水星表面發現奇怪的窪地構造

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

十七世紀末，牛頓提出的萬有引力理論象徵現代天體力學的開始；人們利用物理原理來描述天體運行，並藉由天文觀測逐步修正理論或計算方法的缺失。以天王星的發現為契機，科學家開啟了一連串對行星軌道的研究；這些事件不但成為天體力學發展史的重要標誌，最終竟促成重力理論的演進，甚至延續到現今，反應在我們對黑洞的觀察上。

這一切，都要從 1781 年，英國天文學家赫雪爾（William Herschel，1738-1822）在自家庭院，從望遠鏡中看到一顆彗星說起……

天王星的詭異行徑

在赫雪爾將發現回報給皇家學會後，其他科學家也紛紛對這顆彗星進行調查。很顯然的，它似乎沒有彗星尾巴，而且運行軌跡較接近圓形，不像其他彗星以非常扁的橢圓軌道繞行太陽；與其說是彗星，它更像是在土星軌道之外環繞太陽的行星──這就是天王星的發現。

儘管已驗明正身，天王星仍然困惑著接下來數十年的天文學者：它的實際軌道和牛頓萬有引力理論的預測並不相同。這是牛頓理論的失敗嗎？還是觀測錯誤了呢？1846 年，法國天文學家勒維耶（Urbain Le Verrier，1811-1877）利用數學計算提出預測：存在某個未知星體影響了天王星的運行，造成理論和觀測的差異；他也指出該星體的軌道、質量和位置大約為何。

一陣子之後，柏林天文台收到勒維耶的報告，便馬上著手進行未知星體的搜尋工作；只花不到一個小時，海王星就被找到，與勒維耶預測的位置相差不到一度──史上第一次，單純憑藉數學計算發現新行星[1]。

水星的運行軌道也存在異常

隨著海王星的發現，牛頓萬有引力理論可說獲得空前勝利。然而，天文學家拿重力理論來推估行星運行的嘗試並未到此為止。1859年，勒維耶再度出擊，聲明水星軌道的進動也跟牛頓萬有引力理論的計算有所出入。

在理想狀況下，依據牛頓萬有引力理論，水星環繞太陽的運行軌道應該要固定不變；然而在實際上，因為受到其他行星的重力拉扯（和另外一些次要因素），水星軌道的近日點（以及軌道本身）會緩慢產生變化──這稱為水星的近日點進動。

勒維耶分析了從 1697 年到 1848 年的水星觀測資料，發現水星的近日點進動，與用牛頓萬有引力理論考慮其他行星的影響所算出來的進動數值，每世紀差了三千六百分之三十八（38/3600）度[2]──這是多麼微小的數值，卻又真實存在！

因為之前海王星的成功經驗，勒維耶猜想：介於太陽和水星軌道之間，可能存在未曾發現過的星體，影響了水星的運行；他將其命名為瓦肯星（Vulcan）[3]。

無奈地，這一次任憑天文學家花費幾十年尋找，甚至勒維耶也已去世良久，瓦肯星始終不見蹤影；而水星近日點進動問題便懸而未決，延續到二十世紀。在 1915 年，愛因斯坦才利用廣義相對論成功將此問題劃上句點。

根據我們目前所知，水星的近日點每世紀會移動約 574/3600 度，其中牛頓萬有引力效應佔了 532/3600 度，而廣義相對論造成的效應幾乎剛好就是兩者之差。廣義相對論針對牛頓萬有引力定律所描述的重力，做出了細緻的修正──這個修正在大多數狀況下，微小到可以忽略；只有在水星近日點進動這樣的例子，差異才會顯現出來。可以說，水星近日點進動問題的解決，是幫助廣義相對論得到世人認可的重要原因之一。

廣義相對論的黑洞測試

科學家拿星體運行來測試重力理論的故事就到此為止了嗎？非也。既然原本得到廣泛驗證的牛頓萬有引力定律，因水星近日點進動現象而被找到缺陷，那麼現在大獲全勝的廣義相對論，自然也有可能在某種特殊環境下暴露弱點──科學家於是把腦筋動到了黑洞頭上。

黑洞堪稱宇宙裡數一數二極端的天體，龐大的重力吞噬一切，無疑是測試重力理論的理想選擇。就像水星繞行太陽會產生進動，是否，繞行黑洞的星體，其軌道也會有進動現象呢？又是否完全可以用廣義相對論來解釋？

