靈魂伴侶此生唯一──《如果這樣，會怎樣？》

本文與 Panasonic 合作，泛科學撰文 

●以下科學研究內容作為知識分享，不直接與Panasonic A La Uno全自動洗淨馬桶產品功能連結

在做家務的痛苦排行榜上，「刷馬桶」絕對名列前茅。明明天天都在沖水，但過不了幾天，馬桶內壁邊角總會浮現黃黃的水垢、角落發黑的霉斑，甚至是那些刷掉又長出來的粉紅色污垢（黏質沙雷氏菌）。

許多市售衛浴設備常標榜「神奇抗污」或「永久不沾」，讓人誤以為安裝後便能永保潔淨。然而從材料科學的角度來看，世上並無能使污垢憑空消失的魔法。所謂「耐污」的實質機制，並非打造完全不沾染髒污的材質，而是調整表面的物理與化學屬性，使水垢和微生物難以強力附著。一旦降低了污垢與內壁之間的附著力，透過日常水流沖刷，便能輕易地將髒污帶走。

為什麼污垢「黏不住」？ 

要搞懂為什麼某些特殊表面能做到「耐污」，我們得先像偵探一樣，拆解馬桶裡的髒污究竟是怎麼「抓緊」材料表面的。馬桶內壁的污垢主要有兩大難纏的元兇：

1. 水垢與礦物沉積*1：我們日常使用的自來水中含有鈣、鎂等金屬離子。當水滴在表面經歷反覆的濕潤與蒸發乾燥循環時，這些離子會逐漸結晶析出，變成硬度極高、緊緊「卡」在微觀縫隙裡的礦物質水垢。
2. 生物膜與有機物*2：包含尿液中的無機鹽、油脂殘留，以及細菌入侵後分泌出像超強膠水一般的聚合物，所組成的黏滑防禦大本營。

這兩大類污垢想要在材料上「落腳」，前提是它們必須能在表面找到足夠的附著點與黏合力。那麼，材料科學家是如何讓這些髒污「站不穩」的呢？答案就藏在「表面能（Surface Energy）」與「濕潤性（Wettability）」這兩個核心概念中。

當我們把水滴在某個表面上時，水滴會聚成一顆圓滾滾的水珠，還是迅速攤平開來？這取決於表面的特性：

• 疏水路線（Hydrophobic）*1：具備低表面能的疏水表面，能顯著減少水分子或污染物與表面之間的極性作用力與氫鍵。水滴在這種表面上會因為表面張力而收縮成水珠，當水珠滾動滑落時，就能順便把表面的灰塵與礦物質顆粒帶走，這就是著名的「自清潔效應」。
• 親水路線（Hydrophilic / Superhydrophilic）*2：相反地，極度親水的超親水表面則會強烈地吸引水分子，在材料最外層形成一層薄薄的「水化層（Hydration Layer）」。這層水化層就像是實體的液體盾牌，讓油污、蛋白質或細菌無法直接接觸到材料基底，只能漂浮在水膜上方。

如果要用攀岩來比喻：傳統粗糙的表面就像是有許多凹槽的攀岩牆，髒污就像攀岩者，需要找到落腳點並用力撐住才能攀附；而我們做的是抽掉把手點，或是在把手上塗上潤滑油，讓髒污找不到施力點，自然難以停留。

不給細菌「握手」的機會

解決了水垢，下一個更棘手的對手是「細菌」。

馬桶內壁那些黑黑粉粉、摸起來滑滑的污垢，在微生物學中被稱為「生物膜（Biofilm）」。細菌並不是孤立生長的，當單顆細菌落在表面後，如果覺得環境舒適，它就會開始分泌胞外聚合物（EPS），這是一種天然的超強膠水。細菌們用這種膠水把自己與同伴緊緊黏在一起，並築起堅固的防禦堡壘，這時一般的沖水就很難把它們沖洗乾淨了。

根據《Nature Communications》與《Microsystems & Nanoengineering》的學術期刊研究指出，要阻止生物膜形成，除了化學上的抗菌，材料的「表面微幾何結構」扮演了至關重要的角色。

材料科學領域中有一個著名的「附著點理論（Attachment Point Theory）」：

1. 粗糙與微孔洞表面：如果材料表面存在許多微小的裂縫、氣孔或微米級凹洞，細菌（體積通常約 1 到 3 微米）就會興高采烈地鑽進這些小凹槽裡。這些凹槽不僅提供了極佳的機械咬合支點，還能幫細菌擋掉水流的沖刷。
2. 極致平滑與微結構表面：相反地，如果材料表面做到極致平滑，完全沒有微米級的缺陷；或者反過來設計出尺寸遠小於細菌的奈米結構，細菌的足跡構造（如鞭毛或纖毛）就無法在表面找到穩固的「接觸附著點（Contact Points）」。

