Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

矮星系吹泡泡

臺北天文館_96
・2011/10/07 ・963字 ・閱讀時間約 2 分鐘 ・SR值 522 ・七年級

-----廣告,請繼續往下閱讀-----

通常有名的哈柏太空望遠鏡(Hubble Space Telescope)星系影像,要不是壯觀的螺旋星系,就是邊緣和緩變化的橢圓星系,不過這些通常都是大型星系才有的模樣,瞧瞧右方影像中的星系,有沒有覺得與眾不同呢?因為影像中的主角—洪伯II(Holmberg II,UGC 4305)是不規則矮星系(dwarf irregular galaxy);這類矮星系的外型和型態差異頗大,很難歸類,故直接歸類為不規則星系。而哈柏先進巡天相機(Advanced Camera for Surveys)影像中可見模糊不清的洪伯II星系裡,有著數個巨大且發光的氣體泡泡呢!(譯者註:這個星系幾乎佔滿整個畫面,其中的紅色氣泡結構只是星系中的一部份而已喔!點選此處觀看這個星系的整體外觀影像。)

天文學家推測:洪伯II星系裡這些精細而明亮的氣體殼層,應該是歷經數代活力充沛的恆星演化後的結果。高質量恆星(high-mass star)從稠密的氣體雲中誕生,之後發出強烈的恆星風將周圍物質吹開;到了生命末期,發生超新星爆炸所產生的衝擊波,將已經比較沒那麼稠密的氣體往外推,並加熱這些氣體使其發光,最後就形成了今日所見的泡泡狀結構。

洪伯II星系的中間區域勉強算是個密集的恆星形成區,但向外延伸達數千光年的範圍內都相當貧瘠,缺乏製造新恆星的材料。作為一個矮星系,它既沒有像銀河系一樣的旋臂,也沒有橢圓星系常見的稠密核心。這使得洪伯II星系的重力場不夠強,所以像這樣脆弱的氣泡結構能夠大致維持形狀而沒啥改變。

雖然以規模來論,洪伯II星系是不起眼的矮星系,不過這個星系還是有某些吸引人的特徵。例如它是1950年代洪伯(Erik Holmberg)在M81星系團中發現的9個低表面亮度星系(low-surface-luminosity galaxies)之一,它不尋常的外表為它在赫頓‧阿普(Halton Arp)的特殊星系表(Atlas of Peculiar Galaxies)中贏得一席之地。此外,這個星系還有個極明亮的X射線源,就在影像右上角3個氣體泡泡的中間那個裡;目前有許多種理論解釋這個強力輻射的來源,其中一種理論還提到可能是其中有個正在拉扯周邊物質的中型黑洞(intermediate-mass black hole)哩!不過這些理論有些甚至相互矛盾,讓這個強X射線源的起源仍是個未解之謎。

-----廣告,請繼續往下閱讀-----

洪伯II星系屬於M81星系團成員之一,距離地球約1200萬光年,位在大熊座方向,這個星系團主要的領袖星系為M81和M82,是離銀河系所在的本星系群最近的星系集團之一。

資料來源:Galaxy caught blowing bubbles

轉載自台北天文館之網路天文網網站

-----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

13
6

文字

分享

0
13
6
毀滅與新生:超大質量黑洞觸發的恆星形成
EASY天文地科小站_96
・2022/03/18 ・2555字 ・閱讀時間約 5 分鐘

  • 林彥興|EASY 天文地科小站主編、清大天文所碩士生,努力在陰溝中仰望繁星

2022 年 1 月底,兩位天文學家在頂尖科學期刊《自然》發表的論文中,宣布他們發現矮星系「Henize 2-10」中的超大質量黑洞,觸發了一批新恆星的誕生。可是,我們印象中的黑洞不是會以極強的重力撕碎、吞噬周遭一切的嗎?怎麼這樣毀滅性的天體,居然還能誕生新的恆星?今天就讓我們來一探究竟!

