整個世界都是我的裝備庫！來看看地表最強的水熊秘訣

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

身形嬌小的水熊號稱地表最強生物，能夠透過獨特的「隱生」能力在最極端的環境下存活。這種狀態有點類似冬眠，遇見不利生存的條件時將所有代謝活動停止。

近期，有一國際研究團隊宣稱這種生物還有另一種出乎意料的能耐：和超導量子位元進行量子糾纏。用生物體做量子糾纏可是前所未聞，讓大家都嚇壞了。不過這個實驗究竟做出了什麼結果，讓作者可以做出這種宣稱？科學家沒事又為什麼要去抓水熊來糾纏呢？

什麼是量子糾纏？

量子糾纏是量子力學獨有的一種描述，至於實際上到底是在「糾纏」什麼，可以參考先前這篇文章^[2]。

儘管名字聽起來很神祕，但量子糾纏並不只存在於科幻電影和內容農場，現今在實驗室中造出糾纏的粒子對早已是稀鬆平常的技術。量子計算和量子傳送等應用領域就是以糾纏作為基礎發展至今。

雖然這樣說，但利用糾纏粒子將物品或人類在星際間傳送的夢想可能還得再等等。因為目前能夠成功被「糾纏」的都是個別的金屬離子、奈米大小的粒子、和鑽石結晶這類易於控制，結構簡單的微小目標物。

相對於這些乾淨整齊的系統，生物體的結構可說是極為雜亂複雜，難以成為量子實驗的對象。

此外，為了減少物質本身熱能所帶來的振動影響，糾纏的實驗程序時常需要在接近絕對零度的低溫環境下進行。在這種溫度下不只生命無法延續，許多物質的特性也都已經改變。

因此，儘管實驗方面已經發展許久，要對活生生的生物進行量子糾纏仍是相當遙遠的目標。對量子力學來說，整個生物世界太亂又太熱，完全不會想靠近一步。正因如此，這篇拿水熊做實驗的文章才引起了大家的關注。

水熊和超導量子位元的糾纏

水熊一般只有幾百微米大，算是「巨觀」生物中相對微小的種類，要做量子實驗的話較好下手；更重要的是水熊能夠以隱生狀態度過嚴苛的實驗環境，爾後再重新恢復活力，如此一來要是成功便也算是對生物體進行量子糾纏了。

實驗團隊於是將一隻水熊放到了絕對溫標 0.01 度（也就是只比絕對零度高 0.01 度），同時接近真空的環境中，在此和兩個超導量子位元進行實驗。他們將水熊放入其中一個量子位元零件中，並觀察到位元的共振頻率產生改變。接著他們用常見的量子計算程序將兩個位元進行糾纏，並測試糾纏結果。

根據測試的結果，作者宣稱水熊和兩個量子位元形成了三個位元的組合態。也就是說，水熊在這裡變成了第三個等效的量子位元，和另外兩個超導位元糾纏在一起！實驗結束後，水熊周遭的溫度和壓力被緩慢恢復至適合生存的範圍，最後重新開始代謝活動。

作者宣布他們突破了以往的實驗限制，打開了通往量子生物學的大門，並以「水熊和超導量子位元的糾纏」為題，將文章的預印版放上了 arXiv 網站，引起科學界一片譁然。

等等，這其實不用量子力學也能解釋

雖然實驗相當有趣，媒體也爭相報導，但是許多物理學家認為這份研究的標題過為聳動，突破性恐怕也是過於誇大。

I said I was done with the “qubit entangled with a tardigrade” discussion (regarding an unpublished manuscript that appeared online recently). But now that misleading news pieces are coming out, I decided to spell it out at a non-technical level

1/nhttps://t.co/gjjhX6ss8g

— Ben Brubaker (@benbenbrubaker) December 18, 2021

超導量子位元其實跟一般電子零件一樣，裡面有電容、電感等等基本單元所組成的電路；而接近絕對零度的水熊，基本上能當成一小團冰塊。

實驗團隊將冰塊放到電容裡面，會改變它的共振頻率等特性其實不足為奇。如果電容裡面掉進了一些灰塵，其電路性質也會受到類似的影響。

不論零件中放入冰塊，灰塵，還是螞蟻，這些影響都是「傳統」的電磁學可以描述的，並非量子現象。

也就是說，作者宣稱的「整隻水熊做為一個量子位元進入了量子糾纏態」這個解讀不只言過其實，甚至有誤導之嫌。這篇文章目前還未投稿至期刊，因此沒有經歷同行科學家的審查，還不算是夠格的科學實驗結果。

關於這份研究有哪些方面需要改進，目前仍是備受爭辯的有趣問題。不過有件事是大部分人都同意的，那就是這次實驗再度刷新了水熊生存能力的極限。或許將來某天，水熊的隱生能力真的能成為生物世界和量子物理之間的橋樑。不過就目前而言，好奇心滿點的物理學家得再更努力些。

編按：該如何驗證量子糾纏，可以參考〈驗證量子纏結的貝爾不等式 │ 科學史上的今天：06/28〉，此論文的主要問題是不能藉由實驗設計，來確認三者共振頻率改變是源自於量子糾纏。

參考資料

1. 看過「水熊蟲」走路嗎？——牠的步態與 50 萬倍大的昆蟲很相似！
2. 照出黑洞不算什麼，科學家連量子纏結都能拍到！？
3. 水熊和超導量子位元的糾纏（原文）

我們都知道生命是非常頑強的，在一些極端環境如高熱強酸的火山溫泉、高壓強鹼的深海等，都能找到一些生物定居。不過如果想找極端的生存環境，不必到這麼危險的地方，你我身邊其實隨處都有，那就是「混凝土」之中。混凝土內部的環境對生物來說也是極端苛刻：強鹼、高鹽、乾旱、缺乏食物。而近期發表在 mSystems 上的研究顯示，即便是混凝土之中，也有生命存在^[1]。

混凝土的組成與缺陷

混凝土是由骨料 (礫石和沙子)、水泥、水和添加物依適當比例配置而成的複合材料。混凝土因有著硬度高、耐高壓、可塑性強、成本低廉、製作簡單、可適用於各種自然環境等特性，成為世界上使用最多最廣的建築材料，幾乎絕大部分的現代土木工程都會用到。

混凝土雖然是優秀的建材，但也並非沒有弱點。鹼-矽反應（alkali–silica reaction, ASR）就是一個會破壞混凝土結構的常見因素。ASR 會讓混凝土產生俗稱「混凝土癌」的狀態。而形成 ASR 的主要原因，就在混凝土中的水泥身上。

混凝土中最常使用的水泥為「波特蘭水泥」，即矽酸鹽水泥。當水泥和水混和後會發生一系列複雜的物理與化學反應，使其凝結與固化。而在這個過程中，會產生大量強鹼物質如氫氧化鈣，這就讓混凝土內部的 pH 值處在 12.5 左右。

正常的混凝土其內部結構相當緻密，基本沒有水分。但當混凝土受到撞擊、搖晃等外在衝擊而產生裂縫後，水就能滲入其中。而當水進入混凝土後，會使混凝土內部的強鹼和矽酸鹽類產生反應，形成水合矽酸鹽。這些水合矽酸鹽會在混凝土內部產生不均勻的膨脹，而當水合矽酸鹽的數量達到一定後，就會造成混凝土的破裂。

要避免 ASR 的一個方法，是在混凝土中加入飛灰（fly ash）。飛灰是火力發電廠在燃燒後所產生的廢棄物，其主要成分為 SiO₂、AI₂O₃ 和 CaO。飛灰會和水泥中的強鹼進行卜作嵐反應（pozzolanic reaction），該反應是透過 SiO₂ 和 AI₂O₃ 等物質與強鹼反應形成膠體。因此加入飛灰到混凝土中，不僅能降低 pH 值，產生的膠體也可用來填補孔隙並膠結骨材，以更好的填塞混凝土中的孔隙。

混凝土中的細菌種類

研究已知有多種細菌能生長在混凝土的表面，而當混凝土因 ASR 或其他因素產生裂縫後，細菌也能從表面進入到混凝土內部，而這就有可能會對混凝土產生進一步的影響。由於混凝土是世界上最常見的建材，為了確保建築物、橋梁和道路的結構安全，越來越多科學家開始關注生存在此的微生物群，與其可能對混凝土所造成的影響。

過往的研究已證實混凝土內部確實有細菌生長，但這些研究的主要對象是隨著裂縫從表面進入混凝土之中的細菌。而美國德拉瓦大學的研究團隊更進一步，研究「本來」就生活在混凝土內部的細菌^[1]。