當細菌發現自己在這個表面上連「手都握不緊」、隨時會被水流吹走時，它就無法順利定殖並分泌膠水築巢。此外，現代衛浴結構在設計時，也越來越強調「一體成形」與「無接縫工藝」。消除接縫與死角，等於直接拔除了細菌與水垢最喜歡的避風港。

當材料、結構與流體科技組隊聯防 

了解了材料化學與微觀幾何，我們就能勾勒出一座現代耐污馬桶的完整防禦體系：【材料層（低附著力）】+【結構層（無縫平滑）】+【動態流體層（泡沫與水流剪切力）】= 高效清潔！

以市面上備受矚目的 Panasonic A La Uno 全自動洗淨馬桶為例，就是將材料科學、結構工程與流體力學發揮到極致的典型代表：

1. 材料層：有機玻璃系新素材

A La Uno 全自動洗淨馬桶採新開發的「有機玻璃系新素材」（以壓克力高分子為基礎研發的衛浴專用材料，這類高分子成形技術亦被廣泛運用於大型水族館高壓觀景窗與飛機機艙罩）。這種材料表面具備極佳的疏水性與耐水垢特性，水滴不易長時間攤平停留；材質堅固、不易破裂，耐刮、不易造成細小傷痕。通過實驗測試，這種素材配合泡沫洗淨，在沖洗後能有效沖刷掉高達 99.99% 的大腸桿菌，從源頭阻斷細菌定殖。

2. 結構層：無接縫工藝與三重防濺防護

在宏觀結構上，A La Uno 全自動洗淨馬桶採用無水箱沖水與便器、溫水洗淨便座一體成型設計，減少傳統水箱與座體之間的結構層次及接縫，並搭配可動迴轉式排水系統完成沖洗。更貼心的是其「三重防護」設計：

• 泡沫防護：在水面上製造一層充沛的泡沫緩衝層，有效抑制男性站立小便時的尿液與污水飛濺；
• 外圍防護：馬桶邊界特別設計了高約 3mm 的水檔，防止液體延著外壁滴落至地板；
• 測漏防護：便座與馬桶本體採用不外露的防護設計，避免液體從縫隙飛濺滲漏。

3. 動態流體層：雙效泡沫洗淨、漩渦水流與 nanoe™ X

當污垢降落在馬桶內壁時，A La Uno全自動洗淨馬桶 的動態流體科技便接手進行徹底打掃。其「雙效泡沫洗淨」會先釋放直徑約 5mm 的「毫米泡沫」包裹並帶走大塊髒污，再透過直徑約 60微米的「微米泡沫」深入微觀縫隙，徹底溶解殘餘的油脂與細微污垢。接著，配合高度清潔力的「漩渦型強力水流」，利用旋轉產生的流體剪切力，一口氣將附著力已被削弱的污垢剝離並沖走。此外，Panasonic A La Uno 全自動洗淨馬桶還搭襯了 nanoe™ X 健康科技，釋放氫氧離子有效抑制異味與髒污，維持空氣與內壁的良好衛生狀態。

科技讓生活變輕鬆，但物理法則依然誠實

從材料化學的低表面能設計，到微觀幾何的附著點控制，再到流體力學的水流沖刷，一座現代抗污馬桶的演進，縮影了人類如何運用基礎科學來解決日常生活痛點的智慧。

我們習慣將衛生清潔想像成一場與細菌髒污的硬碰硬死鬥。然而，A La Uno全自動洗淨馬桶 等現代衛浴技術的突破，展示了材料科學的另一種聰明思維：不靠強酸強鹼硬打，而是透過物理與化學邏輯，將「污垢固著」的機率降到最低。

當材料科學與現代衛浴技術結合，刷馬桶不再是一件令人頭痛的辛苦瑣事。透過這些前沿科技的加持，我們得以從繁重的家務勞動中解放，享受更加乾淨、舒適且有品質的日常生活。

*1 參考論文：A metallic anti-biofouling surface with a hierarchical topography containing nanostructures on curved micro-riblets

*2 參考論文：Brushing up functional materials

隨機性，在許多領域都扮演了不可或缺的角色。例如電腦信息的加密，還有模擬複雜物理系統等技術，都需要用到巨量的亂數資料。不過，這些隨機是怎麼來的呢？

當電腦計算 1+1 是多少時，它可以遵從既定的程序算出正確答案；但如果叫電腦隨便給你一個數字，它肯定不知道該怎麼辦。畢竟電腦不像人，可以隨便「想到」一個數字。電腦只能根據你的命令，算出你要的結果。

