Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

四處漫遊的木星是太陽系如此獨特的主因?

臺北天文館_96
・2015/03/30 ・1697字 ・閱讀時間約 3 分鐘 ・SR值 520 ・七年級

根據美國加州大學聖塔克魯茲分校(UC Santa Cruz)天文學家Gregory Laughlin和加州理工學院(California Institute of Technology)Konstantin Batygin等人的最新研究:在太陽系早期,木星自誕生後至尚未抵達如今的軌道位置之前的這段期間,其行為就像「錘碎機(wrecking ball)」一樣,會摧毀太陽系中第一代產生的內行星。這項發現或許可以解釋為何我們的太陽系與近年來發現的數百個系外行星系統的情況如此不同。

銀河系內典型的行星系統似乎都有一組軌道週期短得嚇人的超級地球。與這些已知的行星系統相較之下,我們太陽系最有趣的特色之一就是在水星軌道以內沒有任何其他行星的存在,這讓太陽系成為眾行星系統中的怪胎。不僅如此,太陽系內側岩質的類地行星們,形成的時間居然比位在太陽系外側的氣態行星們還要晚, 彼時能用以建構行星的材料已經大幅減少了許多。

Laughlin等人認為木星和土星的形成或許得對太陽系這個異常現象負責。2011年時,曾有其他天文學家提出所謂的「大航向模型(Grand Tack)」,認為木星先向太陽系內側逐漸旋入,直到土星形成後,木星的遷徙軌跡才轉而朝向太陽系外側而去,直到他現今的穩定軌道為止。Batygin於加州大學聖塔克魯茲分校就讀期間進行電腦數值模擬,看看比木星早形成且軌道相近的岩質行星們,在木星向太陽系內側旋入的過程中會發生什麼事。

天文學家們相信:在那時,擁有濃厚大氣層的岩質行星會在比較靠近太陽、氣體塵埃比較稠密的地方形成,最後形成如同天文學家們在大多數系外行星系統中發現的典型超級地球一樣的行星。然而當木星旋入太陽系內側時,來自這顆巨行星的重力擾動橫掃整個太陽系內側,不僅影響了內側行星們,還有體積小得多的微行星和小行星們,讓這些天體的軌道非常接近、甚至重疊,導致一連串的碰撞事件,從而使這些第一代行星破裂毀滅。

-----廣告,請繼續往下閱讀-----
太陽系外類木行星的軌道分佈。

這個情形與地球低軌衛星類似,只要有其中一個衛星被摧毀,則這個衛星的碎片會撞到另一個衛星使其受損破裂,而這個衛星的撞擊碎片又會去撞擊其他的衛星,最後便引起一連串的撞擊反應。

木星造成的一連串第一代岩質行星的撞擊碎片,也會因受到太陽周圍仍很濃厚的氣體造成的強勁「頂頭風(headwind)」影響而逐漸旋入、落往太陽。這個過程就如同雪崩或土石流一樣,會將任何新近形成的超級地球一同拖往太陽,這些行星最終都被太陽吞沒而摧毀。至於較晚從殘餘物質中形成的第二代內側行星避開了這一波的連串撞擊事件而得以存活下來,如此一來就符合太陽系內側行星形成時間晚於外側行星的事實,而且也符合現存的內側行星們—水星、金星、地球和火星的質量比外側行星們—木星、土星、天王星和海王星都小很多,而且大氣層也比外側行星們薄許多等事實。

Laughlin等人的研究結論之一,預測那些與地球非常近似的行星,即擁有固態表面與適中大氣壓力的行星,其實是非常稀少的。這個結論若為真,將讓我們的地球顯得更為彌足珍貴。

行星獵人們迄今已在銀河系中確認了上千顆系外行星,其中含有多顆行星的行星系統數量接近500個。從這些觀測資料中浮現的「典型」行星系統,大都是擁有數顆質量約地球數倍大且公轉軌道比水星近得多的超級地球;而在那些有著質量與木星相當的巨行星的系統中,這些巨行星也通常也比我們太陽系中的巨行星們還靠近它們的母恆星。這顯示太陽系中低質量兼薄大氣的岩質內側行星,可能是相當異常的情況。

-----廣告,請繼續往下閱讀-----

根據Laughlin的說法:巨行星的數量並不多,但一旦它們真的形成後,通常會開始向行星系統內側遷移,最終停留在與地球軌道相當的位置上。只是,太陽系中有著土星,土星的形成將木星拉回外側軌道位置,使得水星、金星、地球和火星能形成並存活。因此,Laughlin等人的另一個研究結論就是若行星系統中擁有軌道週期大於100天的巨行星,則這個行星系統就不可能存有多重軌道相近的行星。