為了進行研究，研究團隊製作了兩種混凝土樣本：一般混凝土和加入飛灰的混凝土，並將這兩種樣本放在屋頂上模擬自然風化的環境，然後每六週進行一次取樣分析，以了解混凝土內部的細菌組成。

他們最初的設想是，沒有加入飛灰的樣本會因 ASR 產生更多裂縫，這樣混凝土表面的細菌進入到內部的機會就更大，這就會讓兩種混凝土內部的細菌種類會隨著時間推移而有所不同。

在持續兩年的分析和追蹤後，研究團隊發現混凝土內部的細菌組成主要為變形菌門（Proteobacteria）、厚壁菌門（Firmicutes）和放線菌門（Actinobacteria）這三大類。雖然這三大類細菌是主要組成，不過隨著時間推移和季節的改變，混凝土內部的細菌組成也會有所不同。舉例來說，實驗初期的細菌種類明顯較多，但隨著時間的推移，細菌的多樣性會持續下降。不過這種多樣性的下降，會在溫暖多雨的夏季有短暫的反彈，只是一過了夏季，多樣性又會再次降低。

而上述的結果在兩種混凝土的樣本中並沒有明顯的差異。也就是說，不論混凝土的材質是否能抗 ASR，其內部的細菌組成和變化都差不多。

研究團隊認為，這些主要菌種很可能是隨著混凝土的主要原料 – 即骨料和水泥進到混凝土內部的，因此牠們才是最能適應混凝土內強鹼、高鹽、缺水和缺乏食物環境的優勢物種。雖然在高溫多雨的季節，混凝土的外的細菌能進到內部，但牠們終究無法很好地適應混凝土的環境。所以夏季結束後，這些外來的細菌不是進入休眠狀態，就是被內部的細菌當成食物給吃掉了。也因此在有無 ASR 的情況下，混凝土內部的細菌組成都不會有太大的改變。

為了驗證混凝土內部的細菌可能是來自組成原料，研究團隊先分析了混凝土原料中的細菌組成，並和實驗初期與末期的混凝土樣本中的細菌組成做比較。結果發現，礫石（骨料的一部份）提供了混凝土內 50~60% 的細菌來源。

另一個提供細菌的重要來源是水泥，雖然水泥提供的細菌種類不像礫石那麼多，但隨著時間的推移會逐漸增加為第二多，而這個結果在有無加入飛灰的樣本中，都是一樣的。這也證實了，混凝土原料中的骨料（礫石）和水泥，是提供混凝土內部細菌組成的主要來源。

混凝土與細菌的關係

那麼這個研究的結果，能提供我們甚麼樣的資訊呢？研究團隊認為，既然混凝土內部的細菌組成是不太變動的，可以將細菌組成當作混凝土內部環境的「指標」。例如當檢測到混凝土內部的細菌組成有改變時，就表示混凝土內部的環境很可能也改變了。要知道混凝土內部環境的改變，會影響到混凝土的整體結構和安全性。

但想做這個應用，首先要確認混凝土內部環境的改變，確實也會讓細菌組成改變。另外這個研究只在美國進行兩年的實驗，因此研究的結果是否能應用到全世界的混凝土，要打一個很大的問號。畢竟混凝土所處的環境不同，其內部的細菌組成是否也會有所不同，是需要實驗驗證的。

除了做為「檢測」混凝土結構安全的指標，其實很早以前就有其他科學家提出讓細菌作為「修復」混凝土工具的想法了。這個想法的原理其實很簡單，藉由加入能產生碳酸鈣等可以填補縫隙的細菌到混凝土中，就能達到生物修復了。不過這種應用方法比起「檢驗」需要更多的實驗，畢竟我們現在連這些細菌會對混凝土產生怎樣的影響都不知道，一個弄不好，說不定本以為是修補用的細菌，最後卻變成破壞者。

雖然這個研究並不能告訴我們這些生活在混凝土內部的細菌，會對混凝土造成何種影響，但卻是一個讓我們了解細菌與混凝土之間的起頭。另外這個研究也再次證明了，即便環境再惡劣，生命自然會找到自己的出路~

參考資料

1. Kiledal EA, Keffer JL, Maresca JA. Bacterial Communities in Concrete Reflect Its Composite Nature and Change with Weathering. mSystems. 2021 May 4;6(3):e01153-20
2. 混凝土
3. Alkali–silica reaction
4. 波特蘭水泥