼續往下閱讀-----

Torralba從影像資料庫中選出若干,然後調整其解析度,製作出不同解析度的版本,從4px*4px超低解析度到128px*128px。在第1部份的實驗中,他要求觀看者判別圖片是什麼,例如臥室、海灘、森林之類的。解析度最低,如4*4的時候,通常得用猜的,但是答對的機率頗高;16*16的時候,75%的觀看者都能猜出戶外景象的圖片,順帶一提,16*16也就是瀏覽器網址列上favicon的解析度,例如PanSci網站的favicon就是一個歪斜的藍框裡頭有著深藍色的PS字樣。

在判別室內景象的時候,要猜對通常需要更高的解析度,不過16*16有時候還是足夠,例如下圖:

你大概可以看出這是一個房間,有張藍色被單的大床,旁邊還有個門。當然,這不是原始尺寸,而是先將原本清晰的圖片下調至16*16,然後再透過插值(interpolation)的方式,放大成上圖的尺寸,避免馬賽克般有稜有角。下圖可能更難一些:

看出來了嗎?這是戶外街景,有輛車停在某大樓前面。之前說過,室內的景象需要更高的解析度才好判斷,主要是因為戶外,尤其是自然景象通常有明顯的色彩可供判斷,例如看見綠色就想到草原就是森林,藍色加上米色大概就是沙灘。戶外景色的物體面(surfaces)通常也不多。

-----廣告,請繼續往下閱讀-----

如果16*16或32*32就足夠我們判斷圖片場景,那能否一併看出圖片中的物件呢?既然能夠看出場景,照理來說應該也能辨識出其中若干物件,即使這些物件必然比16*16更小。研究者在第2部份的實驗中便要求觀看者除了要判別場景,還要把場景中的物件一一指認出來。我們看看下面的例子:

在上圖中,觀看者從16*16(256px)的圖中辨別出6個物件:天花板、牆壁、地板、床、床頭板、窗戶。其中我覺得能看出床頭板真是厲害,不過這當然是因為有脈絡可循的關係,要是像下圖這樣的話:

這是啥?如果你直接看得出來,算你厲害;如果看不出來,脈絡可以替你解答:

是洗手台,研究中其中一位觀察者也成功指認出,儘管其大小頂多只有8*4 px。如果你早先知道這場景是在浴室裡頭,那麼要猜出來不難,但是如果不知道,那就很難了。研究者驚訝地發現,在32*32的情況下,觀看者平均能夠判斷出場景中80%的物件,也就是每5個物件中就能猜出4個,即使分開來看時根本無法辨識。

-----廣告,請繼續往下閱讀-----

研究結論認為,如此低解析度的圖片能夠傳達的資訊竟能如此有效,可用來解釋人腦理解視覺場景的速度跟效率為何如此高。未來應該可以複製實驗,把更細緻的人口變項跟社會文化變項加入,或許會出現有趣的結果。

我認為,從有碼到無碼,從第四台黑白沙沙畫面到藍光,儘管我們有了愈來愈高的解析度,但真正讓我們從觀看獲得樂趣的關鍵還是人腦的想像力跟猜測能力啊。獅王3D眼鏡這種東西只是騙錢的!(自暴自棄)

資料來源:How many pixels make an object?Like, 30

引用論文:
Torralba A (2009). How many pixels make an image? Visual neuroscience, 26 (1), 123-31 PMID: 19216820

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1306 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。