要得到「真正的隨機」並不如想像中簡單。當我們到廟裡擲筊，或是玩桌遊時丟骰子，得到的結果看似沒有規律，但其實不然。它們可以用簡單的電腦計算來預測，像是丟硬幣的結果，便早已被研究透徹。只要對初始條件有足夠良好的掌握（像是丟出的速度與角度等等），這類物品的行為都能用兩百年前確立的力學定律來精準預測，因此稱不上是「真正」的隨機；另外一個缺點在於，這類方法產生隨機結果的速度實在太慢，跟不上現代社會對於隨機資料的龐大需求。

至於使用電腦計算的結果呢？常見像是串流平台的隨機播放功能，以及粉專抽獎會用的亂數產生器，它們所呈現的隨機是演算法算出來的。隨機播放功能利用特殊的演算法，排列出一個讓你聽起來很隨興的歌單；一般的電腦亂數，只是將特定的「種子」數字丟進一個超複雜的算式，算出成串毫無規律的數字。這些方法雖然快速又實用，但終究是可以預期的。當亂數數量夠多時，往往可以發現某些規律；而可被預期的亂數若是用於加密或認證，便會成為駭客眼中的肥羊。

由量子世界尋求真正的隨機！

既然手邊的物品和電腦都不管用，科學家於是轉向微觀的量子世界。量子物理對世界的描述本身就是機率性的，因此物理學家可以從實際測量結果中汲取「正港的」隨機亂數。像是物質的放射性衰變或電路中的雜訊，都是常見的選項。這類過程雖然可以確保隨機性，但效率還是稍嫌太差，相關的實驗架設也相當費工。

不過就在今年二月，研究人員利用半導體雷射技術，打造出有史以來最快的亂數產生器：每秒 250 TB 的隨機位元，比先前的紀錄高出一百多倍。

雷射的產生牽涉到原子內的「電子躍遷」。在一般狀態下，大部分原子中的電子會按照高中化學課本中提到的「電子軌域」排列，這種排列方式稱為「基態」，代表原子中的所有電子，都處在最低能量狀態。

在原子接收一定的能量後，會有部分電子跳入高能量的軌域中，變成「激發態」，這時原子內的電子組態不穩定，電子會跳回低能量軌域中回到「基態」，並以光（輻射）的形式放出能量。

而這些跳回的電子，如果都從同一個激發態回到基態，就會釋放出特定「頻率」與「能量大小」的光，以愛因斯坦的說法，從相同的激發態回到基態，會得到固定的「光子」，這是舊量子論的重要發現之一。提供原子特定的能量，讓原子放出光子，就可以激發出雷射。

利用電子躍遷的隨機性

但這件事情跟隨機性有什麼關係呢？電子躍遷本身就是具有隨機性的。

要激發雷射，其實事情並沒有那麼簡單，需要克服這個機率性。讓我們回頭看上面的敘述，「『大部分』原子中的電子會按照……」、「在原子接收一定的能量後，『有部分』電子跳入高能量的軌域中」，這些「大部分」、「有部分」，使得我們就算給原子固定能量，也未必能平穩釋放出特定光子，讓雷射光的強弱不穩定，也不會朝同方向射出。

因此雷射技術的重點之一，就是「光學共振腔」，將激發光子的物質放在共振腔中，放出的光子會在共振腔中來回游走，再次激發原子放出更多的光子，來增強雷射強度，並讓雷射光往特定方向射出。

但是，「光學共振腔」強化雷射強度以及方向，但實際上雷射光的強度，仍然是由量子力學的隨機性所決定！如果我們能用感光元件捕捉雷射光線起伏不定的強度，再轉換為數位訊號，就能獲取珍貴且無法破解的隨機亂數。

蝴蝶結狀「光學共振腔」

這種想法雖有十幾年的歷史，不過由於技術上的限制，產率一直相當有限。而且一般方形共振腔產生的雷射，容易讓光強度陷入特定的規律，產生的隨機性也較低。為了解決這個問題，研究人員將共振腔的形狀改良為蝴蝶結狀。如此一來，在其中反彈的雷射光便能保有其當初紊亂的特性，且往特定方向射出。

隨機的雷射光源被 254 像素的高速攝影機拍下，每個像素受到的光強度也被證實為相互獨立，因此成就了 254 條同步生產線，一同產出隨機亂數，使效率遠遠勝過以往一次只能記錄一個像素的做法，創下每秒 250 TB 的紀錄。