哈伯太空望遠鏡拍攝的 Henize 2-10 矮星系。
圖/Hubblesite

黑洞:宇宙燈塔核心

多數人對黑洞的印象,大概是一個擁有強大重力、會撕碎與吞噬一切的純黑球體。由於連光也無法逃離它的魔爪,因此黑洞總是隱身在宇宙黑暗的背景中難以觀測。

這樣的圖象雖然大致正確,卻不是事情的全貌。黑洞確實會以它強大的重力吃進物質,天文學家也確實相信茫茫星海中,有許多難以觀測的黑洞漫步其中。但是被黑洞重力捕獲的物質,往往不會直直地朝黑洞落去,而是會在黑洞週遭形成一個旋轉的盤狀構造,稱為「吸積盤 Accretion Disk」。

在吸積盤上,物質之間不斷的碰撞、摩擦、緩緩向黑洞靠近,在過程中將重力位能轉化為動能、熱能、磁能等各式各樣的能量形式,並釋放出橫跨伽瑪射線到無線電波的電磁輻射。在許多系統中,還可以觀測到物質快速的從黑洞附近噴出,通常速度較慢(約每秒數百至數千公里)者通常稱為「外流 Outflow」,速度較快(接近光速)者則稱為「噴流 Jet」。

對超大質量黑洞吸積盤與噴流的數值模擬。在吸積盤上,物質以圓形軌道環繞黑洞,並緩緩的向內移動,直到最終在吸積盤的最內側被黑洞吞噬。而從黑洞兩極高速噴出的物質,則形成了噴流。
影/EHT, Hotaka Shiokawa.

黑洞產生的輻射、噴流與外流,不僅讓我們能夠用各式各樣的觀測手段去尋找和研究黑洞,它們同時也會對黑洞所在的環境產生影響。

-----廣告,請繼續往下閱讀-----

尤其當身處星系中心、質量是太陽數百萬倍以上的「超大質量黑洞 SMBH」們在大快朵頤週遭的氣體時,能夠以太陽數百萬倍、甚至數千億倍以上的功率釋放能量,成為宇宙中最明亮的天體。

如此龐大的能量,足以影響整個星系乃至於星系團的演化。它可能促進星系中恆星的形成,為星系帶來新生;或者是抑制星系中恆星的形成,讓星系變得死氣沉沉。另一方面,星系中恆星的形成、超新星爆炸等其他現象,也會決定有多少氣體能夠流到位於星系中心的黑洞上,從而影響黑洞的成長。

超大質量黑洞與星系之間互相影響、共同演化的機制,統稱為「活躍星系核回饋 AGN Feedback」,是當代天文物理非常重要的研究領域。

天文學家常用星系的「恆星形成率 SFR」來衡量一個星系的狀態。如果一個星系正在產生許多新恆星(即恆星形成率高),這就是個「生機勃勃」的星系(如左圖的 NGC 4038 / NGC 4039);反之,如果一個星系都只有年邁的恆星,那這就是個「死氣沉沉」的星系(如右圖的 IC 2006)。
圖/WikipediaESO

半人馬座 A 星系是經典的活躍星系之一。由星系中心射出的筆直藍色區域,就是超大質量黑洞的噴流。圖/ESA_Multimedia

過去 20 多年的無數理論與觀測成果,讓天文學家相信活躍星系核回饋確實對星系的演化有重要的影響。但是具體是怎麼影響?影響多大?目前仍沒有明確的結論,甚至連直接的觀測證據都十分稀少。因此,天文學家迫切的想要找到更多活躍星系核回饋的直接證據,了解黑洞究竟是怎麼與星系一同成長。

-----廣告,請繼續往下閱讀-----

瞄準目標:矮星系 Henize 2-10

在這個研究中,天文學家鎖定位在羅盤座(Pyxis)、距離地球約 3400 萬光年的矮星系「Henize 2-10」。過去其他天文學家以無線電與 X 射線觀測的結果顯示,這個星系中心可能有一個正在進食的超大質量黑洞,因此是尋找活躍星系核回饋證據的絕佳場所。

