Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

科學家在三層石墨烯中偵測到不尋常的「準粒子」

only-perception
・2011/10/25 ・1539字 ・閱讀時間約 3 分鐘 ・SR值 558 ・八年級

美國能源部 Brookhaven 國家實驗室的科學家研究以特殊方式堆疊的三層石墨烯(蜂巢狀排列的碳原子薄層),發現了一種「小宇宙」,那滿佈一種新的準粒子(quasiparticles) — 如粒子般的電荷激發。與單層石墨烯中無質量的、光子般的準粒子不同,這些新準粒子有質量,那依其能量(或速度)而異,且靜止時會變成無限重(infinitely massive)。

在低能量下累積質量,意味這種三層石墨烯系統,若因將之併入一種具有磁性材料的異質結構而磁化,將有可能產生比單層石墨烯還要更加稠密的自旋極化電荷載體(spin-polarized charge carriers) — 對於不只控制電荷還控制電子自旋的裝置(通常稱為自旋電子學)來說,這使得它格外具有吸引力。

“我們的研究證明,這些非常不尋常的、經理論預測的準粒子,事實上存在於三層石墨烯中,而且它們主宰著諸如材料在磁場中如何表現這樣的特性 — 這種特性可用於控制基於石墨烯的電子裝置,” Brookhaven 物理學家 Igor Zaliznyak 表示,他領導此研究團隊。他們測量三層石墨烯特性的研究是朝設計這種裝置邁進的第一步,那發表在 2011 9/25 的 Nature Physics 線上版。

自石墨烯在 2004 年被發現以來,已成為熱門的研究主題,尤其是因為其電子不尋常的行為,那自由地在該物質平面、單層的薄層上流動。將各層堆疊會改變電子的流動:例如,堆疊二層,會在電子可佔據的能階中提供一種「可調的」斷路(break),因而賦予科學家一種將電流開啟與關閉的方法。這開啟了將這種廉價物質併入新型電子裝置的可能性。

-----廣告,請繼續往下閱讀-----

科學家已發現疊三層時,情況變得更複雜,但也有可能更加強大。

一項重要的變數是石墨烯層被堆疊的方式:在 “ABA” 系統中,組成蜂巢環狀物的碳原子直接對齊上層與下層(A),而那些中間層(B)則位移(offset,譯註參見原站附圖);在 “ABC” 變化中,每個堆疊層中的蜂巢狀石墨烯都位移,如樓梯般層層往上堆砌。到目前為止 ABC 堆疊顯然產生更有趣的行為 — 那些是目前研究的主題。

為了這項研究,科學家在  Brookhaven Lab 的功能性奈米材料中心(CFN)創造三層石墨烯,將它自石墨(這種形態的碳可在鉛筆芯中找到)剝離。他們使用微拉曼顯微術(microRaman microscopy)來測繪樣本,並確認那些是以 ABC 的排列方式堆疊。他們接著使用 CFN 的奈米微影工具,包括離子束銑切(ion-beam milling),以特殊方法形塑樣本,使它們得以被連接到電極上供測量。

在佛州 Tallahassee 的美國國家高磁場實驗室(NHMFL)裡,科學家們接著研究此材料的電子特性 — 尤其,外部磁場對於電荷傳輸的效應是電荷載體密度、磁場強度以及溫度的一個函數。

-----廣告,請繼續往下閱讀-----

“最後,此計畫的成功有賴我們跟著投身這些研究的有才幹年輕研究者辛苦工作以及他們罕有的實驗勇氣,尤其是 Liyuan Zhang(他現在是 Brookhaven 的研究助理)以及 Yan Zhang(Stony Brook 大學畢業生),” Igor Zaliznyak 表示。

這些量測為一種特殊準粒子類型(即表現如同某一粒子的電子激發,且身為三層石墨烯系統的電荷載體)的存在提供了第一項實驗證據。這些特殊的準粒子(那被理論性研究預測到)具有定義不清(ill-defined)的質量 — 此即,它們表現的如同它們具有一系列的質量 — 而且當能階減少且準粒子變得無限重時,這些質量發散(diverge)。