針對廣義相對論的正確性問題，一群科學家團隊花了二十七年，觀測環繞無線電波源人馬座A*（Sagittarius A*）運行的恆星S2，並於今年（2020）四月，在《Astronomy & Astrophysics》期刊發表最新成果。

人馬座A*位於銀河系中心，距離地球約兩萬六千光年，質量估計為四百多萬倍太陽質量，據信極可能是超大質量黑洞；環繞於外的 S2 具有十多倍太陽質量，與人馬座A*的最近距離是十七光時（海王星到太陽距離的四倍），軌道週期為 16 年（海王星軌道週期是 165 年）。研究發現，S2近心點（pericenter，最靠近重力中心的點）的進動約為每軌道週期 12/60 度，與廣義相對論的預測相符──即使在重力如此強大的環境，廣義相對論依舊通過試煉。

本次研究的意義

儘管沒有發現廣義相對論的破口，這次的成果仍然別具意義：它是人類第一次確認以黑洞為中心的進動現象；再者，若人馬座A*附近存在某些看不見的物質（如暗物質，或其他小型黑洞等等），科學家也能依據數據給出嚴格的質量上限。可以肯定的是，隨著觀測技術的發展，我們對於宇宙、或者黑洞的理解，將持續進步；說不定哪天，還真能發現廣義相對論的問題呢。

• Classical Dynamics of Particles and Systems, Marion and Thornton, 4^th edition, 1995, Harcourt Brace & Company
• Dance around the heart of our Milky Way
• Urbain Jean Joseph Le Verrier
• A star orbiting the Milky Way’s giant black hole confirms Einstein was right
• Wikipedia: Discovery of Neptune
• Wikipedia: Tests of general relativity
• Wikipedia: Vulcan
• Wikipedia: S2 (star)

註釋

• [1] 實際上，勒維耶計算出的海王星軌道，與真正的海王星軌道仍有一些差距。但這並無礙於發現海王星的偉大成就。
• [2] 多年後，其他科學家重新評估牛頓萬有引力理論和實際觀測的差距，得出每世紀三千六百分之四十三（43/3600）度的數值，跟現代觀測吻合。
• [3] 就跟《星際爭霸戰》（Star Trek）裡的瓦肯星同名。不過可以確定勒維耶並不是因為看了《星際爭霸戰》才這麼命名的。

• 關於作者：李昫岱（天文學博士，歡迎來「屋頂上的天文學家」臉書和部落格，一起航向宇宙，浩瀚無垠！）

人類很早就知道天上有7顆會發亮的天體：太陽、月亮、水星、金星、火星、木星和土星，這些天體和一般的星星不一樣，它們在天空中的位置會移動。

古代的天文學家透過觀察，認為宇宙是由一層一層的球殼組成的，地球位在球殼的中心，最外側的球殼是天球，所有的星星都鑲在天球上，而這七顆發亮的天體，各自有一個球殼，它們繞著地球運行，由外而內排列的順序是土星、木星、火星、太陽、金星、水星和月球。

這7顆日月行星是人類最熟悉的天體，後來它們就成了每天生活的一部分，它們各代表一個星期中的一天，星期的「星」指的就是這七個天體，它們合稱七曜。

七曜日的順序有邏輯嗎？

你可能知道日本將星期訂為日曜日（日）、月曜日（一）、火曜日（二）、水曜日（三）、木曜日（四）、金曜日（五）和土曜日（六），但是你知道為什麼是這樣的順序嗎？這個排列看起來似乎很混亂，其實是有邏輯的。

用一個簡單的七角形（下圖），順時針方向在每一個頂點上標示七曜由外而內的排列（土、木、火、日、金、水、月），然後沿著紅色箭頭的方向就是曜日的順序！

不過真正要探究曜日的來源，就要先了解古代的行星時（Planetary hours）。

根據行星時的觀念，每天日出的時候，是一天24小時的開始，每一小時用一顆行星來代表，七曜依土、木、火、日、金、水、月的順序輪值。

下表中每一橫列代表一天，第一天中的第一個小時是土星，第二小時是木星，依序下去。輪替24小時後，第二天的第一小時是太陽，第三天的第一小時則是月亮，接下來幾天的第一小時就是火星、水星、木星和金星。每天第一個小時的行星也是當天的代表，這樣就會出現日、月、火、水、木、金、土的順序，這就是七曜日順序的由來。

七曜日不僅僅代表日月行星，它們還有自己的符號以及代表的希臘眾神。

另外古代有7種人類熟悉的金屬，它們是金、銀、汞、鐵、錫、銅和鉛，古代的人把這7種金屬和天上的日月行星相對應。接下來就對日月行星七曜做一一介紹。

太陽☉

星期日的英文字是Sunday，是由英文字Sun太陽這個字來的，也就是太陽日，日曜日代表日文的星期日。

☉這個符號你可能見過，它就像甲骨文的日，也就是太陽。它是一個圓和中間一個點組成，有人說中間的那個點代表太陽黑子，表示古時候的中國人就觀察到太陽表面的巨大黑點。

不只是古代的中國人，現代的天文學家也用☉來代表太陽，M☉代表太陽的質量，而 L☉則代表太陽的光度，天文學家用這它們來作為量測恆星的單位，例如織女星的質量和光度分別是 2.1 M☉和 40 L☉，表示織女星的質量和光度是太陽的 2.1 倍和 40 倍。

希臘羅馬神話中的太陽神是阿波羅（Apollo），他代表著光明。

黎明時，他會駕駛著黃金馬車，從東方的海平面升起，往西方奔馳，展開一天的開始。不意外地，金黃色的黃金代表著太陽，就像阿波羅的馬車就是黃金打造的，而金這種元素的符號也就是☉！

月球☽

星期一是Monday，是從英文 Moon 月亮這個字來的，也就是月亮日，日文中的月曜日就是星期一。

☽是日月行星中，最容易讓人辨識的符號，不用解釋就知道是月亮。☽也代表眉月，眉月出現在日落後的傍晚，比日出前凌晨的殘月☾還讓人熟悉。

阿提蜜絲（Artemis）與黛安娜（Diana）分別代表希臘與羅馬神話中的月亮女神，神話故事中阿提蜜絲和阿波羅是一對龍鳳胎，他們是宙斯和勒托（Leto）的小孩。

神話中勒托是獨自一人生下他們，阿提蜜絲比阿波羅還早一天出生，勒托在生阿波羅時遇到難產，阿提密斯還幫忙接生阿波羅，阿提蜜絲體會媽媽生小孩的辛苦，所以決定終生不嫁。

夜晚的月亮，雖然有眾星陪伴，但總是給人一種孤單的感覺。李白的詩中有「舉杯邀明月，對影成三人」，沒人作伴孤獨的詩人只能對著月亮和自己影子喝酒。

哪一種金屬最能代表月亮呢？沒錯就是銀，銀色月亮提供古往今來騷人墨客無盡的靈感，而銀的符號就是☽！

火星♂

星期二是Tuesday，是從北歐神話中的戰神提爾Tyr來的，相當於羅馬神話中的瑪爾斯（Mars），星期二是火星日，日文中的火曜日就是星期二。

♂這個符號很常見，是代表雄性的符號，這個符號中的圓代表戰神的盾，而箭頭則是他的矛。天文上，火星的符號也是♂。

火星看起來是紅色的，它每2年多的時間會靠近地球一次，那個時候紅色的火星會特別明顯，為什麼火星是紅色的呢？因為火星的表面有許多的氧化鐵，也就是鐵鏽，紅色的鐵鏽讓火星看起來呈紅色。

羅馬的戰神稱為瑪爾斯，相當於希臘的阿瑞斯（Ares）。阿瑞斯是宙斯和天后希拉的兒子，他喜歡戰爭，無役不與，但是卻不善於打仗，比較像是有勇無謀的莽夫。7種金屬中就以鐵最適合代表戰神，因為鐵最堅硬，適合用來製造武器，所以鐵這種金屬的符號也就是♂。

水星☿

星期三是 Wednesday，是從北歐神話中的最主要的神奧丁 Woden，星期三也是水星日，日文則是水曜日。

☿代表水星，也就是信使之神，☿是信使之神的信物，稱為雙蛇杖或商神杖，因為信使之神也是商業之神，圓形上的兩個像角的代表雙蛇杖上的一對小翅膀，兩條蛇就簡化成一個圓。

墨丘利（Mercury）和荷米斯（Hermes）分別是羅馬和希臘神話中的信使，他飛快的速度，負責為眾神傳遞訊息。

水星最靠近太陽，是行星中移動速度最快的，這和信使之神的形象相符。

哪一種金屬最適合代表水星？

其實從他的羅馬名字就看得出來，Mercury的另一個意思就是汞，也就是水銀。水銀在常溫下是流動的銀色液體，所以汞在英文上也稱為quicksilver，不意外地，汞的符號就是☿。

木星♃

星期四是Thursday，是用北歐神話的雷神索爾Thor名字命名的，星期四也就是木星日，日文則是木曜日。

♃這個符號很特別，有點像是阿拉伯數字的2，再加上一豎，或像阿拉伯數字的4。♃代表木星，有人說它是宙斯的老鷹，也有人說其中2的形狀，其實是Z，是宙斯Zeus名字的縮寫，中間的一豎代表宙斯的武器閃電，這個武器和雷神索爾相呼應。

木星是太陽系中最大、最重的行星，非常的有威嚴，它的衛星數量也最多，目前已知的衛星有69顆。木星的大氣也會出現閃電，它的威力最高可達到地球閃電的一千倍！可見宙斯閃電的威力！

朱庇特（Jupiter）是羅馬神話中的眾神之神，一般人比較熟悉的反而是希臘神話中的宙斯（Zeus），宙斯非常的風流，木星已命名的衛星中，大多都是以宙斯愛人的名字命名。

錫這種金屬相當特別，除了顏色閃閃發亮外，當錫棒被彎折時，會發出喀喀的聲音，想像力豐富的古人就把錫和宙斯的雷電聯想在一起，所以錫就代表木星，而它的符號就是♃。

金星♀

星期五是Friday，是從北歐神話奧丁的妻子弗麗嘉Frigg名字來的，弗麗嘉是愛和美的女神，星期五是金星日，也是日文的金曜日。

♀這個符號代表雌性，代表美神手上拿的鏡子。

♀和♂常常成對出現，不過美神和戰神並不是夫妻，他們常常背著另一半，偷偷地在一起。金星的符號是♀，是天空中第三亮的天體，僅次於太陽和月亮。

金星是距離地球最近的行星，它厚厚的大氣層中有硫酸雲，硫酸雲的反射率很高，就像是鏡子一樣會反射大量的太陽光，所以金星看起來會特別明亮。

維納斯（Venus）和阿芙蘿黛蒂（Aphrodite）指的都是同一位神，也就是愛神，只是前者是羅馬名，後者是希臘名。

阿芙蘿黛蒂相傳是從海中的泡沫中誕生，出生後就驚為天人，她成了眾神追求的對象，宙斯當然不落人後，不過被阿芙蘿黛蒂拒絕了，宙斯在惱羞成怒的情況下，把阿芙蘿黛蒂嫁給自己的兒子火神，於是造成不幸福的阿芙蘿黛蒂常常出軌。

阿芙蘿黛蒂的符號是手上的鏡子，古代鏡子是用銅做的，也就是銅鏡，所以銅的符號就是♀。

土星♄

星期六是Saturday，是從英文Saturn土星這個字來的，星期六是土星日，也是日文的土曜日。

♄代表農業神手上拿的鐮刀，羅馬和希臘的農業神分別是撒頓（Saturn）和克洛諾斯（Cronus）。天文上，♄代表土星，土星是七曜中移動最緩慢的，大約30年才會在天球上移動一圈。

克洛諾斯用鐮刀打敗了父親烏拉諾斯（Uranus），取得統治世界的權力，於是鐮刀就成了克洛諾斯的象徵。當克洛諾斯取得權力時，就被他的父親詛咒，將來也會被自己的小孩擊敗，所以克洛諾斯把每個生下來的孩子都吞下肚子。宙斯的母親不忍小孩一個一個被克洛諾斯吃掉，所以用一塊包著布的石頭代替宙斯被克洛諾斯吞下。宙斯長大後，用計將克洛諾斯肚子裡的兄姐救出，最後打敗克洛諾斯，獲得世界的統治權。

鉛是密度很高的金屬，因為像鉛一樣的沈重，所以土星在七曜中移動的最慢，鉛的顏色也最暗沈，就像農業神腳踩的土壤一樣，所以鉛的符號也就是♄。

太陽跟我們的日常作息密不可分，月亮則在夜晚守候著我們，水星和金星是比地球還靠近太陽的兩顆行星，火星很可能是人類移民的目標，而木星和土星則是太陽系裡最大的兩顆行星。七曜日月行星並不是遙遠的天體，它們和我們每天的生活連結在一起，找個天氣好的夜晚，看看這些和我們息息相關的天體吧！

本文編修自作者部落格《屋頂上的天文學家》

• 編按：大家都記住七曜日了嗎？這樣以後突然被問到「月曜日是星期幾？」就不會答不出來了吧！