為了得到高解析度的影像,天文學家使用哈伯太空望遠鏡仔細的研究星系中心的影像與光譜,發現在星系的中心有一道長約 500 光年、由游離氣體組成的纖維狀結構,源自星系中心的超大質量黑洞噴出的外流。而黑洞東方(圖中的左手邊)約 230 光年外,有一片正在形成許多新恆星的區域(稱為恆星形成區),與外流相連。

天文學家仔細分析星系的光譜後,認為黑洞的外流正是催生這片恆星形成區的幕後推手。因為外流推擠、壓縮了星系中的氣體,增加了氣體的密度,才進一步激發了這批新恆星的形成。對研究黑洞與活躍星系核的天文學家來說,這無疑是一次振奮人心的發現!

哈伯太空望遠鏡拍攝的 Henize 2-10(左),以及其中心部分的 H alpha 波段影像(右)。在右編的影像中 Massive Black Hole 即是黑洞所在的位置,Outflow 是外流、Triggered Star Formation 即是恆星形成區。
圖/Hubblesite

結語:萬里長征的一小步

黑洞不只是能夠吞噬一切的引力怪獸。它在囫圇吞棗的過程中,其實可以釋放出巨大的能量。尤其是位於星系中心的超大質量黑洞們,它們產出的能量之龐大,甚至能夠影響整個星系的演化,稱為活躍星系核回饋。但是怎麼影響?影響多大?天文學家們仍在積極的研究。

-----廣告,請繼續往下閱讀-----

這次在 Henize 2-10 星系中觀測到的黑洞外流與其激發的恆星形成,是活躍星系核回饋相當重要的直接證據。未來,天文學家將繼續在更多的星系中,尋找黑洞與星系互動的蛛絲馬跡,直到揭開活躍星系核回饋的神秘面紗。

參考資料

-----廣告,請繼續往下閱讀-----
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

0

0
0

文字

分享

0
0
0
電腦裡的小宇宙,重現絢麗的恆星爆炸!
研之有物│中央研究院_96
・2018/12/05 ・3579字 ・閱讀時間約 7 分鐘 ・SR值 495 ・六年級

-----廣告,請繼續往下閱讀-----

  • 採訪編輯|歐柏昇 美術編輯|張語辰

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位

天文學家無法做實驗來製造一個宇宙,卻可以在超級電腦中製造小宇宙,探索宇宙中複雜的現象。中研院天文及天文物理研究所的助研究員陳科榮,利用電腦模擬,揭開觀測背後的物理過程,了解超新星爆發的機制,以及超新星與宇宙學的關聯。

一般人對於天文學家的想像,是拿著望遠鏡觀測宇宙的仰觀者。陳科榮是大家較不熟悉的另一類型:模擬天文學家。
攝影│張語辰

模擬天文學家的望遠鏡:超級電腦

對於模擬天文學家而言,超級電腦就是望遠鏡。我們可以在超級電腦裡模擬我們的小宇宙。

為什麼研究宇宙需要用電腦模擬呢?陳科榮說明,物理、化學研究可以在實驗室裡做測試,但是天文學家不可能自己做一個宇宙出來,必須仰賴電腦來做實驗。

用電腦模擬來研究宇宙,其基礎在於我們對物理的理解。我們覺得牛頓定律、電磁學等在宇宙其他地方也適用,就可用數學、物理的方程式,推算宇宙星體經歷的過程。然而,宇宙中的許多系統很複雜,沒辦法用人腦、用筆去算。因此,把物理方程式寫成程式,讓超級電腦計算。

