[募科學] 〈SciMu科學募資〉九月閱兵報告

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

這一系列文章為 2016 泛知識節「翻牆吧！知識」的活動紀實，我們將當下求知求真地感動盡力留下，想與世界某個角落正在努力翻牆的你分享。

知識不只在學校的黑板、不只在安靜的圖書館，當然 更不只在名為「學校」那棟被牆包圍的建築。2016泛 · 知識節「翻牆吧！知識」承襲著泛科學年會的精神與架構，變的是讓更多的知識在這裏碰撞，不變的是那渴求知識的靈魂。如果知識是一道牆，現在就讓我們用求知慾翻牆吧！

關於本場次【 擁有全世界最亮的「台灣之光—台灣光子源」，是什麼？要幹嘛？ 】的活動介紹，請參考這裡。

• 講者／陳家祥｜國家同步輻射研究中心助工程師
• 文字紀錄／廖英凱

「光」是人類觀察物體最常利用的方式，除了可見光外，還有許多肉眼不可見的光，統稱為「電磁波」或是「電磁輻射」。在近代科學的發展中，這些光也成為我們觀測自然的利器，例如波長最長的無線電常用來觀測星球尺度的宇宙世界；波長數十公分微波可以觀測大氣尺度的變化；紫外線可以看到分子尺度的結構；X 光則可以研究更小的蛋白質、脂質分子與晶體結構等。

當光線不足時，東西自然看不清楚，讀書還會傷眼睛。不過，如果照來了一道世界最亮的光時…… 難道就會看得更清楚嗎！？這道世界最亮的光，正是位於新竹「國家同步輻射研究中心」內的「台灣光子源（Taiwan Photon Source, TPS）」。它是世界上首屈一指的粒子加速器，在全世界同級機組中，提供了最亮的光源，自 2004 年開始構想、 2010 年開始動工，至 2014 年末發出第一道光。2016 泛．知識節邀請到同步輻射中心的助研究員陳家祥博士，與我們分享這道台灣之光的奧秘與身世。

電影裡的粒子加速器

台灣光子源，是一種透過加速帶電粒子來得到高同調性輻射的加速器。這樣的加速器早已經廣泛應用到生活中，也常常成為影視娛樂的素材。電影《魔鬼終結者 3》中，主角們在一個環型隧道裡躲避機器人的追殺時，啟動了裝置於加速器上的電磁鐵，而電磁鐵擁有的強大磁場，在關鍵時刻將機器人吸住動彈不得，讓主角們得以脫離險境。電影中的這個設定，正是因為粒子被加速到接近光速行進而有很高的能量，需要強大的磁場才能讓粒子轉彎，而加速器中的電磁鐵提供了這樣的強大磁場。在電影《鋼鐵人 2》裡，主角也蓋了一個環形的裝置，在裝置裡兩道強光的相擊下合成了一個新的元素。事實上，這也是粒子加速器可以用作合成人造元素的應用。

在台灣，其實也是有以同步輻射中心、環狀加速器作為背景題材的電影作品。2006 年的一部驚悚電影《詭絲》，劇中就描述了在同步輻射的環狀中心點，正好是磁場匯集之處而能引發靈異現象。不過陳家祥博士笑稱，其實磁場最強的是加速器上的電磁鐵，環狀中心其實是沒有什麼特別磁場的，但也因為這部電影的原因，民眾對於同步輻射中心的詢問度也突然變高了一陣子……

生活中的加速器

雖然影視劇本中偶有出現加速器的蹤跡，但將帶電粒子加速來使用這件事，早就是我們生活中常見的技術。例如早期陰極射線管（CRT）螢幕、電視機，就是利用高電壓的電場將電子加速，再通過聚焦線圈與偏向線圈這兩個電磁鐵，讓電子打到玻璃螢幕上指定的區域。而玻璃螢幕的內側塗佈了磷化物，當磷化物分子吸收足夠能量的電子後，就會釋放出螢光產生畫面。再例如機場中常用來掃描行李裡的 X 光機，也是利用加速後的電子，打到鎢、銀 、鉻等金屬製成的靶材上。當電子受到靶材阻擋而減速時，就會以 X 光的形式放出能量。這種 X 光來自於制止電子運動，因此又被稱做制動輻射（ bremsstrahlung）。

然而這些常見裝置所產生的 X 光，強度僅有同步輻射中心的十萬分之一至百萬分之一，僅能透視大型物體，並沒有辦法用來看到物體的細微結構，也因此我們需要亮度更強、光束更細、更不易發散，並如同雷射一樣具極佳同調性 （Coherence）的光來作為觀測的媒介。同步輻射加速器所產生的光源，正具有這些特性。

同步輻射光

同步輻射光源，是將帶電粒子（如電子）加速到接近光速，再利用電磁場偏轉其方向，便會產生一道沿原本運動切線方向發生的電磁輻射。輻射的波長取決於磁鐵的強度和帶電粒子的能量。不過一道光的強度不見得足夠，此時可利用一系列磁場交錯排列的插件磁鐵，讓帶電粒子在磁場中如蛇行般不斷交錯改變方向。這種每次改變方向所產生的同步輻射，如雷射般具有同調性高的特性，就可以再被導引到實驗站使用。

實驗站中的研究人員會再將同步輻射光照射到待測物上。根據待測物的材質、結構、表面特性等，同步輻射光會再經由反射、繞射、散射與穿透等機制而改變特性。同時，待測物也可能會因為吸收了高能量的同步輻射，而激發出電磁波、帶電粒子與中性原子等。研究人員就可藉由測量這些被同步輻射照射後的產物，來回推待測物的結構與成分。

科學神燈：台灣光子源

1980 年代，時任行政院長孫運璿著手推動新竹科學園區設置與半導體產業發展時，同期也開始規劃同步輻射研究中心。同步輻射研究中心於 1986 年開始動工，至 1993 年 10 月完成了亞洲第一座第三代同步輻射設施「台灣光源（Taiwan Light Source, TLS）」，成為我國在原分子領域、奈米技術、表面與薄膜科技、凝態物理、材料科學、分子生物學…… 等眾多領域的研究關鍵。近年使用人次與計畫數均逐年增加，每年可達一萬人以上的使用人次，然而因使用者眾，且相關技術推陳出新，導致了 TLS 光源不敷使用，亮度也不斷落後其他國家的新建設施。

2001 年起，國家同步輻射研究中心前身「行政院同步輻射研究中心」的指導委員會建議應開始研究新型同步輻射加速器的建造方案。2007 年，行政院同意「台灣光子源同步加速器興建計畫」並在 2009 年正式核定、2010 年開始動土興建、2014 年 12 月 31 日成功發出第一道同步輻射光。

不過，台灣光子源的興建歷程，也讓研究人員們忐忑不安了許久。由於台灣光子源的精準度要求相當高，一圈 518 公尺的軌道，僅能有 25 μm 的誤差。又因腹地不夠寬廣，新舊加速器緊鄰施工導致對工程的要求又更高，陳博士說當時還因此拆了餐廳來取得用地。施工過程中也不安寧，又發現在 14 公尺深處挖到了軟土層，高於法規要求的探測標準10公尺，因而多耗費半年施工，也因此遭監察院糾正。

到 2014 下半年時，距完工時限還有 3 個月，雖然主要設施都已完成，但研究團隊仍無法把電子有效加速。總主持人陳建德院士曾戲稱：如果計畫失敗，核心團隊只好七條白綾以謝國人…… 還好一名工程主管及時找到不斷失敗的原因，主要是真空腔被磁化而吸引電子，造成電子速度被拖慢。但當他們要將真空腔拆下來退火消磁的時候，又剛好遇到年末的尾牙時節，根本而找不到合作廠商。此時中科院的設備也適逢歲修，另外想送到中國的上海光源處理，又因為電子輻射照射的真空腔是管制品而無法出口。好險最終在一個傳產業者的協助之下，在完工時限截止當天，2014 年的最後一天，成功發出了台灣光子源的第一道光。

歷經十年規劃、四年建設，耗資將近 70 億元的台灣光子源，是我國規模最大的跨領域科學研究設施，更是全世界同等規模、同樣電子能量下目前能提供最亮光源的同步輻射加速器。它能帶動多項科學研究領域的發展，也能提供工業產品的研發優化。世界第一的條件更能成為開拓國際合作的優勢。相信這座落在新竹的科學神燈，帶來的不是天方夜譚的希望，而是越發清晰的微觀結構，更加接近的宇宙真相。

「我們搞科研的就是要跟其他人殺到頭破血流，沒有人會記得第二名的！」

編譯／彭琬馨

白天，Emily Temple-Wood是芝加哥羅耀拉大學（ Loyola University）生物系學生，看似平凡的她，目前已經申請到美國中西大學（Midwestern University）醫學院，預計 2016 下半年開始攻讀。晚上的她搖身一變，成為維基百科撰寫女科學家條目的主要作者——特別是每次她收到騷擾郵件時，她就藉由這種積極性懲罰（Positive punishment）來打擊網路霸凌。