原本,像這樣的粒子由於會與虛粒子–洞對(類似具有相反電荷的虛擬電子/正電子(電洞)對,當它們交互作用時會湮滅)產生交互作用而變得不穩定且無法存在。但準粒子有種特性稱為手性(chirality,對掌性),那與石墨烯系統中特殊的自旋「味(flavor)」相關,使得準粒子不會被這些交互作用摧毀。故這些特異的無限重粒子得以存在。

“這些結果為最近針對石墨烯的理論性研究提供了實驗驗證,並且為那些「以利用這些準粒子奇異特性為目標」的未來研究,揭開新的、令人振奮的可能性,” Zaliznyak 說。

-----廣告,請繼續往下閱讀-----

例如,將三層石墨烯與磁性材料結合,可調整(align)電荷載體準粒子的自旋。”我們認為,這種具有自旋極化電荷載體的石墨烯–磁鐵異質結構,將導致自旋電子學中真正的突破,” Zaliznyak 說。

資料來源:PHYSORG:Scientists detect unusual ‘quasiparticles’ in tri-layer graphene[October 19, 2011]

轉載自only-perception

-----廣告,請繼續往下閱讀-----
文章難易度
only-perception
153 篇文章 ・ 1 位粉絲
妳/你好,我是來自火星的火星人,畢業於火星人理工大學(不是地球上的 MIT,請勿混淆 :p),名字裡有條魚,雖然跟魚一點關係也沒有,不過沒有關係,反正妳/你只要知道我不是地球人就行了... :D

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

-----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。

1

2
1

文字

分享

1
2
1
超壓縮的水會變成冰?!二維奈米薄冰能在室溫下穩定存在嗎?有什麼用途?——專訪中研院原分所謝雅萍副研究員
研之有物│中央研究院_96
・2024/03/10 ・4907字 ・閱讀時間約 10 分鐘

本文轉載自中央研究院「研之有物」,為「中研院廣告」

  • 採訪撰文|張琬婷
  • 責任編輯|簡克志
  • 美術編輯|蔡宛潔

水能被擠壓成冰?

水在攝氏零度以下會結冰。然而,當水被擠壓到極限時,會形成二維的奈米薄冰,不僅室溫下穩定存在,還有從未見過的鐵電特性(Ferroelectricity),而石墨烯則是實現這種擠壓條件的關鍵。中央研究院「研之有物」專訪院內原子與分子科學研究所的謝雅萍副研究員,她與我們分享了實驗室如何意外發現這層特殊的二維薄冰,以及團隊如何利用二維薄冰的鐵電特性製作有記憶電阻功能的奈米元件,研究成果發表在科學期刊《自然通訊》(Nature Communications)。

奈米尺度下,物質特性會跟著改變?

謝雅萍的主要研究題目之一就是合成新穎的二維材料,這是奈米科技的領域。奈米是什麼?奈米(nanometer)是長度單位,即 10-9 公尺,一根頭髮的直徑長度約為 1 奈米的十萬倍。奈米尺度之下,很多物質的特性會隨之改變,最常見的例子是「蓮花效應」,因為蓮花葉上具有奈米等級的表面結構,為蓮葉賦予了疏水與自我清潔的特性,髒污與水珠都不易附著在蓮葉上。

電腦模擬圖(左)和實際照片(右),蓮葉上密集的微小突起,讓大顆的水珠和灰塵不易附著,這讓蓮葉具有疏水與自我清潔的特性。
圖|William ThielickeGJ Bulte

奈米材料(nanomaterial)是指三維尺寸的材料,至少有一個維度的尺寸小於 100 奈米。只縮小一維,就是平面的二維材料(2D),例如石墨烯;縮小兩個維度,就是奈米線(1D);三維都縮小,就是零維的奈米顆粒(0D)。

