Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

驚異奇航—星塵號

科學月刊_96
・2011/11/18 ・6469字 ・閱讀時間約 13 分鐘 ・SR值 531 ・七年級

-----廣告,請繼續往下閱讀-----

星塵號於1999 年發射升空,飛越彗星,並獲得其塵埃樣本,完成人類史上首次收集彗星物質的任務。

文 / 劉名章、沈君山

圖一:星塵號發射時的景象。

西元2006 年1 月15 號洛杉磯時間凌晨兩點鐘,一道人造火球劃過了天際,直抵猶他州沙漠。這時,噴射推進實驗室(Jet Propulsion Lab)和NASA 詹森太空中心(Johnson Space Center)的人員無不歡天喜地,因為他們知道,星塵號回來了!這次返航的成功,給太陽系天文學家與宇宙化學家帶來無比的喜悅。這是人類史上第四次如此靠近彗星本體的任務( 前三次分別是Giotto , Deep Space , Deep Impact),同時這是第一次航程最遠的標本收集任務,也是首次利用世上最輕的固體「氣凝膠」(Aerogel)將彗星塵成功帶回地球供實驗室分析的任務。

太陽系的形成一直以來都是天文學家欲解的謎題。不管是透過望遠鏡觀測其他恆星形成區域,透過動力學模型來模擬太陽系與行星的形成,或是透過隕石的研究,最終的目的就是想要了解太陽系的起源。此處將由隕石的研究切入,然後再導引至我們今天的主題:「星塵」(Stardust)。

-----廣告,請繼續往下閱讀-----

先從「老於太陽系顆粒」的研究談起

什麼是presolar grains(老於太陽系顆粒)?顧名思義,字首「pre」代表在某個時間或階段之前,「solar」則是「太陽的」,grain(顆粒)大家都知道,合起來說,就是太陽之前的粒子,翻成白話講則是「老於太陽系的顆粒」。怎麼知道這些顆粒老於太陽系呢?這些顆粒又有什麼重要的地方?其實它們本身就是別的星星(會發光的恆星)所產生的塵埃!

星星在演化的過程中,會透過恆星風或是爆炸的方式將本身物質釋放到星際空間,這些高熱的物質一開始以氣體的形式存在,冷卻之後就會凝結出直徑大約只有數微米或更小的小顆粒;當這些顆粒不小心跑進了正在形成的太陽系,有些被早期太陽系的高溫作用給毀了,有些則運氣很好的躲掉了這些高溫事件而被小行星保存了下來。某天小行星的碎片掉到地上變成隕石,被科學家拿到實驗室用各種物理化學的方法將這些小顆粒分離出來,以便進行各種分析。

圖二:星塵收集器安抵地球時的狀況,星塵號本身則繼續航 向無盡的宇宙。

這些顆粒是星星所產生的,因此這些顆粒中的每個原子都是從母星球「繼承」下來的。透過這些塵埃,科學家們便可以容易地在實驗室內了解星球內部的元素演化過程。您可能會很好奇,這些顆粒那麼小,要怎麼知道他們到底是太陽系或是外星的產物?這時候就是同位素分析派上用場的時候了。太陽系物體內的同位素成分一般來說算是相當的平均的。也就是說,若我們量測地球上的碳同位素比值(12C ∕13C),所得到的結果一定會很接近太陽系的平均值89 ,最多大概也只會有千分之幾的差距;但老於太陽系顆粒的碳同位素比值卻與太陽系的平均值89 有極大的差距,因此認定這些顆粒未曾參與太陽系形成之初的混合作用。

這些老於太陽系的顆粒裡面的原子,是由別的星球本身元素形成的產物,所以會和太陽系內的平均同位素比值相差甚大,以碳同位素為例,目前已發現的碳化矽(SiC)和石墨顆粒中,其碳同位素比值的分布可以從3 到10 萬!這些實驗室所產生的數值,配合上天文觀測與理論計算,提供了天文學家一個相當好的管道去了解遙遠星球內部的化學演化。

-----廣告,請繼續往下閱讀-----

那從這些老於太陽系的顆粒中,我們除了可以回推這些顆粒的來源外,還可學到什麼呢?大家都知道,宇宙中的各種元素是由星星透過核融合或是爆炸所產生的。雖然從1957 年的第一篇元素形成論文開始,至今已有數不盡的理論模型問世,百家爭鳴,好不熱鬧。但是這麼多工作累積起來,可能也無法完全描述與理解大自然的神秘,更無法去驗證模型的真確性。這些小顆粒適時的在這一塊缺口中補上一角,讓科學家們可以在實驗室中,以較天文觀測精密的測量方式,提供遙遠恆星內部元素形成的資料。除此之外,這些小顆粒還可以提供科學家們古老銀河系化學演化、銀河系的年齡、星球周邊塵埃盤的形成和最早期的太陽系天文物理環境的資訊。在此限於主題與篇幅便不多談。