Temple-Wood 在 2012 年創立維基百科女性科學家專頁，而這是一個艱難的任務。身為女科學家傳記的共同作者的她在首頁底下寫下這段話，「維基百科上女科學家條目數可悲地不足，是維基百科的系統偏差（systemic bias）」。2013年她接受 Wikimedia Foundation 的訪問時說：「有一票皇家學會（ Royal Society ）的女科學家，在科學界該是鼎鼎有名的大人物，維基百科卻沒有她們的頁面。『我覺得很生氣，那天晚上我坐在宿舍的走廊直到兩點，為的就是把第一篇關於女性科學家的文章寫出來……』。」

不出幾年，維基百科上就增加許多女科學家的條目。其中有 376 位女科學家的頁面登上 Wikipedia 首頁「你知道嗎？」的專區，更有 30位女科學家的條目以「好」或「特色」(featured)的評價通過同儕審查。

Temple-Wood 也在大學主持維基百科編輯會議，和她一起共事的編輯 Rosie Stephenson-Goodknight 形容她是「維基百科處理關於女科學家性別議題的重要典範」。

前維基百科創辦成員 Siko Bouterse 也說 Temple-Wood 在性別上的影響是前所未有的：

她撰寫了上百篇關於女科學家的文章，其中包含許多面向。她不只寫白人女科學家，也處理維基百科在不同種族的女性條目上數量不足的問題。而最重要的，Emily 還啟發其他人一起進行……當我還是小孩時，我認識的女科學家一隻手就數的完，但在 Emily 的努力下，我知道我們的女兒之後會有免費的知識管道來了解女科學家，這真的非常強大。

不幸的是，因為 Temple-Wood 是女生，她成為網民騷擾的主要對象。這些人經常問她要不要出去約會；公開討論她的身體、不斷暗示她能有今天的地位，是因為以身相許；還問 Emily 要不要也給他們一樣的服務。如果 Emily 不回應，他們就會口出惡言。

這樣的經驗對現在傑出女性來說並非不尋常，但 Temple-Wood 有一套自己的抗議方式，讓這樣的騷擾成為她前進的動力。她只要一收到騷擾信，就馬上建立一位女科學家的維基條目，像是 Liliana Lubińska 、 Katharine Luomala 、 Adelaida Lukanina 等都是這種情況下的產物。

正如 Bouterse 所說，這樣的騷擾「雖然很可惡，卻又恰好象徵目前女性在網路上面臨的真實情況」：

這種騷擾造成的情感傷害非常巨大。令人驚訝的是， Emily 能讓每個騷擾成為能量，藉此反嗆那些希望女性在網路沉默的人。這非常需要勇氣。

拜這些騷擾所賜， Temple-Wood 已經有一堆文章要寫，她反過來感謝這些騷擾者，幫助她對抗維基百科的系統性偏差。 和她共事的編輯Stephenson-Goodknight 說：「記住我的話，總有一天我們會寫到她的故事和科學發現，特別是如果 Emily 的研究成果能治癒他們的媽媽或姊妹，我會很想知道這些在網路上騷擾和誹謗她的人，到時候會怎麼想。」

本文翻譯自 “The new alchemy: turning online harassment into Wikipedia articles on women scientists“，作者為 Ed Erhart，維基媒體基金會 CC 3.0授權。

首先恭喜大家度過七八月份的颱風與暑假（呃沒有暑假嗎）九月份開學，〈SciMu科學募資平台〉從八月底到現在增加了幾個案件，內容一個比一個熱血。這幾個案子從北到南、從純基礎科學研究（台灣光子源發聲Ｔ恤）到在地氣象服務（屋頂上的天氣先生），正好展現了科學各式各樣不同的面向。

開始介紹幾個熱血專案之前，還是要再次強調：〈SciMu科學募資平台〉依然徵求各式各樣專案，不學術也無所謂，非科普也沒關係，只要你心心念念想完成的工作內容夠科學，不管是科學研究計畫或是偏鄉科學營，或者任何我們還沒想像到的內容，都歡迎你來提案，讓群眾來支持你！

醫起嗡嗡嗡──「醫週譯小時」前進校園推廣

先從八月底開始的「醫起嗡嗡嗡」談起。

在這個百家爭鳴的年代，人人想要留下痕跡、表彰自己的貢獻；卻有一群人抱持著「正確的知識屬於公眾共享」的心情固守在電腦前，為中文世界的大家們翻譯中文維基醫療條目，每個周五，風雨無阻。維基百科的社群精神強調知識的共享與中立，卻對於表彰貢獻者相當低調。也就是說，我們可以看完通篇精心整理過的條目，卻絲毫不會對作者留下任何印象。

這個「醫周譯」計畫聚集了優秀的醫學人才、翻譯人才以及熱情的維基人，希望透過翻譯經專家審核的英文醫學條目，有效提升中文維基醫學條目，甚至夢想未來可以完成一個可靠的中文醫療資料庫。這項工作他們不求金錢回報，只希望能夠有更多的夥伴加入他們的行列；也因此，才帶出了這個「醫起嗡嗡嗡」的專案。

「醫周譯」的夥伴們希望透過「醫起嗡嗡嗡」這個專案，募集經費來進行校園推廣（染指學校），讓他們可以找到更多的夥伴，替中文的網路世界轉譯出更多可靠的醫學資訊。

雖然個人曾經很無禮地形容維基百科撰寫者的形象為「一群電腦宅宅」（而且居然沒有被揍XD），接觸這個專案之後， 我腦海裡他們的身影高大而神祕了起來。這群擁有醫療知識、英文翻譯能力、程式翻譯能力的熱血青年們，替我們翻譯可靠的維基百科醫療條目，認真找出可信的資訊分享給大眾。他們的形象，越來越接近以下這樣。

中文維基保健醫療 「醫周譯」小組，邀請你來「醫起嗡嗡嗡」！

屋頂上的天氣先生

下一位，是同時具備鄉土服務與熱血精神的〈銀星氣象研究站〉。獨自觀測天氣37年，並非科班出身，卻將一份從孩提時代的興趣硬生生打磨成一套專業的呂權恩。在早期資訊不發達的年代，提供天氣資訊給在地的研究需求；時到今日，在臉書社團每天發布彰化地區的及時雨訊。

孩提時代經歷兩個颱風帶來的興趣，直到今日卻成為在地居民仰賴的天氣資訊服務。最大的夢想，是哪一天能募到足夠的資金，蓋一座足以做為在地地標的民間氣象站。因此雖然「屋頂上的天氣先生http://bit.ly/1LkkASQ」成為〈SciMu科學募資〉平台第一個正式達標的案件，也請大家繼續支持。

且不談太認真勵志的內容，光是看到呂大哥這三十年氣象相關的收藏，編輯部就小小地沸騰了，驚呼內容包括「那個是手繪的天氣圖嗎」、「我出生那一年的資料！」、「兩個颱風！」

請期待近日將發布更詳細的報導。

支持世界最亮的台灣之光！──〈台灣光子源〉

位於新竹的〈台灣光子源〉在2014年12月底試俥完工，可以發出全世界最亮的光，這件事情有多重要呢？

對謝耳朵來說重要到列入室友合約（而且遠比情人節重要）的大型強子對撞機，其主持機構〈歐洲核子研究組織〉（European Organization for Nuclear Research）在2015年4月以封面故事的報導了〈台灣光子源〉。

以下這段影片如果在今年開拍，兩位科宅爭論的內容有機會換成：到底是誰可以來台灣參觀！

更多的介紹請見：台灣之光「台灣光子源」能幹嘛？

但是一個這麼絕對世界級的研究機構，對於大眾來說卻非常陌生，尤其是還取了一個非常嚴肅圖文不符的名字「國家同步輻射研究中心」。同步輻射中心在2015年5月底的經費爭議後，希望能聚集關心台灣基礎科學研究的人們繼續關心〈台灣光子源〉後續的進展，因此發起了「台灣光子源紀念Ｔ恤發聲」活動，所得盈餘將全部用做科普活動推廣。

〈同步輻射中心〉未來還打算邀請贊助者參觀世界最亮的「科學神燈」！

看完這麼多精彩的提案，是不是很令人振奮呢？
〈SciMu科學募資平台〉誠心邀請你，不只是贊助這些提案，也趕快來提出你的科學好點子吧！

【同場加映】別讓鰻魚成為只能在博物館見到的傳奇生物！人工繁殖鰻魚的第一步
未來的二十年內鰻魚的命運究竟會如何呢？需要你的關注！
「鰻魚飯拯救計畫」倒數計時中！

【同場加映】火箭大叔前瞻計畫
資助校園火箭隊，讓他們飛向太空！