奈米科技(nanotechnology)的概念最早可追溯到 1959 年美國物理學家理查費曼(Richard Feynman)在演講中提出的願景「為什麼我們不能把大英百科全書全部寫在一根針頭上呢?」。1974 年日本科學家谷口紀男則是首度創造「奈米科技」這個詞的人,他認為奈米科技包括原子與分子層次的分離、固定與變形。

-----廣告,請繼續往下閱讀-----

過去有不少科學家嘗試奈米材料的研發,但受限於製造技術不成熟,而無法順利製作出精細製程的奈米材料。1981 年,在掃描隧道顯微鏡(Scanning Tunneling Microscope, STM)發明之後,不僅有助於材料的微觀分析,操縱單個原子和分子也成為可能,奈米科技也逐漸實現。

2013 年 IBM 研究人員使用 STM 顯微鏡將上千個一氧化碳分子製作成原子等級的動畫「男孩與他的原子」,目前是金氏世界紀錄最小的定格影片。

無處不在的奈米科技?

我們生活周遭的奈米科技俯拾即是,從大賣場商品到半導體產業的電子元件都有。謝雅萍舉例:防曬霜之所以是白色,是因為裡面有二氧化鈦的奈米顆粒;許多塗料與噴漆亦會以奈米添加物,來增進耐蝕、耐磨、抗菌與除汙的特性,例如汽車鍍膜或奈米光觸媒;羽球拍或牙醫補牙會使用奈米樹脂,讓球拍和補牙結構更堅固。

至於半導體產業,奈米科技更是關鍵。透過縮小元件尺寸以及調整奈米元件的幾何形狀,以便於在單一晶片上乘載更多電晶體。「當今的電晶體大小皆是奈米等級,製作電子元件就等同在處理奈米科技的問題」,謝雅萍說道。

IBM 展示 5 奈米技術的矽奈米片電晶體(nanosheet transistors),圖中堆疊起來的一顆顆橢圓形結構是電子通道的截面,IBM 設計立體結構以因應愈來愈小的元件尺寸。
圖|IBM

實驗中的難題,反而促成驚奇發現?

鐵電性是什麼?二維奈米薄冰有哪些可能的應用方式?

對謝雅萍來說,發現二維的奈米薄冰是個意外的驚喜。最初謝雅萍團隊其實是要製作以石墨烯為電極的開關,畢竟石墨烯是實驗室的主要研究項目,理論上當兩層石墨烯很靠近時,分別給予兩端電壓會是導通的「ON」狀態,沒電時就是斷開的「OFF」狀態。

-----廣告,請繼續往下閱讀-----

然而,實驗過程中團隊卻發現當電壓為零時,石墨烯開關仍會導通,甚至要給予負電壓時才會成為 OFF 狀態。這個奇特的現象讓研究團隊苦惱許久,嘗試思考了各種可能性,但都無法完善的說明此現象。

「原本以為實現石墨烯開關應該是一件能夠很快完成的題目,沒想到過程中卻出現了這個意料之外的難題,因此這個研究比預期多花了一兩年」,謝雅萍無奈地笑道。

靈感總是突如其來,某次謝雅萍在與朋友討論研究時,突然想到一個可能的方向:「一直以來都有人猜測水是否為鐵電材料,但都沒有真正證實。臺灣氣候潮濕,開關關不緊會不會就是水的影響?」

設計實驗跑下去之後,謝雅萍團隊終於擺脫了一直以來的疑雲。原來,兩層石墨烯結構中,真的有水分子的存在!「一般水分子用手去捏,還是會維持液體的狀態。但是我們發現,當水被兩層石墨烯擠壓到剩下原子厚度時,水分子就會變成具有鐵電特性的二維薄冰!」,謝雅萍開心地說道。

-----廣告,請繼續往下閱讀-----

換句話說,當極限擠壓之下,水會結成冰,而這層超薄的平面奈米薄冰會轉變成鐵電材料,而且可以在室溫下穩定存在!