這些天文學家開玩笑說:現再有愈來愈多的證據,證明木星真的曾發生過「大航向(Grand Tack)」過程,只不過對內側行星而言,這個過程可能更像「大侵襲(Grand Attack)罷了。

 

資料來源:

  1. Wandering Jupiter accounts for our unusual solar system. [UNIVERSITY OF CALIFORNIA SANTA CRUZ, March 23, 2015 ]
  2. Batygin, K., & Laughlin, G. (2015). Jupiter’s decisive role in the inner Solar System’s early evolution. Proceedings of the National Academy of Sciences112(14), 4214-4217.

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

0
0

文字

分享

0
0
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。

2

0
1

文字

分享

2
0
1
秋季星空中一抹光亮:北落師門殘屑盤的觀測史——《科學月刊》
科學月刊_96
・2024/01/19 ・4118字 ・閱讀時間約 8 分鐘

  • 謝承安/ EASY 天文地科團隊成員,因喜愛動畫《戀愛中的小行星》開始研究小行星,現就讀臺大物理系。
  • 林彥興/清大天文所碩士, EASY 天文地科團隊總編輯,努力在陰溝中仰望繁星。
  • Take Home Message
    • 殘屑盤是恆星周遭的盤狀結構,由於北落師門殘屑盤離地球僅 25 光年,數十年來天文學家時常會藉由觀測它以了解殘屑盤的特性。
    • 去(2023)年韋伯望遠鏡的觀測結果與過去不同,顯示北落師門殘屑盤其實分成多個部分,更讓他們相信北落師門中有多個行星環繞。
    • 韋伯望遠鏡提供的影像還揭露許多來源未知的構造及現象,例如內側殘屑盤與內側裂縫等,都有待繼續探索。

北落師門(Fomalhaut)又稱南魚座 α 星,是秋季星空中著名的亮星之一。去年 5 月,以美國亞利桑那大學(University of Arizona)天文學家加斯帕(András Gáspár)為首的研究團隊在《自然天文學》(Nature Astronomy)期刊上發表,他們藉由詹姆士.韋伯太空望遠鏡(James Webb Space Telescope, JWST,簡稱韋伯望遠鏡),在北落師門周圍殘屑盤(debris disk)中首次發現了「系外小行星帶」的存在。韋伯望遠鏡拍下美麗的照片,也瞬間席捲各大科學與科普媒體的版面(圖一)。

圖一:韋伯望遠鏡在波長約 25 微米(μm)的中紅外線拍攝的北落師門影像,首次呈現北落師門殘屑盤中的三層結構。(NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

天文學家選擇北落師門作為目標並非偶然。半個世紀以來,北落師門一直是天文學家研究殘屑盤時的首選目標之一。韋伯望遠鏡的新影像為我們帶來什麼新發現?過去與現在的觀測方式又有什麼差異?本文將帶著大家一起回顧北落師門殘屑盤的觀測史。

行星相互碰撞後的殘屑盤

殘屑盤是環繞在恆星周遭,由顆粒大小不一的塵埃所組成的盤狀結構。如果讀者們聽過行星形成的故事,也知道行星是從恆星四周、由氣體與塵埃組成的「原行星盤」(protoplanetary disk)中誕生,那你或許會認為殘屑盤可能就是行星形成後剩下的塵埃。但實際上並非如此,在恆星形成初期的數百萬年間,原行星盤中的氣體和塵埃會被恆星吸積或是吸收恆星輻射的能量後蒸發,同時也會聚集成小型天體或行星,這些原因都會使原行星盤消散。而殘屑盤則是由盤面上的小行星等天體們互相碰撞後,產生的第二代塵埃組成(圖二)。

圖二:殘屑盤想像圖(NASA/JPL-Caltech)

這些塵埃發光的機制主要有兩種。第一,塵埃本身可以散射來自母恆星的星光,從而讓天文學家能在可見光與近紅外波段看到它們。第二,塵埃在吸收來自恆星的星光之後,以熱輻射的形式將這些能量重新釋放。由於恆星的光強度與距離成平方反比,愈靠近恆星,塵埃的溫度就愈高,因此發出的輻射以近紅外線為主;反之,愈是遠離恆星,塵埃的溫度就愈低,發出的光就以中遠紅外線為主。