現今電腦運作的時間尺度最快不超過幾 GHz，因此這次的 250 THz 創舉難以發揮全部的實力。如果犧牲一些效率，用較簡單的偵測裝置來取代高速攝影機，可以讓整個裝置變得更加輕巧，提升實用性。在不久的將來，史上最速的亂數產生機制，或許可以直接容納於單一晶片之上。

參考資料：

• Kim, K., Bittner, S., Zeng, Y., Guazzotti, S., Hess, O., Wang, Q. J., & Cao, H. (2021). Massively parallel ultrafast random bit generation with a chip-scale laser. Science, 371(6532), 948-952.
• https://www.nature.com/articles/d41586-021-00562-6
• https://cointelegraph.com/news/lack-of-randomness-why-hackers-love-it

民進黨初選民調，其五個執行單位的結果一致且相近，是否值得懷疑？

關於這個問題，民進黨的官方答覆是：「此次總統初選民調方式，各執行單位的成功樣本高達 3200 份以上（95％信心水準下，抽樣誤差為正負1.7%），且為本黨民調中心抽樣提供給五家民調單位同時訪問，在相同的抽樣架構、相同的問卷題目、相同的訪問原則、相同的訪員訓練，相同的加權方式之下執行。有相近的民調結果才顯見此次總統初選民調的品質值得信賴，如果五家單位的民調結果差異過大，那才是值得擔憂的事。」

這個答覆令人滿意嗎？

民調得出接近的結果，究竟是否有「異常」？先從假設談起

五個單位關於蔡英文支持度的結果分別為：36.5721%、36.1190%、36.6532%、34.5323%、35.5072%，其平均數為 35.6768%。五單位的結果偏離平均數最大值為 1.1445%，這個值比 95％ 信心水準下的抽樣誤差正負 1.7% 要小很多。

按照民進黨的說法，似乎各單位民調結果越相近，民調的品質越值得信賴，真的是這樣嗎？五個單位的結果距離其平均數不超過 1.1445% 的機率是多少？如果這個機率甚小，難道我們不應該擔憂？

要探討這個問題，必須要做一些假設，以下的假設其實不盡成立，但本文的目的並不在於檢定這些假設的真假，而是在於利用統計學「抽樣分佈」（sampling distribution）的概念來看在「正常」狀態下，五個重複樣本結果相近的程度是否有「異常」的跡象。做這些假設只是為了要提供一個「正常狀態」的框架而已。

假設一：各民調單位的樣本是同一母體的的隨機樣本，其樣本數同為 N=3200。

這個假設除了樣本數外，會有很多爭議。

第一、所謂母體是指甚麼？全體合格選民？當然不是。

民進黨所從以抽樣的母體其實有兩個：市話號碼和手機號碼。這是兩個不一樣的母體，而且不論分別開來或合併起來，都不能反映全體合格選民。

第二、各單位的樣本是市話加手機混合母體的隨機樣本嗎？當然不是。

根據民進黨的計算，市話被抽中的機率是 0.19%，手機被抽中的機率是 0.05%。既然市話跟手機被抽中的機率不一樣，各單位的混合樣本就不是混合母體的隨機樣本，更不是全體選民的隨機樣本。

如果民進黨能把市話樣本和手機樣本分別開來，則市話樣本可以說是市話母體的隨機樣本，手機樣本可以說是手機母體的隨機樣本。但因為民進黨只公布每單位市話和手機混合樣本的資料，這裡的假設只是純粹正常狀態的假設。

假設二：支持度的母體參數值（π）可以用各單位樣本支持度（Ｐ）的平均數來估計。

本來在同一母體重複抽取足夠多的隨機樣本時，樣本的平均支持度會是母體真正支持度的不偏估計。但如果這些重複樣本不是隨機樣本，則這個假設不必然成立。另外，五個重複樣本並不能算「足夠多」，所以這個假設也只是純粹假設。

假設三、各樣本對人口變數的加權對結果的影響可以忽略。

這個假設通常是可以接受的，但因為民進黨未公布未加權的結果，加權究竟影響有多大也無從得知。

根據這些假設，得到此結果的機率是……？

根據假設一，應用中央極限定理（CLT）可以導出樣本支持度 P 的「抽樣分佈」是常態分佈：

P~N(π，π(1-π)/N)

其期望值π 是母體支持度，變異量是 π(1-π)/N。值得注意的是：變異量是 π(1-π) 的函數，因為 π 增加時 1-π 減少，π 減小時 1-π 增加，這個分佈的「胖」、「瘦」對 π 並不敏感。因為這樣，以下機率的計算與母體支持度大小的關係不大，關係較大的是五樣本支持度相近的程度。

我們先分析蔡英文支持度的相近程度，再用同樣的方法分析賴清德、韓國瑜、柯文哲的支持度。根據上面的假設，蔡英文母體支持度參數值估計為π=0.356768，由此求出的變異量是 0.0000717139，標準差是 0.008468。所以：

P~N(0.356768，0.008468^2)

也就是平均數為 0.356768，標準差為 0.008468 的常態分佈。這個常態分佈就是上面所說的「正常狀態」，當足夠多的機構「在相同的抽樣架構、相同的問卷題目、相同的訪問原則、相同的訪員訓練，相同的加權方式之下執行」執行民調時，其所得到的樣本支持度理論上應該遵行這個常態分佈。我們要算五個單位結果那麼相近的機率必須要在這個常態分佈之下來算。

在這樣的常態分佈之下，每一樣本支持度距離 35.6768% 不超過 1.1445%，也就是落在 (34.5323%，36.8213%) 區間內的機率是 0.823463，這就是下圖曲線下藍色區域的面積。

如果要算五個民調的支持度同時落在此區間內，則其機率是 0.823463^5≈0.38。

這個機率是大是小呢？

一般所說的「信心區間」可以有兩個意義。 以支持度比例來說，教科書所說的信心區間是指樣本比例加減由樣本比例算出來的抽樣誤差估計值所得到的區間。但如果我們知道母體比例，則也可以把母體比例加減由母體比例算出來的抽樣誤差來建構信心區間。

這裡因為假設二，我們可以從第二種意義來看待「95%信心區間」：樣本支持度落在以母體支持度為中心的這個區間的機率為 0.95。如果我們有五個重複樣本，則這五個樣本的支持度全部落在「95%信心區間」之內的機率是 0.95^5≈0.77。

上面算出的 0.38 是在正常狀態之下，五個重複樣本支持度距離母體支持度不超過 1.1445% 的機率。

現在民進黨五個執行單位得到的蔡英文支持度均在此區間之內，因此有 0.38 機率發生的事件發生了，這樣奇怪嗎？如果摸彩中獎的機率約 0.40，而你中獎了，你會覺得有人作弊讓你中獎嗎？我想多數人不會覺得這樣中獎有什麼好奇怪的。

這機率可以看做是統計檢定的 p值，也就是數據與假設相諧的程度。0.38 比 0.77小，但它並未小到讓我們得出數據與假設不相諧的結論。

當然，就如統計檢定 p>0.05 並不代表虛無假設為真一樣，它也不足以讓我們做出假設一至三為真的結論。（請參考拙作〈看電影學統計：ｐ值的陷阱〉）

用同樣的方法分析各單位測得的賴清德、韓國瑜、柯文哲對比支持度，都可以得到類似的結果。五個重複樣本的支持度落在實際發生區間內的機率為：0.30（賴清德）、0.60（韓國瑜對比蔡柯）、0.58（韓國瑜對比賴柯）、0.49（柯文哲對比蔡韓）、0.40（柯文哲對比賴韓）。這些機率均未小到令人起疑的地步。

統計上，差異過大或差異過小都可能有問題

民進黨說「有相近的民調結果才顯見此次總統初選民調的品質值得信賴，如果五家單位的民調結果差異過大，那才是值得擔憂的事。」其實是不對的。差異過大固然值得擔憂，太過相近也是問題。

比如我們把五單位的蔡英文支持度偏離其平均數的最大值減半至 0.5723%，則母體支持度加減 0.5723%的區間便縮小為下圖藍色區域。單一樣本的支持度落在此區間內的機率大約是 0.5，五個樣本支持度全部落在此區間內的機率只有 0.5^5≈0.03。這樣小的機率只能讓我們得到數據與假設不相諧的結論。

民進黨應該解釋的是五單位民調的結果並沒有相近到不可思議的地步，而不是說相異過大才值得擔憂。民調太相近或太相異都是品質可能有問題的跡象。

後記

本文完成後，看到ptt上有高手（raiderho）更早就用模擬的方法得到五單位民調相近程度並非小機率事件的結論。該文雖然用的是模擬的方法，卻能以對比民調中四個比例（蔡／賴、韓、柯、未表態）的聯合常態分佈為基礎來計算機率，可以補本文只用邊際分佈計算機率之不足。

請參考：

• Raiderho（冷顏冷雨）：〈綠營初選民調分析１〉、〈綠營初選民調分析2〉

本文轉載自作者部落格，原文標題：民進黨初選民調的「抽樣分佈」