示意圖,當水受到兩層石墨烯的極限擠壓之下,會形成單原子厚度的二維奈米薄冰,這層薄冰是鐵電材料,而且可以在室溫下穩定存在。
圖|之有物(資料來源|謝雅萍)

鐵電材料乍聽之下很抽象,謝雅萍表示:「相較於會吸磁鐵的鐵磁材料,大多數人對鐵電材料比較不熟悉,其實概念十分相似」。她說,鐵磁材料經過外加磁場的「磁化」之後,即使不加磁場仍可維持原本的磁性。相對地,鐵電材料經過外加電場的「極化」之後,即使不加電場仍可維持原本的電荷極化方向。

謝雅萍團隊發現的二維冰具有鐵電性,這意味著水分子的正負極在外加電場之下會整齊排列,形成一個永久的電偶極,並且在電場消失後保持不變。

鐵電材料經過外加電場的「極化」之後,即使不加電場仍可維持原本的電荷排列方向。圖片顯示為順電狀態,極化方向和外加電場相同,箭頭表示每一小塊區域(Domain)的平均極化方向。
圖|之有物(資料來源|Inorganics

接著,謝雅萍發現,二維冰的鐵電性只存在於單層原子,增加多層原子之後,鐵電性會消失,變成普通的冰,這是因為多層原子的交互作用會打亂原本的極化排列。因此研究團隊發現的二維冰,是非常特殊的固態水,不是手搖飲加的冰塊那麼簡單。

因為石墨烯的擠壓和固定,二維冰可以在室溫下穩定存在,不會蒸發。謝雅萍團隊實驗發現,要升溫到攝氏 80 度,被夾住的二維冰才會變成水。如此大範圍的操作溫度,這讓謝雅萍開始思考將二維冰作為鐵電材料使用的可能性。

-----廣告,請繼續往下閱讀-----

於是,謝雅萍團隊嘗試開發新型的電子元件,他們將二維冰與石墨烯整合成機械式的奈米開關。由於二維冰具有鐵電特性,在施加不同外加電壓之後,元件可以維持上次操作的電阻值,並保留至下次操作,有這種特性的元件稱為「憶阻器」(memristor)。

憶阻器這個詞是由記憶體(memory)與電阻(resistor)組合而成,字面上的解釋便是:具備記憶先前電阻值的能力。

謝雅萍表示:「我們可以藉由不同的外加大電壓寫入電阻值,再以微小電壓讀取之前的電阻值,允許快速存取」。而單獨一個二維冰奈米開關可以記住 4 個位元的資料,具備未來記憶體的發展潛能。

此外,二維冰奈米開關也是很好的開關裝置,團隊驗證導通電流和截止電流的比值可以達到 100 萬,開路和斷路的功能極佳,並且允許雙向操作。而開關的功能經過 1 萬次循環還不會衰減,相當穩定。

謝雅萍團隊是全世界第一個證實二維薄冰鐵電性的團隊,並實現第一個以石墨烯為架構的二維冰機械式憶阻器。她的團隊將往新穎二維材料的方向繼續邁進,目前實驗室有和台積電(TSMC)合作,希望透過產學合作,將更多奈米技術的應用落地實現。

-----廣告,請繼續往下閱讀-----
謝雅萍與研究團隊用意外發現的二維奈米薄冰,以石墨烯為架構,做出了全世界第一個機械式的憶阻器。
圖|之有物

與二維材料實驗的相遇?

謝雅萍目前除了是中研院原分所的副研究員,同時也是國立臺灣大學 MY Lab 實驗室的共同主持人,她和人生伴侶 Mario Hofmann 教授共同指導的 MY Lab 發揮了 1+1>2 的效果,創意與想法的激盪和交流,是產生傑出研究的關鍵。

回到碩博士時期,謝雅萍都在臺大物理所,鑽研材料的光電性質與新穎光電元件的機制。她回憶:「當時我們都要向化學系要材料,他們給什麼我們就得用什麼,但難以了解整個材料製造的細節。」後來她體認到,擁有製造材料的調控能力才能真正突破元件設計上的侷限。

謝雅萍在博士班時申請到了千里馬計畫,讓臺灣博士生獲得國科會補助前往國外頂尖研究機構,進行為期約半年至一年的研究。「我認為這個計畫非常好,也可以幫助學生建立重要人脈!」在指導教授引薦下,謝雅萍因緣際會進入美國麻省理工學院(MIT)的二維材料實驗室,自此與二維材料結下不解之緣,她認為:「好材料與好元件是相輔相成的,前瞻材料更是如此。」

「我到了 MIT 之後,深刻體悟到他們做研究的態度與臺灣學生的不同。臺灣學生像是把研究當作一份工作,然而我在 MIT 時就感受到他們學生對於自身研究的熱忱。討論風氣也非常盛行,學生之間會互相分享自己的研究內容,互相幫忙思考、激盪出新想法」,謝雅萍分享自己在 MIT 時期的觀察。

-----廣告,請繼續往下閱讀-----

當年二維材料還在萌芽階段,她所在的 MIT 實驗室已是此領域的佼佼者,她也因此立下了目標:「希望未來我有能力時,能夠自己掌控自己的材料做出好元件!」如今,謝雅萍正走在自己目標的道路上,過去認識的朋友也都是各頂尖大學的二維材料實驗室主持人,直到現在都還會互相幫忙。

從物理到二維材料,身處這些男性為主的學術環境,謝雅萍顯得自在,而且積極參與討論和交流。「我發現女科學人會把自己變得較中性,讓自己融入整個以男性居多的環境中,才不會在團體中有突兀的感覺」,她分享道。

謝雅萍的實驗室 MY Lab,是與臺大物理系 Mario Hofmann 教授共同主持的奈米科技實驗室,他們除了是工作上的夥伴,更是人生中的最佳拍檔!當初兩人就是在美國麻省理工大學 MIT 相識,再一起回到臺灣。

讓「研之有物」團隊好奇的是:這種共同主持的模式與一般實驗室相比,是否有特別之處?

-----廣告,請繼續往下閱讀-----

「從多個面向而論,我認為都是 1+1>2 的」,謝雅萍說道,「實驗室會有兩倍的資源、儀器、計畫與兩倍的人脈。遇到一個題目,兩個人思考時會從不同的觀點切入。即便是夫妻,我們在研究上看的面向也都不一樣,因此可以激盪出許多有趣的想法」。

她補充,不僅對實驗室本身而言,對學生也有很大的好處,「因為學生的研究必須同時說服我們兩個人,代表學生的研究成果會非常扎實,也可以為學生帶來信心。」重要的是,「學生也會得到兩倍的照顧與關愛,我覺得我們的學生是蠻幸福的」,謝雅萍笑笑地說。

-----廣告,請繼續往下閱讀-----
所有討論 1
研之有物│中央研究院_96
296 篇文章 ・ 3652 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

0

4
0

文字

分享

0
4
0
物聯網世代資安保護的熱門選擇——新型「加密金鑰」PUF 技術
科技大觀園_96
・2022/02/06 ・1831字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

隨著萬物聯網時代到來,越來越多數據以數位化方式儲存共享,架構安全性也越來越受到重視。就在今年 5 月,美國賓州大學研究團隊開發出一種基於石墨烯的 PUF(Physically Unclonable Function),能夠有效防範利用 AI 模型的新型攻擊,使加密金鑰更難以被破解。

石墨烯是一種由碳原子以 sp2 混成軌域組成六角型呈蜂巢晶格的平面薄膜,只有一個碳原子厚度的二維材料。圖/pixabay

什麼是 PUF?