-----廣告,請繼續往下閱讀-----

觀測目標:北落師門

北落師門殘屑盤的觀測始於 1983 年。當時,美國國家航空暨太空總署(National Aeronautics and Space Administration, NASA)的紅外線天文衛星(Infrared Astronomical Satellite, IRAS)發現北落師門在紅外線波段的亮度異常高,代表周圍很可能有殘屑盤圍繞。由於北落師門離地球僅約 25 光年,這項發現引起眾多天文學家的關注,並在未來數十年前仆後繼地拿出各波段最好的望遠鏡,希望藉此深入了解殘屑盤的特性。其中,哈伯太空望遠鏡(Hubble Space Telescope, HST,簡稱哈伯望遠鏡)、阿塔卡瑪大型毫米及次毫米波陣列(Atacama Large Millimeter/submillimeter Array, ALMA)與韋伯望遠鏡擁有非常好的空間解析度,因此能夠清楚地觀測殘屑盤的結構。

● 哈伯的觀測

2008 年, NASA 公布哈伯望遠鏡在 2004 與 2006 年對北落師門的觀測結果(圖三),讓天文學家首次清晰地看到北落師門殘屑盤的影像。這張照片是哈伯望遠鏡以日冕儀(coronagraph)在 600 奈米(nm)的可見光波段下拍攝,中間的白點代表北落師門的位置,而周圍的環狀亮帶正是因散射的北落師門星光而發亮的殘屑盤,放射狀的條紋則是日冕儀沒能完全消除的恆星散射光。除此之外,天文學家還發現有一個亮點正圍繞著北落師門運行,並認為此亮點可能是一顆圍繞北落師門的行星,於是將它命名為「北落師門 b 」。很可惜在往後的觀測中,天文學家發現北落師門 b 漸漸膨脹消散,到 2014 年時就已經完全看不見了。因此它很可能只是一團塵埃,而非真正的行星。

圖三:哈伯望遠鏡於 2008 年公布的北落師門。中間白點代表北落師門的位置,周圍環狀亮帶是因散射北落師門的星光而發亮的殘屑盤,放射狀條紋則是沒完全消除的恆星散射光。右下角亮點當時被認為是圍繞北落師門的行星,但很可能只是塵埃。(Ruffnax (Crew of STS-125);NASA, ESA, P. Kalas, J. Graham, E. Chiang, and E. Kite (University of California, Berkeley), M. Clampin (NASA Goddard Space Flight Center, Greenbelt, Md.), M. Fitzgerald (Lawrence Livermore National Laboratory, Livermore, Calif.), and K. Stapelfeldt and J. Krist (NASA Jet Propulsion Laboratory, Pasadena, Calif.)

● ALMA 的觀測

ALMA 對北落師門的完整觀測於 2017 年亮相,他們展示出更加清晰漂亮的環狀結構,且位置與哈伯望遠鏡的觀測吻合。正如前面提到,殘屑盤中的塵埃溫度愈低,放出的輻射波長就愈長。因此 ALMA 在 1.3 毫米(mm)波段觀測到的影像,主要來自離殘屑盤中恆星最遠、最冷的部分。

圖四: ALMA 於 2017 年拍攝的北落師門殘屑盤,展示出清晰漂亮的環狀結構。(Sergio Otárola|ALMA (ESO/NAOJ/NRAO);M. MacGregor)

● 韋伯望遠鏡的觀測

最後則要來看去年韋伯望遠鏡所使用中紅外線儀(mid-infrared instrument, MIRI)拍攝的影像(圖五)。與之前的觀測不同,這次的影像顯示北落師門的殘屑盤其實分成幾個部分:

-----廣告,請繼續往下閱讀-----
圖五:韋伯望遠鏡在 25 微米波段觀測到的北落師門殘屑盤。(NASA GSFC/CIL/Adriana Manrique Gutierrez;NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

首先,哈伯望遠鏡與 ALMA 之前就已觀測到的塵埃環,它的半徑約 136~150 天文單位(AU)、寬約 20~25 AU,而溫度則落在約 50~60 K,與太陽系的古柏帶(Kuiper belt)十分相似,因此被稱為「類古柏帶環」(KBA ring)。雖然在觀測上的溫度相似,但其實此塵埃環與北落師門的距離是古柏帶到太陽的四倍;不過北落師門光度約為太陽的 16 倍,根據前述提及的平方反比關係,才導致兩者的溫度相近。此外,在更外層名為「暈」(halo)的黯淡結構則對應古柏帶外圍天體密度較低的區域。

再來,韋伯望遠鏡還發現了更多未解的謎團:內側殘屑盤(inner disk)與中間環(intermediate ring)。其實早在本次韋伯望遠鏡的觀測之前,天文學家就已經從北落師門的光譜推測,北落師門的殘屑盤中除了存在前面提過的類古柏帶環之外,應該還有另一批更靠近恆星、溫度更高的塵埃,溫度與大小對應太陽系中的環狀小行星帶。但當韋伯望遠鏡實際觀測後,卻發現與太陽系的環狀小行星帶相比,北落師門有著相當瀰散的內側殘屑盤。為什麼會有這樣的不同呢?目前天文學家也不清楚,仍待進一步研究。

最後,在類古柏帶環與內側殘屑盤之間,還存在著一個半長軸約 104 AU 的「中間環」,在太陽系中則沒有對應的結構,這項新發現也需要進一步的研究來了解它的來源。

此外,雖然北落師門 b 最終被證實並不是一顆行星,但這並不代表北落師門旁沒有行星環繞。最初,殘屑盤的形成原因是由小行星等天體不斷碰撞所產生,經過不斷地碰撞合併,其實就有可能已經產生直徑數百到數千公里的行星。從北落師門的殘屑盤還可以推論,在內側殘屑盤與中間環之間可能有一顆海王星質量以上的行星,它就像鏟雪車般清除軌道上的塵埃,從而產生「內側裂縫」(inner gap)的結構。

-----廣告,請繼續往下閱讀-----

另一方面,天文學家也藉由數值模擬發現,如果僅考慮來自北落師門的重力影響,類古柏帶環應該要比觀測到的更寬才對。因此他們推測,很可能在類古柏帶環內外兩側有兩顆行星,像控制羊群的牧羊犬一樣以自身的重力限制塵埃移動,才產生了這麼細的塵埃環。

● 更多的殘屑盤觀測

北落師門雖然是一顆年齡僅4.4億年的年輕恆星,卻已經是一個擁有殘屑盤、形成行星的成熟恆星系統。而來自韋伯望遠鏡的最新觀測結果,無疑讓天文學家更深入地認識殘屑盤中複雜的結構,也更令他們相信北落師門系統中有多個行星環繞。

不過,北落師門系統仍舊有許多未解之謎。例如為什麼太陽系有著環狀的小行星帶,北落師門卻是瀰散的內側殘屑盤?在無數的恆星中,究竟是太陽系還是北落師門的殘屑盤構造比較常見?殘屑盤中是否有行星存在?如果有,在北落師門的演化歷史中又扮演著怎樣的角色呢?這些問題都有待更多的觀測與理論模擬來解答。

在北落師門之後,觀測團隊預計將韋伯望遠鏡指向天琴座的織女星(α Lyr, Vega),以及位於波江座的天苑四(ε Eri),兩者都是離地球非常近且擁有殘屑盤的恆星。其中織女星的溫度與質量比北落師門更大,而天苑四的質量與溫度雖然比太陽小,卻有強烈的磁場活動。藉由觀測不同系統中殘屑盤的性質差異,並與太陽系進行對比,不僅能更加認識殘屑盤的起源、與行星的交互作用,更能理解我們自己的恆星系中,數百萬顆的太陽系小天體從何而來。

-----廣告,請繼續往下閱讀-----

JWST 原始資料的處理過程影片介紹,非常值得一看!

  • 〈本文選自《科學月刊》2024 年 01 月號〉
  • 科學月刊/在一個資訊不值錢的時代中,試圖緊握那知識餘溫外,也不忘科學事實和自由價值至上的科普雜誌。

延伸閱讀

  1. Galicher, R. et al. (2013). Fomalhaut b: Independent analysis of the Hubble space telescope public archive data. The Astrophysical Journal, 769(1), 42.
  2. MacGregor, M. A. et al. (2017). A complete ALMA map of the Fomalhaut debris disk. The Astrophysical Journal, 842(1), 8.
  3. Gáspár, A. et al. (2023). Spatially resolved imaging of the inner Fomalhaut disk using JWST/MIRI. Nature Astronomy, 1–9.
-----廣告,請繼續往下閱讀-----
所有討論 2
科學月刊_96
249 篇文章 ・ 3741 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

1

8
4

文字

分享

1
8
4
太陽系如何形成、如何演化?就讓「靈神星」來解答!
EASY天文地科小站_96
・2023/04/12 ・2962字 ・閱讀時間約 6 分鐘

  • 文/黃子權|掉入岩石堆中的研究生,現就讀台大地質所
  • 文/林彥興|現就讀清大天文所,努力在陰溝中仰望繁星

M 型小行星與行星的誕生

了解太陽系的形成歷史與演化,是行星科學最重要的使命之一。然而,身在太陽系形成後 46 億年的我們所看到的行星,都是經過漫長演化後的結果。它們的表面特性、內部結構,早已與剛形成時大相逕庭。

因此,想要研究太陽系的形成與演化,小行星是相當重要的目標。由於小行星質量小、冷卻快,更不會有複雜的風化和地質運動,因此它們從太陽系形成之初到現在都沒有什麼改變,就像活化石一般。而過去幾十年,人類也確實對小行星進行了廣泛而詳細的研究,比如拍攝照片計算它們的軌道,用光譜分析化學組成,甚至派遣太空船(如 JAXA 的隼鳥一號、隼鳥二號、NASA 的 OSIRIS-REx)直接前往小行星,將樣本採回地球分析。

而在太陽系目前已知的一百多萬顆小行星中,有一個相當特殊的族群,它們大多具有較大的密度和較高的雷達反照率,同時在光譜上缺乏特徵。基於上述特點,科學家們認為它們的組成中有含有不少金屬,因此稱之為 M 型小行星。

根據目前天文學家對行星形成的理解,原行星盤(protoplanetary disk)中的金屬元素分布理應相當分散,因此能夠自然產生元素分異並聚集大量金屬的地方,只有足夠大、足夠熱的原行星(protoplanet)的行星核。所以傳統上,M 型小行星被視為受到撞擊後裸露的行星核,同時也是鐵隕石的來源之一。但截至目前,仍未有探測器直接造訪 M 型小行星,確認這個假說是否正確。

-----廣告,請繼續往下閱讀-----

近期,新的觀測資料更顯示,某些 M 型小行星似乎比人們預想的還輕,各種特徵也和人們對行星核的認知不盡相同(例如,在表面觀測到含水礦物的訊號)。這表示傳統的行星形成與演化模型,也許不盡正確。換個角度看,這也代表對 M 型小行星的研究,也許將能幫助我們揭開行星演化理論中的盲區。

M 型小行星是由什麼構成的?它們的演化歷史又是如何?苦於距離遙遠,過去人們對這些問題往往只能止於粗略的推測。但隨著靈神星號任務逐漸上軌,我們離解答這些問題(的一部分)只有一步之遙了。

靈神星號探測器。圖/NASA/JPL-Caltech/ASU

靈神星探索任務

靈神星探索任務(Psyche)是 NASA 發現計畫(Discovery Program)的一部分。發現計畫始於 1989 年,每隔幾年就會向全美國徵求任務提案,經過重重篩選後,最具有科學價值且最可行的團隊,就可以獲得 NASA 提供的經費,將他們的構想付諸實行。從 1996 年的 NEAR 任務開始,發現計畫已經為十幾個重要的太陽系探索任務提供機會,包含近期因太陽能板發電量降低而終止的火星「洞察號(InSight)」任務。2014 年,第 13、14 次發現計畫徵選開始,最後脫穎而出的其中一個計畫,正是靈神星探索任務。

而計畫要觀測的目標靈神星(16 Psyche)於 1852 年被義大利天文學家加斯帕里斯(Annibale de Gasparis)發現,並以希臘神話中靈魂之神「賽姬」命名。祂是第 16 個被發現的小行星,雖然不是最大的小行星(平均寬度約 220 公里)但卻是目前已知小行星中第 10 重的,其質量佔小行星帶總質量的 1%。根據估算,靈神星的密度大約為 3.9 g/cm3,遠低於鐵鎳隕石的 7.9 g/cm3,因此靈神星不太可能真的完全由金屬構成,比較可能是類似石鐵隕石那樣,由金屬與岩石共同組成。

-----廣告,請繼續往下閱讀-----
科學家對靈神星的想像。圖/ NASA/JPL

作為發現計畫的一員,靈神星計畫切實地反映了該系列任務的宗旨:便宜、快速的解答重要的疑問。M 型小行星是行星形成與演化中相當重要的一片拼圖,而靈神星又是體積最大的 M 型小行星,其重要性不言而喻。對靈神星的探測,勢必能更加推進人們對行星演化的認知。

靈神星號的科學目標及預期解答的問題為:

  1. 靈神星是行星核還是未熔結物質?
  2. 靈神星表面的相對年齡為何?
  3. 小型金屬天體是否含有和高壓地核同比例的輕金屬?
  4. 靈神星形成環境的氧化還原性?
  5. 靈神星地表及撞擊坑特徵?

為了達到這些目標,靈神星號上搭載了以下儀器:

  • 多光譜成像儀 (Multispectral Imager)
  • 伽馬射線/中子光譜儀 (Gamma-Ray and Neutron Spectrometer, GRNS)
  • 通量閘磁強計 (Fluxgate Magnetometer)
  • X頻無線電實驗 (Radio Science (X-band))

整體而言,靈神星號的載酬相當簡要,科研儀器加總起來只占約 30 公斤,且每項儀器都是經過「實戰」驗證過的:多光譜成像儀來自火星好奇號探測車,GRNS 來自水星的信使號任務、磁強計參與了洞察號任務、X 頻無線電實驗(利用通訊時訊號的都卜勒效應測量重力強度變化)更是有多項成功紀錄。使用這些驗證過的儀器不僅能減少任務風險,同時能省下不少研發經費,提高任務的 CP 值。另外,靈神星號同時也會為深空網路(Deep Space Network, DSN)測試全新的「深空光學通訊(Deep Space Optical Communication, DSOC)」系統,利用雷射作為資料載體進行傳輸,科學家估計 DSOC 的資料傳輸速度,將比過去使用無線電的 DSN 快 10 到 100 倍。

靈神星號各項儀器位置圖。圖/修改自NASA/JPL-Caltech/ASU
靈神星號的伽馬射線光譜儀及中子光譜儀。圖/Johns Hopkins APL/Ed Whitman

另外,隨著科技進步,太空探索不再是國家機構的天下,各種商業公司紛紛加入了衛星製造的行列。因此重視任務 CP 值的靈神星號,從設計初期,科學家們便決定向商業公司尋求成熟、有發射紀錄且搭載了離子推進系統的衛星載具。最終他們選定了 Maxar 旗下的 Space Systems/Loral(SSL)公司的 1300 系列框架作為靈神星號的主體,並由噴氣推進實驗室(JPL)整合飛行系統(包含指令及資料處理系統)。靈神星號的推進系統是一具 SPT-140 霍爾效應推進器(Hall effect thruster),藉由游離氙氣並透過磁場將其加速噴出以獲得推力。搭配發電量達 20 千瓦的太陽能板及 922 公斤的氙氣,足夠支持靈神星號走完將近六年的航程。

抵達靈神星後,探測器將嵌入軌道開始環繞靈神星。科學家為靈神星號安排了四個逐漸降低的軌道(A 到 D),每個軌道都有各自主要的研究目標:

  1. 最高也是最初始的軌道 A 半徑約 700 公里,靈神新號將會在這裡測量靈神星的磁場。
  2. 56 天後,探測器將降至軌道 B(半徑 290 公里)並且開始對靈神星的地貌進行調查。
  3. 76 天後,靈神星將下降至半徑 170 公里的軌道 C,這是最小的穩定繞極軌道,同時也是最適合用來探測靈神星重力場的高度。
  4. 100 天後靈神星號將會降至最後、最低的軌道 D,軌道半徑僅 85 公里,在這探測器將利用 GRNS 調查靈神星表面的元素分布。
靈神星號任務示意圖。圖/修改自 NASA/JPL-Caltech

靈神星號原訂的發射日期為 2022 年 9 月。然而在飛行前的測試中,任務團隊發現飛行軟體異常,導致它錯過了 2022 年的發射窗口。經過幾個月的調查和調整,目前 NASA 公布的下個發射窗口為 2023 年 10 月 10 日以後,屆時靈神星號將會搭乘 SpaceX 的獵鷹重型火箭進入太空,就讓我們好好期待靈神星號傳回來的各種資料吧!

-----廣告,請繼續往下閱讀-----

延伸閱讀

  1. 我們的征途是星辰大海:回顧隼鳥二號的億里長征
  2. Just Look Up!小行星監測系統「哨兵」全面升級
  3. 災難片成真!?小行星「貝努」行蹤飄忽,撞地球的機率有多大?
-----廣告,請繼續往下閱讀-----
所有討論 1
EASY天文地科小站_96
23 篇文章 ・ 1578 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