回到太陽系起源的研究

在太陽系中,有八大行星和一堆小型天體;前四顆類地行星,每一個都已經受過或長或短的分異過程與地質作用,現今之結構與組成已經和形成之初大異其趣。對於要了解太陽系的起源,幫助不太大。後四顆類木行星,雖然一般相信它們形成的時間極早,但由於絕大部份是氫氣,氦氣及一些氣體分子所組成,標本收集有相當程度的困難,多以太空船探測任務為主,不僅耗時且所費不貲;再加上這些氣體星球不能完全反應太陽系最初期成份,所以我們需要固體。

加州大學洛杉磯分校的麥克基甘教授(Kevin McKeegan)說的好:固體會記錄而氣體不會。因此現今普遍的宇宙化學研究,多是利用隕石中的同位素與礦物組成,試著了解太陽系形成時,周遭的天文物理環境與太陽星雲的化學組成。只是隕石大多來自於小行星,而小行星本體也或多或少受到了一些後期的變質作用,如撞擊,水與熱作用等等。造成一些最原始的同位素訊號或礦物受到了不同程度的改變。也因此,即使是所謂最原始的隕石,在某種程度上仍然不夠原始,這由隕石中稀有氣體相對於太陽的豐度較低的例子可以為證。

腦筋動到彗星上

圖三:星塵號所拍攝到的威德二號彗星影像。

既然隕石沒有辦法完完全全的反應太陽星雲最原始的化學成份,那我們還有什麼方法可以試著了解這個問題呢?科學家腦筋於是動到彗星身上。

-----廣告,請繼續往下閱讀-----

天文學家普遍認為彗星也是太陽系最初期的產物,很可能跟隕石一樣記錄了太陽系最初的成份;更重要的,彗星被保存在極冷的地方,從彗星離子尾光譜中的分析得知,其相當程度的保留了有機物與揮發物質,所以我們多半相信,彗星所留下來的訊號應該會比隕石更完整,更接近真實。同時彗星內部更有可能保存大量的老於太陽系的顆粒。也因為如此,星塵號任務在90 年代中期,由華盛頓大學天文系布朗李教授(Donald Brownlee)主導之下,開始了整體的計畫與進展。在1999 年的2 月發射升空, 2004 年1 月穿過了「威德二號」彗星(Wild-2)的尾巴收集塵埃,並在2006年的1月返回地球表面,完成了這一段旅程。

或許有人會問,我們了解彗星有什麼好處?除了剛剛上面講的,試著去追溯太陽系最原始的成份,了解太陽系的起源,及尋找老於太陽系的顆粒之外,還有那些問題是可以藉由彗星塵提供一些線索的: 一、行星際空間顆粒(Interplanetary Dust Particles)與彗星塵的關係?二、地球上的水是彗星帶來的嗎?三、生命的起源與彗星的關係?

選定目標

各位也可能會覺得好奇,彗星一大把在天上,為什麼星塵號不去別的彗星而要去威德二號呢?其實很簡單,有三個主要原因:天時,地利與人和。天時與地利指的是,這顆彗星會在適當的時間出現在適當的地點,讓科學家們可以較容易的設計收集塵埃時的太空船路徑與速度。為什麼這很重要?各位可以想像,若在和太空船遭遇時的相對速度太大,塵埃就會直接穿過收集器而帶不回地球了。因此,星塵號幾乎是追著彗星的尾巴,從後面以每秒六公里的速度,將塵埃「抓進」氣凝膠當中。

那人和又是什麼呢?大家都知道,當彗星跑進內太陽系受到太陽加熱後,揮發物質就會因為高溫而逸失;經過多次循環後(>1000 次),彗星最後就不再會有彗尾了。像哈雷彗星,它從第一次被發現到1986年,總共已經進來大約一百次。它的原始成份已受了相當大的改變而不再「新鮮」了。所以,它已無法還原太陽系最原始的成份。而威德二號彗星,在1974 年之前都是屬於木星族彗星(Jovian comet ,指近日點在木星軌道附近),之後受木星重力擾動而改變了它的軌道,近日點內移到火星附近;至今進入內太陽系約五次。也因此這顆彗星從沒有真正的過度靠近太陽而被大量的揮發,其化學組成仍是相對的原始。這對於我們所期待的研究,真是再理想也不過的目標。

-----廣告,請繼續往下閱讀-----
圖四:星塵號接近彗星收集微塵時的景象模擬。

如何收集—氣凝膠的妙用

圖五:切開收集到星塵的氣凝膠,保留紅蘿蔔形狀的破壞軌 道、以便容易取出微塵。

雖然星塵號追在威德二號彗星的尾巴後面,藉此減緩相互之間的相對速度,但星塵號仍承受著將近6倍步槍子彈速度微粒的衝擊。如果採用強硬手段直接將微塵擋住,那麼微塵將因高速的動能轉化為熱而將自身蒸發掉,致使該顆粒改變了外形及化學成份。此時氣凝膠的妙用就出現了。

氣凝膠是一種以矽為主的固體,結構像海綿一樣具有微米等級的多孔性,其中99.8 %的體積是空的。因此它的密度比玻璃輕1000 倍,同時還具有極低的導熱性及強度頗高的支撐性。當微粒撞上氣凝膠時,借著連續性的撞擊破壞氣凝膠,因而製造出比自身長度長200倍的一條類似紅蘿蔔形狀的破壞軌道。因此熱能被分散在此破壞軌道中,達到減速微粒且不破壞其外形及化學成份的目的。此破壞軌道還有項好處,它明確的指示出微塵停下的位置。否則要在直徑約50 公分大小的收集器內尋找微米大小的顆粒還真是一件困難的工作。

氣凝膠被安置在網球拍形狀的收集器上,因為具有雙面收集微塵的能力,科學家除了利用正面收集彗星微塵外,更利用星塵號在飛行旅途中以反面收集行星際空間的顆粒。由於顆粒都被埋在氣凝膠內,如何分辨何者為彗星微塵,何者為行星際空間的顆粒?解決的方法乃利用破壞軌道行成紅蘿蔔形狀的路徑,因為具有方向性所以可以輕易分辨出來。

跌破專家眼鏡的大發現

就在星塵號安然回到地球的兩天後,收集標本的大鐵罐在詹森太空中心的無塵室被打開,開始作最初期的狀況確認。加州大學洛杉磯分校的麥克基甘教授在現場時的轉述,他說:「這是非常完美的成功!有些彗星塵劃過的軌跡可以用肉眼清楚看到,並且收集到的東西似乎比大家原先預想的要來的多且大。當然,這只是非常非常初步的肉眼確認,我們真正會發現什麼,仍要等待初步檢驗團隊(Preliminary Examination Team,PET)的結果。PET至少需要半年的時間才能完成初步的彗星礦物學分析、氧氮同位素分析、化學組成分析,及紅外光譜學的分析等等。然後我們才能初步的知道這些標本所帶來的資訊」。

-----廣告,請繼續往下閱讀-----

首先是礦物學方面。最重要的發現之一為星塵號所收集到的微塵中居然出現高溫環境下形成的礦物(形成溫度約凱氏溫度1300~1400度上下),比如說橄欖石、隕氮鈦石(osbornite; TiN)、輝石與我們在隕石的鈣鋁包裹體(Ca-Al-rich Inclusions)中找到的高溫礦物一樣。這些東西,讓研究太陽系化學的科學家們著實嚇了一大跳。彗星不是在40 天文單位(AU)之外形成的天體嗎?在這麼冷的環境中,應該多以揮發性物質或是低溫物質為主,為什麼會有在高溫下才能形成的礦物存在?小行星和彗星,一個大約在3AU,另一個在40AU以外,為什麼某些彗星塵的礦物組成跟隕石中的鈣鋁包裹體類似?若在這麼大的空間範圍內,找到組成相似的高溫礦物,這似乎代表的是,在太陽系早期必須要有大尺度輻射狀輸送物質的能力(radial transport),其轉移範圍從內太陽系到小行星帶,甚至到外太陽系,才有可能辦到。那這個大尺度輻射狀輸送物質的能力的物理背景是什麼?為什麼可以把小顆粒從內太陽系高溫處搬到3AU 甚至更遠的40AU 以外?

再來是同位素分析方面。PET 的同位素小組,分析了彗星塵中,氫、碳、氮與氧同位素的組成。這些分析,試圖回答下面的幾個問題。第一,彗星是不是主要由老於太陽系的物質組成的?第二,彗星中有多少真正的「星塵」(真正從演化後期的恆星中所形成的)?第三,彗星微塵中的同位素組成,和隕石、行星際空間微粒的關係又是什麼?第四,早期太陽系中的混合作用究竟到什麼程度?

首先是氫同位素方面,被分析的彗星微塵中,基本上沒有太令人印象深刻的成份,其D/H(氘∕氫比值) 落在已知的行星際微塵的D/H 範圍內,類似彗星水分子中的同位素成份,但低於彗星中氰化氫(HCN)的同位素值,更遠較最極端的行星際空間顆粒的比值低上許多。當然, D/H 很容易受到各種不同因素的影響,尤其是這些灰塵是透過撞擊而被氣凝膠抓住,在這個過程中,D/H極有可能產生變化。所以,這些量測到的D/H 可能無法反應威德二號彗星的水分子的同位素成份。

再來是碳與氮同位素,這兩種同位素的量測,主要是要來找尋老於太陽系的顆粒(presolar grains)。這些顆粒,由於是在星球中凝結下來,所以基本上它們保存了原先星球中,元素形成的特徵。而這些特徵和太陽系的平均值相差甚大。以碳同位素來說,太陽系物質的12C ∕ 13C 平均比值是約89 ,若今天發現了一顆微粒,它的12C ∕ 13C 比值約是52 ,那我們可以很篤定的說,這顆微粒絕非在太陽系內形成的顆粒,而是一顆從某個AGB 星球或是紅巨星來的小塵埃!氮同位素也是同樣的道理,只是平均太陽系的比值大約是300上下。所以,若我們發現一顆灰塵,其14N∕13N的比值離300有極大的差距,那我們也可以很肯定,這顆顆粒一定不是太陽系內產生的。

-----廣告,請繼續往下閱讀-----

知道了這個前提,我們再回到星塵號的標本上。分析的結果也是讓大家驚訝莫名,PET階段分析氣凝膠中的微塵,居然沒有一顆是老於太陽系的顆粒!幸好,在收集器上的用鋁箔紙包裹住的部份中,在某個撞擊坑洞旁邊找到了一顆老於太陽系的顆粒,可惜的是,這顆小傢伙已被分析光光了,屍骨無存。從這個初步分析,顯示在彗星中(至少是威德二號這顆) 似乎沒有太多老於太陽系的顆粒。但這只是第一步。後續尚有許多標本等待研究,或許會有更多驚奇也說不定。

此外PET 團隊還有一項重大的發現,他們在氣凝膠及支撐框住氣凝膠的鋁芯中發現了氨基乙酸。一開始研究團隊無法排除此氨基乙酸可能來自地球上的污染的想法。此時同位素的功用又出現了,經過進一步的研究他們發現該氨基乙酸的碳具有較多的13C,也就是說其12C∕13C的比值比89 小很多,因此証實此氨基乙酸非太陽系內部的產物。由於筆者對生命科學的涉略不多,因此借用下面兩位專家的發言,來為這項大發現做註腳。

美國航太總署(NASA)的艾西拉博士(Jamie Elsila)說︰「氨基乙酸是具有生命的有機體製造蛋白質的物質之一,同時這是第一次在彗星上找到氨基酸」;「我們的發現支持生命的成份在太空間形成,並借由隕石和彗星的衝擊而傳播到地球的理論」。同時NASA 的主任皮契爾博士(Carl Pilcher)說︰「氨基乙酸在彗星的發現支持了組成生命的基本架構在太空中是隨處可見的想法,並且強化了在宇宙中生命的存在也許是共通的而不是罕見的論述」。

最後是氧同位素。氧是類地行星中最豐富的元素。而每個類地行星(含小行星)的平均氧同位素值都有些微的差異,所以氧同位素基本上可拿來當作這些行星的指紋。但是若把規模放到只有幾個毫米大小,我們會發現,在隕石的鈣鋁包裹體中,不同礦物居然有著不同的異常豐度,彼此間的差異可達到5%!如果是老於太陽系的顆粒,氧同位素的差異甚至可以達到好幾個數量級。星塵號部分微塵在經過初步分析後,具有隕石鈣鋁包裹體類似的礦物組合,同時居然和鈣鋁包裹體有相同的氧同位素成份!這下子不只礦物組成相似,連氧同位素都完全一模一樣。這更加讓我們相信,彗星中的某些小微塵,是和隕石中的某些礦物顆粒是完全相同的。所以,這和前面所寫的相呼應,在太陽系早期勢必要有大尺度輻射狀輸送物質的能力,從內太陽系到小行星帶再到庫伯帶以外,這一連串的巧合才有可能發生。

-----廣告,請繼續往下閱讀-----

這些發現,最感到振奮的應該是前清大校長徐暇生院士,中研院李太楓院士,及中研院副研究員尚賢博士。他們在1998 年提出的X-wind 模型,已預測彗星上的物質有可能在礦物相上與同位素比值上的特點與隕石中的部份物質相符。模型中這些高溫顆粒形成在吸積盤的端點,非常靠近原始太陽約0.05AU 距離的地方,後來太陽磁場與吸積盤面的交互作用,產生了兩極噴流和盤面上一股強力的「風」,將這些高溫礦物帶離到小行星帶甚至更遠的庫伯帶,再和其他物質堆積形成小行星或是彗星。

其實,以上所說,都只是星塵號相當初步的一個結果。還有很多尚未被探索的顆粒等待科學家們去了解,不管是礦物學,光譜學,同位素分析,還是其他各種各樣稀奇的方法。在可預期的將來,這些彗星塵仍會繼續送到世界各地的實驗室進行各項研究。在台灣,李太楓院士所領導的團隊,也正在為分析這些標本而磨刀霍霍。希望在不久的將來,台灣也能夠在這個前無古人的實驗室彗星塵分析競賽中打響知名度;也希望到時候我們將能夠回答上面所列出的數個問題,讓我們對太陽系起源有更深一層的了解。

劉名章:任職中研院天文及天文物理研究所

沈君山:任職中研院地球科學研究所

原刊載於《科學月刊》第四十二卷第十一期

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3742 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

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

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

7
2

文字

分享

0
7
2
水是從哪裡來的?改寫宇宙謎團:科學家揭露地球水源的真正來源!——《你的身體怎麼來的?》
商周出版_96
・2025/01/25 ・2808字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

彗星送水論?地球的水是從哪來?

想知道古地球如何得到水的行星科學家將矛頭指向大泥球。似乎數十億年前曾有彗星雨落下,為我們帶來大量的水。

但,彗星又來自何方?

科學家長期認為彗星誕生於比火星更遠的寒冷區域。一九九〇年代,學者更進一步認定大部分彗星已經被日益成長的行星吸收。然而荷蘭天文學家揚.歐特(Jan Oort)提出不同見解,主張可以有數以兆計的彗星在太陽系邊緣存活,它們距離行星太遠所以沒被重力拉扯,最終圍繞太陽系形成巨大球形外殼,現在將該區域稱為歐特雲。歐特雲的大量彗星可以填滿地球海洋,問題是它們太遠,是地日距離的數千倍,實在不大可能到得了。

揚·歐特認為彗星圍繞太陽系形成遠距離的歐特雲,雖然數量足夠填滿地球的海洋,但距離遠到不易抵達地球。圖 / unplash

於是又有研究者懷疑部分彗星在太陽系較內側存活,或許是土星軌道外,這樣也比歐特雲近了一千倍。然而僅僅停留在臆測,因為想要在那麼遠的地方找到直徑不過數十英里或更小的彗星太困難,大家沒有傻到去做這種嘗試。

-----廣告,請繼續往下閱讀-----

唯二例外是年輕的麻省理工學院教授戴夫.朱維特(Dave Jewitt)和他的研究生盧珍(Jane Luu)。裘伊特頭頂高聳,笑容可掬,性格充滿英國式幽默,父母是倫敦的工廠工人和電話操作員。童年時偶然在夜空看見流星勾起他對天文學的迷戀。

從天文學觀測到重水比例:揭開水的宇宙密碼

一九八五年,他突發奇想將新的數位型光感測器 CCD(譯按:感光耦合元件)連接到望遠鏡,藉此在太陽系遙遠角落尋找彗星這種小天體。朱維特認為我們看不見不代表不存在,但研究需要資金,只可惜多數人都不相信,所以計畫案一次一次被拒絕。三十多年後,回憶起當初遭受的輕蔑他依舊義憤填膺。「最常得到的回答是『無法證明計畫裡的測量實際可行』,」他說:「我的天,這是什麼蠢邏輯?整個計畫的意義就是去做一些以前沒做過的嘗試。就算最後真的不可行又怎麼樣呢,重點不就是得試試看嗎?」批判他的人可能陷入了「現有工具檢測不到就代表不存在」的認知偏誤,習慣性地假設科學家尚未找到就代表目標處什麼也沒有。

朱維特和盧珍拒絕放棄,偷偷從其他研究案借用望遠鏡時間尋找數十億英里外可疑的微小物體。

很長時間毫無收穫。一年又一年,然後四年五年六年。直到一九九二年夏夜,他們在夏威夷大島茂納凱亞天文臺工作。那時候他們心灰意冷,覺得五年多光陰白費了,卻沒想到忽然發現了非常微弱的光點。察覺這個點微微移動時,朱維特還暗忖「不可能是真的」,但它確實存在。兩人找到的天體位於海王星外的軌道,後來進一步證實那邊還有數百萬顆彗星。該區域被命名為古柏帶,淵源是最早提出此概念的荷蘭天文學家30,他在一九五〇年代就探討了這個可能(諷刺的是他本人不相信)。

-----廣告,請繼續往下閱讀-----

科學家在古柏帶找到大量彗星,人體內的水看似已經確定來源。地球形成後不久,彗星從古柏帶,或許一部分從更遠的歐特雲抵達,送來覆蓋這顆行星表面的水。彗星堪稱飛行的冰山,攜帶的水量確實足以填滿地球海洋。理論很快得到多數人接納及傳播,謎題終於得到解答。

科學家認為古柏帶與歐特雲彗星攜帶的水,可能就是地球水源的來源。圖 / unplash

小行星的貢獻:來自太空岩石的生命之源

真的嗎?一九九五年,波瀾再起。亞利桑那州鳳凰城附近一場觀星派對上,輪到混凝土供應公司零件經理湯瑪斯.博普(Thomas Bopp)借用朋友的望遠鏡,他留意到視野角落有個模糊光點。同一天晚上,新墨西哥州克勞德克羅夫特村天文學家艾倫.海爾在家中發現同樣物體。這顆新發現的彗星,是有史以來見過最亮的,命名為稱為海爾─博普彗星。

翌年,戴夫.朱維特隨學者團隊返回茂納凱亞觀測站,這次以強大的電波望遠鏡觀測海爾─博普彗星。他們在海拔一萬四千英尺(約四千兩百六十七公尺)的稀薄空氣中每十三至十六小時輪班一次測量夜間光譜,試圖比較彗星中一種罕見的水形式比例是否與地球海洋相符。

或許有些人還不知道其實水分子有不同形式。大部分水由氫原子組成,核心只有一個質子。但還有別種水存在,由於重量多出一成所以稱為重水,其氫原子是同位素,核心除質子外還包含一個中子。重水很罕見,在地球海洋中每六千四百個水分子只有一個是重水。因此,茂納凱亞團隊準備測量海爾─博普彗星時原本很有信心會找到相同比例的重水,畢竟地球的水應該來自彗星。

-----廣告,請繼續往下閱讀-----

然而觀測結果並非如此。海爾─博普彗星重水含量是地球海洋兩倍。這就麻煩了,先前天文學家在哈雷彗星發現類似的高比例重水,當初只視為異常案例,然而後來在百武二號彗星又測量到相同數據。三次觀測結果一致成為難以忽視的證據,顯示彗星並不吻合地球海洋的水分子組成。

「天文學家對海爾─博普的觀測結果作何反應?」我問。

「嚇壞了。」朱維特的意思是指數據背後的涵義:「有點像新時代運動31的意識覺醒之類。」他笑了笑又說:「好像不該說這種話才對。」但顯而易見,學界頗受震撼,一夕間又不能靠融化彗星形成海洋了。雖然惠普爾沒說錯,彗星確實充滿水,但海洋來自太陽系其他地方。具體究竟是哪兒?

朱維特和其他許多學者一樣,注意力轉向飄浮在太空中的巨大岩石,即所謂小行星。

-----廣告,請繼續往下閱讀-----

從石頭榨水,乍聽很無稽,但事實上有些岩石確實可以。如果加熱隕石,也就是從小行星落到地球的碎片,困在晶體結構內的水分子就能變成水蒸氣。多年前科學家已經知道小行星含水,這些岩石含水量差異很大。多數靠近太陽形成的小行星幾乎不含水,但在火星之外冰冷區域形成者水分含量則可高達百分之十三。

朱維特等人的想法是:如果撞擊地球的小行星夠大就會帶來豐沛的水。此外,天文學家還知道火星木星之間軌道上有一大群小行星,並將該區域稱為小行星帶。而且,小行星中重水與彗星不同,吻合地球海洋和人體。各種線索指向我們這兒的水應該來自宇宙岩石。

感覺好像結案了,但其實小行星帶距離地球三億英里遠。從那種距離要一桿進洞得有多高明的技術?有足夠數量的小行星算準角度飛向地球以水覆蓋地表,這個現象發生機率有多高?人類又如何進一步理解?

——本文摘自《你的身體怎麼來的?從大霹靂到昨日晚餐,解密人體原子的故事》,2025 年 01 月,商周出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

1

8
4

文字

分享

1
8
4
太陽系如何形成、如何演化?就讓「靈神星」來解答!
EASY天文地科小站_96
・2023/04/12 ・2962字 ・閱讀時間約 6 分鐘

  • 文/黃子權|掉入岩石堆中的研究生,現就讀台大地質所
  • 文/林彥興|現就讀清大天文所,努力在陰溝中仰望繁星

M 型小行星與行星的誕生

了解太陽系的形成歷史與演化,是行星科學最重要的使命之一。然而,身在太陽系形成後 46 億年的我們所看到的行星,都是經過漫長演化後的結果。它們的表面特性、內部結構,早已與剛形成時大相逕庭。

因此,想要研究太陽系的形成與演化,小行星是相當重要的目標。由於小行星質量小、冷卻快,更不會有複雜的風化和地質運動,因此它們從太陽系形成之初到現在都沒有什麼改變,就像活化石一般。而過去幾十年,人類也確實對小行星進行了廣泛而詳細的研究,比如拍攝照片計算它們的軌道,用光譜分析化學組成,甚至派遣太空船(如 JAXA 的隼鳥一號、隼鳥二號、NASA 的 OSIRIS-REx)直接前往小行星,將樣本採回地球分析。

而在太陽系目前已知的一百多萬顆小行星中,有一個相當特殊的族群,它們大多具有較大的密度和較高的雷達反照率,同時在光譜上缺乏特徵。基於上述特點,科學家們認為它們的組成中有含有不少金屬,因此稱之為 M 型小行星。

根據目前天文學家對行星形成的理解,原行星盤(protoplanetary disk)中的金屬元素分布理應相當分散,因此能夠自然產生元素分異並聚集大量金屬的地方,只有足夠大、足夠熱的原行星(protoplanet)的行星核。所以傳統上,M 型小行星被視為受到撞擊後裸露的行星核,同時也是鐵隕石的來源之一。但截至目前,仍未有探測器直接造訪 M 型小行星,確認這個假說是否正確。

-----廣告,請繼續往下閱讀-----

近期,新的觀測資料更顯示,某些 M 型小行星似乎比人們預想的還輕,各種特徵也和人們對行星核的認知不盡相同(例如,在表面觀測到含水礦物的訊號)。這表示傳統的行星形成與演化模型,也許不盡正確。換個角度看,這也代表對 M 型小行星的研究,也許將能幫助我們揭開行星演化理論中的盲區。

M 型小行星是由什麼構成的?它們的演化歷史又是如何?苦於距離遙遠,過去人們對這些問題往往只能止於粗略的推測。但隨著靈神星號任務逐漸上軌,我們離解答這些問題(的一部分)只有一步之遙了。

靈神星號探測器。圖/NASA/JPL-Caltech/ASU

靈神星探索任務

靈神星探索任務(Psyche)是 NASA 發現計畫(Discovery Program)的一部分。發現計畫始於 1989 年,每隔幾年就會向全美國徵求任務提案,經過重重篩選後,最具有科學價值且最可行的團隊,就可以獲得 NASA 提供的經費,將他們的構想付諸實行。從 1996 年的 NEAR 任務開始,發現計畫已經為十幾個重要的太陽系探索任務提供機會,包含近期因太陽能板發電量降低而終止的火星「洞察號(InSight)」任務。2014 年,第 13、14 次發現計畫徵選開始,最後脫穎而出的其中一個計畫,正是靈神星探索任務。

而計畫要觀測的目標靈神星(16 Psyche)於 1852 年被義大利天文學家加斯帕里斯(Annibale de Gasparis)發現,並以希臘神話中靈魂之神「賽姬」命名。祂是第 16 個被發現的小行星,雖然不是最大的小行星(平均寬度約 220 公里)但卻是目前已知小行星中第 10 重的,其質量佔小行星帶總質量的 1%。根據估算,靈神星的密度大約為 3.9 g/cm3,遠低於鐵鎳隕石的 7.9 g/cm3,因此靈神星不太可能真的完全由金屬構成,比較可能是類似石鐵隕石那樣,由金屬與岩石共同組成。

-----廣告,請繼續往下閱讀-----
科學家對靈神星的想像。圖/ NASA/JPL

作為發現計畫的一員,靈神星計畫切實地反映了該系列任務的宗旨:便宜、快速的解答重要的疑問。M 型小行星是行星形成與演化中相當重要的一片拼圖,而靈神星又是體積最大的 M 型小行星,其重要性不言而喻。對靈神星的探測,勢必能更加推進人們對行星演化的認知。

靈神星號的科學目標及預期解答的問題為:

  1. 靈神星是行星核還是未熔結物質?
  2. 靈神星表面的相對年齡為何?
  3. 小型金屬天體是否含有和高壓地核同比例的輕金屬?
  4. 靈神星形成環境的氧化還原性?
  5. 靈神星地表及撞擊坑特徵?

為了達到這些目標,靈神星號上搭載了以下儀器:

  • 多光譜成像儀 (Multispectral Imager)
  • 伽馬射線/中子光譜儀 (Gamma-Ray and Neutron Spectrometer, GRNS)
  • 通量閘磁強計 (Fluxgate Magnetometer)
  • X頻無線電實驗 (Radio Science (X-band))

整體而言,靈神星號的載酬相當簡要,科研儀器加總起來只占約 30 公斤,且每項儀器都是經過「實戰」驗證過的:多光譜成像儀來自火星好奇號探測車,GRNS 來自水星的信使號任務、磁強計參與了洞察號任務、X 頻無線電實驗(利用通訊時訊號的都卜勒效應測量重力強度變化)更是有多項成功紀錄。使用這些驗證過的儀器不僅能減少任務風險,同時能省下不少研發經費,提高任務的 CP 值。另外,靈神星號同時也會為深空網路(Deep Space Network, DSN)測試全新的「深空光學通訊(Deep Space Optical Communication, DSOC)」系統,利用雷射作為資料載體進行傳輸,科學家估計 DSOC 的資料傳輸速度,將比過去使用無線電的 DSN 快 10 到 100 倍。

靈神星號各項儀器位置圖。圖/修改自NASA/JPL-Caltech/ASU
靈神星號的伽馬射線光譜儀及中子光譜儀。圖/Johns Hopkins APL/Ed Whitman

另外,隨著科技進步,太空探索不再是國家機構的天下,各種商業公司紛紛加入了衛星製造的行列。因此重視任務 CP 值的靈神星號,從設計初期,科學家們便決定向商業公司尋求成熟、有發射紀錄且搭載了離子推進系統的衛星載具。最終他們選定了 Maxar 旗下的 Space Systems/Loral(SSL)公司的 1300 系列框架作為靈神星號的主體,並由噴氣推進實驗室(JPL)整合飛行系統(包含指令及資料處理系統)。靈神星號的推進系統是一具 SPT-140 霍爾效應推進器(Hall effect thruster),藉由游離氙氣並透過磁場將其加速噴出以獲得推力。搭配發電量達 20 千瓦的太陽能板及 922 公斤的氙氣,足夠支持靈神星號走完將近六年的航程。

抵達靈神星後,探測器將嵌入軌道開始環繞靈神星。科學家為靈神星號安排了四個逐漸降低的軌道(A 到 D),每個軌道都有各自主要的研究目標:

  1. 最高也是最初始的軌道 A 半徑約 700 公里,靈神新號將會在這裡測量靈神星的磁場。
  2. 56 天後,探測器將降至軌道 B(半徑 290 公里)並且開始對靈神星的地貌進行調查。
  3. 76 天後,靈神星將下降至半徑 170 公里的軌道 C,這是最小的穩定繞極軌道,同時也是最適合用來探測靈神星重力場的高度。
  4. 100 天後靈神星號將會降至最後、最低的軌道 D,軌道半徑僅 85 公里,在這探測器將利用 GRNS 調查靈神星表面的元素分布。
靈神星號任務示意圖。圖/修改自 NASA/JPL-Caltech

靈神星號原訂的發射日期為 2022 年 9 月。然而在飛行前的測試中,任務團隊發現飛行軟體異常,導致它錯過了 2022 年的發射窗口。經過幾個月的調查和調整,目前 NASA 公布的下個發射窗口為 2023 年 10 月 10 日以後,屆時靈神星號將會搭乘 SpaceX 的獵鷹重型火箭進入太空,就讓我們好好期待靈神星號傳回來的各種資料吧!

-----廣告,請繼續往下閱讀-----

延伸閱讀

  1. 我們的征途是星辰大海:回顧隼鳥二號的億里長征
  2. Just Look Up!小行星監測系統「哨兵」全面升級
  3. 災難片成真!?小行星「貝努」行蹤飄忽,撞地球的機率有多大?
-----廣告,請繼續往下閱讀-----
所有討論 1
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