要解釋什麼是 PUF,就得先理解物聯網(Internet of Things , IoT)的概念。簡單來說,物聯網就是讓設備裝上感測器、軟體及技術來相互連接傳輸資料所形成的網路,是很多產業智慧化的基礎,然而很容易就可以想像這種便利性同時也帶來更高的資安風險,由於物聯網設備涵蓋的領域相當廣泛,駭客從許多層面都可以發動攻擊。

物聯網是讓設備相互連接傳輸資料所形成的網路。圖/pixabay

過去談到物聯網的資訊安全,許多人都會先想到軟體及網路加密連線,但其實除了網路層面的安全防護,實體設備同樣存在著威脅。一旦出現仿冒晶片或其他問題,駭客就可能透過網路遠端控制設備獲得金鑰和其他敏感資訊,進而造成企業損失。以軟體為主的資安設計已不再足以提供全面保障,這也是為什麼基於硬體的安全技術開始逐年受到青睞。

全名為「物理不可仿製功能」 的 PUF 就是這樣一種硬體安全技術。透過半導體製程中引入的隨機變數,讓晶片在微觀結構上產生些許差異,在變數無法預測及控制的情況下,複製該晶片成為幾乎不可能的事,減少遭人逆向工程或操作的擔憂。這樣的隨機性、唯一性及不可複製性,讓 PUF 彷彿成為一種「晶片指紋」的存在,因此自然也變成新世代資安「零信任」(Zero Trust)架構下的熱門選擇。

-----廣告,請繼續往下閱讀-----

不同於傳統資訊加密技術將密鑰儲存在設備的方式,PUF 技術主要使用一個客製應用積體電路(Application Specific Integrated Circuit , ASIC)或現場可程式閘陣列(Field Programmable Gate Array , FPGA)就可以完成,透過製造時挑戰/反應數據庫(Challenge/Response)的建立,便能在無須加密認證演算法的情況下對設備進行驗證,防止身分被竊取、竄改的同時,也免除了將私鑰儲存在設備的額外成本以及金鑰遺失的風險。

自 2013 年開始,PUF 已經開始逐漸受到重視,只是就像所有的密碼學應用一樣,儘管 PUF 技術存在著這些驚人特性,駭客攻擊手法也仍在持續演化中。國外一些研究已經證明,透過機器學習,AI 技術還是可能預測出密鑰並獲取數據,因此針對 PUF 技術的改良研發也仍在持續進步中。

以賓州大學團隊 5 月公布在《 Nature Electronics 》的最新研究為例,工程科學與力學助理教授 Saptarshi Das 就進一步結合了石墨烯(Graphene)的諸多特性,開發出一種新型低功耗、可擴展及可重構的 PUF,在面對 AI 攻擊時也能保持顯著彈性不易被入侵。

據研究人員表示,透過石墨烯獨特的物理和電學性質,新型 PUF 更加節能、可延展,即使受到 AI 攻擊試圖預測金鑰,受損的系統也可以在不需要額外硬體或更換元件的情況下重新配置過程並生成新密鑰,藉此有效抵抗對傳統矽製 PUF 構成威脅的 AI 攻擊。

-----廣告,請繼續往下閱讀-----

隨著物聯網走入各大產業、設備數量大規模增長,可想見更嚴峻的資安挑戰也即將到來。目前國內廠商及研究團隊許多針對 PUF 的努力正在進行,除了矽智財知名大廠力旺開發的 NeoPUF 技術,成功大學電機系張順志教授進行的研究也是其中之一。

在「具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作」整合型計劃中,張教授希望透過超低功耗之類比數位轉換器設計技術及內建物理密鑰技術、 AI 輔助訊號轉換電路設計技術的研發,來提升物聯網晶片的安全性與穩定性。據了解,該項目已經進入後期階段,將基於先前的經驗嘗試完成整個物聯網系統的實體整合與量測驗證。

資料來源

  1. 初探物聯網安全趨勢下PUF晶片安全發展機會|跨域資安強化產業推動計畫網站 ACW
  2. 具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作-子計畫三:應用於高安全性且低耗能物聯網系統的類比至數位轉換器之研製( I )
  3. Stabilization in Physically Unclonable Constants
  4. Graphene key for novel hardware security | Penn State University

-----廣告,請繼續往下閱讀-----
科技大觀園_96
82 篇文章 ・ 1126 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。