-----廣告,請繼續往下閱讀-----

何謂「超級電腦」?陳科榮解釋,當一台電腦的記憶體、運算速度,大約是一般筆電的超過一萬倍以上,就可稱做超級電腦。也就是說,在一般筆電要花一萬個小時的計算,在超級電腦只要花一小時。近年來,電腦運算速度越來越快,幫助我們處理更複雜的問題。

「模擬」是根據基本數學、物理建構出來,製造一個虛擬的世界。虛擬世界跟實際世界是否真的相關聯,這就需要驗證。

陳科榮舉了工業上的例子,說明電腦模擬的應用。過去沒有電腦模擬,若要測試新型汽車的效能,就會先製造一個實體的模型車,放在「風洞」裡,讓風吹向車子,觀察流線的分布,來判斷模型是否優良。現在不必花高成本製造模型車,只要用電腦模擬,計算流體力學,就可以了解流線的情況。確定模擬出的最佳結果之後,才需要做出實體的模型車,再放到風洞裡做實驗,省下了很多開發資源。

用電腦模擬,追探觀測背後的玄機!

用電腦模擬來研究天文,可以幫助我們了解:天文觀測到的現象背後,到底發生了什麼事。

陳科榮說明,我們一般看到宇宙都是看到「光」,光會帶來很多訊息,但有時比較表面。就像我們在大樓裡面討論事情,有些訊號可能會傳到大樓外,但是大部分的光線都被牆壁擋住,大樓外面的人無法得知我們在做什麼。

-----廣告,請繼續往下閱讀-----

例如,超新星爆炸是發生在恆星內部的過程,我們只能看到爆炸後的現象,卻也想了解超新星爆炸內部的過程。做模擬的天文學家,便試著去探索背後的機制,了解爆炸怎麼產生。

以上方影片為例,這是陳科榮模擬「磁星」(magnetar) 的超新星爆發過程。簡單來說,中間有個很大的中子星,中子星放出的輻射促成了超新星的第二次爆炸。這種超新星爆炸會發出非常亮的光,且在輻射機制的加速過程中,被推出來的物質會承受流體的不穩定性。一開始小小的不均勻,可成長出「渦流」(eddy),形成大尺度的不穩定結構。

陳科榮發現,磁星的超新星爆炸機制,模擬出來的結構,竟然與下方右圖的蟹狀星雲非常像,推測蟹狀星雲可能是由這種爆炸機制形成。

磁星 (magnetar) 的超新星爆炸機制,左圖模擬出來的結構,與右圖的蟹狀星雲(紅框處)非常像。
資料來源│左圖:陳科榮,右圖:NASA, ESA, J. Hester and A. Loll (Arizona State University)

-----廣告,請繼續往下閱讀-----

陳科榮再舉一個爆炸模擬,如下方影片所示。一般想像的爆炸是四面八方擴散,但其實有種不均向的超新星,稱為極超新星 (hypernova)。爆炸能量主要集中在南北極,產生噴流的結構形成極大的不對稱性。這就像是大砲把恆星轟一個大洞,整顆炸開。

化作春泥更護花──超新星與宇宙學

陳科榮在博士班三年級的時候,得到一個獎學金,去德州大學做研究,開啟了宇宙學和超新星關聯的研究旅程。超新星對宇宙有何影響呢?陳科榮引用詩句來詮釋:

落紅不是無情物,化作春泥更護花。

星星就像是一朵花,這朵花是由它的泥土滋養而來。超新星爆炸時,這朵花就散落了,但是花瓣回歸到泥土,就繼續滋養下一代的花長大。超新星也是一樣,散出去的物質,變成之後下一代星星成長所需要的元素。因此,超新星是宇宙、恆星生命週期中的重要過程。

宇宙很大,恆星很小,恆星卻能影響宇宙。這就像是人體很大,細胞很小,但是細胞發生問題,可能會影響到整個人體。恆星、超新星、宇宙之間的關聯性相當重要,但因為跨越了巨大的物理空間,是不易研究的課題。

-----廣告,請繼續往下閱讀-----

為求了解恆星對宇宙的影響,陳科榮做了宇宙結構的模擬,如下方影片所示。首先,恆星會發光,將周圍氣體加熱、游離化。如果恆星死亡後直接變成黑洞,氣體會慢慢冷卻。但若恆星變成了超新星,則會發生許多有趣的變化。

在超新星的爆炸過程,會見到「紊流」這個現象。無序的紊流,是普遍發生於自然界的擴散過程。例如,滴下一滴墨水,很快地,杯子裡的水都變成藍色。其實短短時間內發生的物理過程很複雜,出現了「瑞利 – 泰勒不穩定性」等現象,使得流體混合在一起。透過下方的電腦模擬影片,我們可以仔細品味其中的過程,以及無序之美。

  • (紊流影片來源│謝宜達提供)

難以入眠的模擬天文學家

宇宙星體很美麗,卻看似離實際利用較遙遠,那研究目的是什麼呢?陳科榮認為,研究基礎科學最重要的動機,是對人類知識做出貢獻,滿足人類的好奇心、求知慾。是否能夠拿來賺錢,總是往後才應用出來的事。

陳科榮舉例,電磁學之父法拉第發明了「電場」的概念,國王問他,這個東西對國王有什麼用?法拉第回答,他也不知道這能幹嘛,但是相信它未來會貢獻國王的稅收。後來,全世界一半以上的產值都和「電」有關。研究天文、宇宙,現在也不知道馬上能夠拿來幹嘛。

-----廣告,請繼續往下閱讀-----

但若未來人類要去外太空旅行,也許就能知道要避開哪些爆炸的超新星。

談到研究的甘苦,陳科榮說,其實研究大部分時間都是苦的。一個研究結果出現,經常是失敗過很多次了。不過,痛苦與樂趣是相對的,如果沒有痛苦,就不會覺得快樂。如果有問題在腦中徘徊,經常睡覺就沒有睡好,但是想到答案時就很高興。他也有忙裡偷閒的方式,像是在美國時,有時自己一個人開車到山上躲個幾天,調劑身心。

模擬天文學家的另一項樂趣,是把研究成果作為藝術。超新星模擬結果的圖片,經常讓人感到新奇,容易登上新聞版面。陳科榮也常用模擬結果作為素材,創作出富有哲思的藝術品。

這是陳科榮相當自豪的一個超新星爆炸模型。過去他在加州大學聖塔克魯斯分校時,學校正好舉辦 50 週年校慶,選了他的這幅作品做成大型看板,擺在舊金山市區,配上標語 “Who says you can’t crack open a star?”(點圖放大)資料來源│陳科榮

這幅作品是把兩個不同的模擬結合在一起,外層是超新星爆炸的結構,裡面是宇宙的結構。納須彌於芥子,把一個很大的結構容納到一個非常小的尺度。陳科榮認為宇宙就是這樣:「一沙一世界,一花一天堂。」(點圖放大)
資料來源│陳科榮

-----廣告,請繼續往下閱讀-----

另一方面,陳科榮認為,能夠當科學家是得到一種「優待」,可以做自己喜歡的事,又有薪水過活;在研究上,自己就是自己的「老闆」,是個自由的工作。

相對地,科學家也有許多義務,不僅要做好研究,對人類知識做出貢獻,也有一些社會責任:將知識傳承下去,教育下一代。陳科榮回到臺灣之後即身體力行,在中研院成立了「爆炸小組」,帶領學生一起做研究,希望幫助學生,並且讓研究環境變得更好。

陳科榮與「爆炸小組」的快樂小夥伴。
照片來源│陳科榮臉書

延伸閱讀

本著作由研之有物製作,原文為《電腦裡的小宇宙,重現絢麗的恆星爆炸!專訪陳科榮》以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

-----廣告,請繼續往下閱讀-----

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位

-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3654 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook