Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

眼睛也會『骨質流失』嗎? 淺談黃斑部的「葉黃素低下」

PanSci_96
・2016/02/23 ・2881字 ・閱讀時間約 6 分鐘 ・SR值 511 ・六年級

-----廣告,請繼續往下閱讀-----

本文由台灣之星贊助,泛科學策畫執行

文 / 新竹國泰醫院眼科主任 陳瑩山醫師

俗話說:「生個孩子掉顆牙」,女性在懷孕過程中會因鈣質需求和無機磷流失使骨質缺乏的機率增加,但你知道嗎?不只是骨質,眼睛黃斑部的葉黃素也會因懷孕而大量流失,造成「葉黃素低下」,若是本身就有高度近視的問題,更會造成「高度近視性黃斑部病變」。

其實不只是懷孕女性,「葉黃素低下」可能就潛藏在每個人的生活中,「眼睛沒有『骨質流失』的問題,但是卻有『葉黃素低下』的危險。」這是一個新的觀念,也提醒了我們補充葉黃素的重要性。究竟,葉黃素和黃斑部之間到底有著怎樣的關係?我們又該如何「自救」?讓我們繼續看下去……。

-----廣告,請繼續往下閱讀-----

光線讓你看見,也可能讓你「看不見」

一般而言,當光線照射入眼內時,能量最高的紫外光會由角膜和水晶體吸收,但可見光會穿過角膜及水晶體,直達黃斑部形成影像圖一。可見光中,藍光的能量最高、傷害力也最強,是最有可能造成眼睛病變的光線圖二。雖然水晶體可以吸收部分藍光,但卻會漸漸混濁形成白內障,而大部分的藍光則會穿透水晶體直達黃斑部,就有可能形成黃斑部病變。

1379915247ed

1379915942a1

「黃斑部就只能坐以待斃了嗎?」

這倒不是,黃斑部會利用高量抗氧化物質如維生素 CE 及鋅來降低藍光的氧化傷害,也會利用「黃藍兩色互補」的色彩原理,高量聚集「黃色素」,以便中和高能量的藍光,將其轉化成低能量無害的白光圖三。眼睛裡面最重要的「黃色素」就是葉黃素,可經由綠色植物及黃色水果來攝取,葉黃素經腸胃道吸收後,大部分會經由血液循環到達眼睛並集中在黃斑部,少部分則會分布在水晶體圖四

13799159571e

1379915969ba

眼睛的「防曬劑」-葉黃素

和皮膚一樣,眼睛受光也會造成老化引致傷害,需要抗光抗老化的保護,最好的防曬方法是「服用」防止光線傷害的食物或補充劑。這十年來經過臨床醫師與科學家的研究分析,已打開了葉黃素這個「潘朵拉的盒子」,漸漸明瞭葉黃素在眼睛的不可替代性,也讓它被視為眼睛的「防曬劑」,臨床上葉黃素有幾個特色:

-----廣告,請繼續往下閱讀-----
  1.  葉黃素人體不能自行合成,也無法由體內其他物質轉換形成。它最重要的來源就是行光合作用的綠色植物及黃色水果,只有透過「口服攝取,才能形成眼睛保護」,這也直接說明了綠色植物在人類防止光線對眼睛傷害的重要角色(圖五)。137991598622
  2. 葉黃素是脂溶性物質,在黃斑部的吸收很慢。葉黃素由腸胃吸收進入血液循環,很快就能達到血液的平衡濃度,但是由血液進入黃斑部的過程中,卻有 3 至 4 個月的延遲。雖然如此,黃斑部卻是「慢工出細活」,當吸收開始啟動,就會造成葉黃素緩慢但持續的增加(圖六)。這時就算口服攝取減少,血中濃度下降,黃斑部葉黃素的量仍能維持穩定有效的狀態。(原文詳見-健康世界雜誌2012年1月)  137991600868
  3. 黃斑部健康與否,往往是決定葉黃素能否有效吸收的關鍵。統計上有黃斑部病變的人或有黃斑部病變家族史者,其黃斑部對葉黃素吸收不良的可能性較高(圖七)。也就是說,有先天或遺傳體質者,更容易暴露在葉黃素低下的風險中,這類患者就更需要加強葉黃素的攝取來保養黃斑部的健康。

13799160405e

老兵不死,只是凋零-葉黃素也會「累」

葉黃素在幫助黃斑部抵抗光線的奮戰過程中,會因為日久黃斑部功能老化,造成葉黃素的吸收功能下降,而演變成慢性葉黃素密度低下,葉黃素若長期捉襟見肘,就不足以抵抗強光的傷害了。觀念上就好比骨質流失容易造成骨折;葉黃素低下時也容易造成黃斑部病變,究竟哪些人需要特別注意呢?  

  1. 老年人:老人家血液循環差,組織吸收力不足,當然在黃斑部也會有葉黃素運送不足、吸收不良的情形。隨著年齡愈長,「新的不來,舊的流失」,衰老的眼睛當然就容易因無法保護黃斑部而飽受光線肆虐之苦,最終造成中心視力下降,這便是所謂「老年性黃斑部病變」,也是造成歐美老年人失明的主因。  
  2.  高度近視者:近視 800 度以上的患者,其眼睛老化的狀況稱為「病理性近視」,黃斑部的功能會較同年齡無近視者退化,導致葉黃素的吸收率下降,在這樣「未老先衰」的狀態下產生「高度近視性黃斑部病變」(圖八),這在我國是相當嚴重的中壯年中心視力受損的重要原因。1379916058a7
  3. 求學或工作高度依賴光線者:現今電腦電視及各種 3C 產品的普及,使得學生或上班族過度曝露於強光的照射中。當黃斑部累積過多高能量藍光所形成的自由基時,便會造成眼睛「過氧化傷害」,這便是所謂「自發性黃斑部病變」。夜晚關燈滑手機,甚至將手機當成手電筒照光使用的現代行為,更加深了黃斑部的光線負擔(圖九)。(原文詳見-健康世界雜誌2013年5月及7月)13799160817b
  4. 女性懷孕哺乳期:婦女在懷孕期及哺乳期,「一個蘿蔔一個坑」,胎兒及嬰兒只能從母體獲得葉黃素,這可由懷孕晚期母體血液中葉黃素下降,而生產時臍帶血中含有高量葉黃素得到證明。當然這種營養物質由母體至胎兒的主動運輸,容易造成媽媽葉黃素不足,也是孕母經常抱怨視力模糊、眼睛乾澀、對焦不準、容易疲倦、隱形眼鏡不好戴、眼鏡度數不穩等問題的原因。孕母可多吃綠色蔬菜或葉黃素補充品,生產後若以母乳哺育,葉黃素也會經由母乳而帶給嬰兒(圖十)。斷奶後,牛奶也可加入葉黃素添加物,副食品中也要有容易吸收的綠色蔬菜泥。(原文詳見-健康世界雜誌2013年3月)

1379916101e6

服用前請詳閱公開說明書-吃得多不如吃得久

「吃多少葉黃素劑量才有效?」這是最常被問到的問題。我們認為葉黃素初期三個月應該每天吃,之後應該經常吃,倒是不必太在意是否是高劑量。多吃綠色蔬菜與黃色水果,是吸收葉黃素的最有效方式,當然口服葉黃素補充劑也是一個省事的選擇,「每日攝取比高量攝取更為重要」圖十一)。

由於黃斑部對葉黃素吸收非常緩慢,一次服用過多的量並無法完全吸收,若是「一天捕魚,三天曬網」,那長久下來更是達不到所需的量。以每天葉黃素攝取量在 10mg 以下來說,3 至 4 個月後便能達到血中濃度的平衡,如此才可促進黃斑部對葉黃素的吸收。

13799161814e

對一般人來說,「葉黃素低下」或許不是那麼容易察覺,但維持並加強綠色蔬菜的攝取卻是每天都能輕鬆做到的預防措施,下一次在喊出「我吃飽了」之前,記得再多夾一口菜吧!及時回補你的葉黃素,別讓它偷偷溜走了。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
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

3
2

文字

分享

0
3
2
量子力學可以幫你判斷物體溫度?從古典物理過渡到近代的一大推手——黑體輻射
PanSci_96
・2024/03/24 ・3639字 ・閱讀時間約 7 分鐘

1894 年,美國物理學家邁克生(Albert Abraham Michelson)作為芝加哥大學物理系的創立者,在為學校的瑞爾森物理實驗室(Ryerson Physical Laboratory)落成典禮致詞時,表示:「雖然無法斷言說,未來的物理學不會比過去那些驚奇更令人驚嘆,但似乎大部分的重要基本原則都已經被穩固地建立了。」

以我們現在的後見之明,這段話聽起來固然錯得離譜,但在當時,從 17、18 到 19 世紀,在伽利略、牛頓、馬克士威等前輩的的貢獻之下,物理學已經達成了非凡的成就。

我們現在稱為古典的物理學,對於整個世界的描述幾乎是面面俱到了,事實上沒有人預料到 20 世紀將出現徹底顛覆世界物理學認知的重要理論,量子力學。

而這最一開始竟只是出自於一件不起眼的研究,關於物體發出的光。

-----廣告,請繼續往下閱讀-----

萬物皆輻射

在此我們要先理解一個觀念:所有物體無時無刻不在發出電磁波輻射,包括了你、我、你正使用的螢幕,以及我們生活中的所有物品。

至於為什麼會這樣子呢?其中一個主要原因是,物體都是由原子、分子組成,所以內部充滿了帶電粒子,例如電子。這些帶電粒子隨著溫度,時時刻刻不停地擾動著,在過程中,就會以電磁波的形式放出能量。

除了上述原因之外,物體發出的電磁波輻射,還可能有其他來源,我們就暫時省略不提。無論如何,從小到大我們都學過的,熱的傳遞方式分成傳導、對流、輻射三種,其中的輻射,就是我們現在在談的,物體以電磁波形式發出的能量。

那麼,這些輻射能量有什麼樣的特徵呢?為了搞清楚這件事,我們必須先找個適當的範本來研究。

-----廣告,請繼續往下閱讀-----

理想上最好的選擇是,這個範本必須能夠吸收所有外在環境照射在上面的光線,只會發出因自身溫度而產生的電磁輻射。這樣子的話,我們去測量它發出的電磁波,就不會受到反射的電磁波干擾,而能確保電磁波是來自它自己本身。

這樣子的理想物體,稱為黑體;畢竟,黑色物體之所以是黑的,就是因為它能夠吸收外在環境光線,且不太會反射。而在我們日常生活中,最接近理想的黑體,就是一點也不黑、還超亮的太陽!這是因為我們很大程度可以肯定,太陽發出來的光,幾乎都是源於它自身,而非反射自外在環境的光線。

或者我們把一個空腔打洞後,從洞口發出的電磁波,也會近似於黑體輻射,因為所有入射洞口的光都會進入空腔,而不被反射。煉鐵用的鼓風爐,就類似這樣子的結構。

到目前為止,一切聽起來都只是物理學上一個平凡的研究題目。奇怪的是,在對電磁學已經擁有完整瞭解的 19 世紀後半到 20 世紀初,科學家儘管已經藉由實驗得到了觀測數據,但要用以往的物理理論正確推導出黑體的電磁波輻射,卻遇到困難。正是由此開始,古典物理學出現了破口。

-----廣告,請繼續往下閱讀-----

黑體輻射

由黑體發出的輻射,以現在理論所知,長得像這個樣子。縱軸代表黑體輻射出來的能量功率,橫軸代表黑體輻射出來的電磁波波長。

在理想狀況下,黑體輻射只跟黑體的溫度有關,而跟黑體的形狀和材質無關。

以溫度分別處在絕對溫標 3000K、4000K 和 5000K 的黑體輻射為例,我們可以看到,隨著黑體的溫度越高,輻射出來的能量功率也越大;同時,輻射功率最高的波段,也朝短波長、高頻率的方向靠近。

為了解釋這個曲線,物理學家們開始運用「當時」畢生所學來找出函數方程式,分成了兩派:

-----廣告,請繼續往下閱讀-----

一派是 1896 年,由德國物理學家維因(Wilhelm Carl Werner Otto Fritz Franz Wien),由熱力學出發推導出的黑體輻射公式,另一派,在 1900 與 1905 年,英國物理學家瑞立(John William Strutt, 3rd Baron Rayleigh)和金斯(James Jeans),則是藉由電磁學概念,也推導出了他們的黑體輻射公式,稱為瑞立-金斯定律。

你看,若是同時擺上這兩個推導公式,會發現他們都各自對了一半?

維因近似 Wien approximation 只在高頻率的波段才精確。而瑞立-金斯定律只對低頻率波段比較精確,更預測輻射的強度會隨著電磁波頻率的提升而趨近無限大,等等,無限大?――這顯然不合理,因為現實中的黑體並不會放出無限大的能量。

顯然這兩個解釋都不夠精確。

-----廣告,請繼續往下閱讀-----

就這樣,在 1894 年邁克生才說,物理學可能沒有更令人驚嘆的東西了,結果沒幾年,古典物理學築起的輝煌成就,被黑體輻射遮掩了部分光芒,而且沒人知道,這是怎麼一回事。

普朗克的黑體輻射公式

就在古典物理學面臨進退維谷局面的時候,那個男人出現了——德國物理學家普朗克(Max Planck)。

1878年學生時代的普朗克。圖/wikimedia

普朗克於 1900 年就推導出了他的黑體輻射公式,比上述瑞立和金斯最終在 1905 年提出的結果要更早,史稱普朗克定律(Planck’s law)。普朗克假想,在黑體中,存在許多帶電且不斷振盪、稱為「振子」的虛擬單元,並假設它們的能量只能是某個基本單位能量的整數倍。

這個基本單位能量寫成 E=hν,和電磁輻射的頻率 ν 成正比,比例常數 h 則稱為普朗克常數。換言之,黑體輻射出來的能量,以hν為基本單位、是一個個可數的「量」加起來的,也就是能量被「量子化」了。

-----廣告,請繼續往下閱讀-----

根據以上假設,再加上不同能量的「振子」像是遵循熱力學中的粒子分佈,普朗克成功推導出吻合黑體輻射實驗觀測的公式。

普朗克的方程式,同時包含了維因近似和瑞立-金斯定律的優點,不管在低頻率還是高頻率的波段,都非常精確。如果我們比較在地球大氣層頂端觀測到的太陽輻射光譜,可以發現觀測數據和普朗克的公式吻合得非常好。

其實有趣的是普朗克根本不認為這是物理現象,他認為,他假設的能量量子化,只是數學上用來推導的手段,而沒有察覺他在物理上的深遠涵意。但無論如何,普朗克成功解決了黑體輻射的難題,並得到符合觀測的方程式。直到現在,我們依然使用著普朗克的方程式來描述黑體輻射。不只如此,在現實生活中,有許多的應用,都由此而來。

正因為不同溫度的物體,會發出不同特徵的電磁波,反過來想,藉由測量物體發出的電磁波,我們就能得知該物體的溫度。在疫情期間,我們可以看到某些場合會放置螢幕,上面呈現類似這樣子的畫面。

-----廣告,請繼續往下閱讀-----

事實上,這些儀器測量的,是特定波長的紅外線。紅外線屬於不可見光,也是室溫物體所發出的電磁輻射中,功率最大的波段。只要分析我們身體發出的紅外線,就能在一定程度上判斷我們的體溫。當然,一來我們都不是完美的黑體,二來環境因素也可能產生干擾,所以還是會有些許誤差。

藉由黑體輻射的研究,我們還可以將黑體的溫度與發出的可見光顏色標準化。

在畫面中,有彩虹背景的部分,代表可見光的範圍,當黑體的溫度越高,發出的電磁輻射,在可見光部分越偏冷色系。當我們在購買燈泡的時候,會在包裝上看到色溫標示,就是由此而來。所以,如果你想要溫暖一點的光線,就要購買色溫較低,約兩、三千 K 左右的燈泡。

結語

事實上,在黑體輻射研究最蓬勃發展的 19 世紀後半,正值第二次工業革命,當時鋼鐵的鍛冶技術出現許多重大進步。

德國鐵血宰相俾斯麥曾經說,當代的重大問題要用鐵和血來解決。

就傳統而言,煉鋼要靠工匠用肉眼,從鋼鐵的顏色來判斷溫度,但若能更精確地判斷溫度,無疑會有很大幫助。

德國作為鋼鐵業發達國家,在黑體輻射的研究上,曾做出許多貢獻,這一方面固然可能是學術的求知慾使然,但另一方面,也可以說跟社會的需求與脈動是完全吻合的。
總而言之,普朗克藉由引進能量量子化的概念,成功用數學式描述了黑體輻射;這件事成為後來量子力學發展的起點。儘管普朗克本人沒有察覺能量量子化背後的深意,但有另一位勇者在數年後繼承了普朗克的想法,並做出意味深長的詮釋,那就是下一個故事的主角――愛因斯坦的事了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
長者與糖友注意!濕性年齡相關性黃斑部退化病變、糖尿病黃斑部水腫恐失明,自我檢測及早治療
careonline_96
・2023/09/08 ・2519字 ・閱讀時間約 5 分鐘

「醫師,我的右眼看電線桿好像會變形。」60 多歲的陳女士說。

「經過檢查確認是黃斑部病變症狀,建議要透過眼內注射控制。」醫師問。

「眼內注射?!醫生我不敢!想到一兩個月就要施打一次我真的頭皮發麻!」陳女士驚恐表示。

「別擔心!今日濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)已經有多元的治療選擇,可以雙管齊下抑制血管不正常的增生,快速減少視網膜積液、血液滲漏,達到『速乾』的成效,有望將療程頻率拉長至 16 週、也就是近 4 個月一次。」

-----廣告,請繼續往下閱讀-----

新光吳火獅紀念醫院眼科王元聖醫師指出,黃斑部是視網膜中敏感的感光區域,是讓人感受到色彩的重要關鍵。隨著黃斑部功能衰退,我們的靈魂之窗可能會變得暗淡無色。造成原因可能和濕性年齡相關性黃斑部退化病變(Neovascular Age-related Macular Degeneration, nAMD )與糖尿病黃斑部水腫(Diabetic Macular Edema, DME )有關。

前者致病原因與年齡增長有關,源於脈絡膜不正常的增生血管,這些生長不全的血管,因為細胞間不夠緊密,水分、血液容易從血管中滲漏出,造成水腫、出血,引起濕性年齡相關性黃斑部退化病變(nAMD)。後者與糖尿病有關,源於血糖過高造成視網膜病變,進而導致糖尿病黃斑部水腫(DME),根據統計,每十位糖友約有一位發生糖尿病黃斑部水腫(DME)[1],是糖尿病患者不容忽視的併發症。

王元聖醫師說,濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)初期病程進展緩慢,且未必兩眼同時出問題,症狀不明顯,容易延誤就醫。提醒長輩與糖尿病患者,可以透過阿姆斯勒方格表(Amsler grid)自我檢測工具,初步判斷自身是否出現濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)症狀。

先遮住單隻眼睛,再注視表格中心的圓點,若左眼或右眼觀看方格中的線條,發現有所扭曲、變形、暗影,那可能就是濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)的症狀,建議盡快至眼科檢查。

-----廣告,請繼續往下閱讀-----

「50 歲以上民眾[2]、糖尿病患者、有黃斑部病變的家族病史等高風險族群,都要記得定期檢測,才能及早發現濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)症狀」,王元聖醫師強調,「黃斑部病變會損害視力,拖越久、治療效果越差。若等到黃斑部已經萎縮、結痂,便難以恢復視力,對生活造成很大的衝擊。」    

及早治療濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME),才有機會挽救惡視力

過去對於黃斑部病變缺乏有效的治療方式,患者可能漸漸失明。王元聖醫師說,漸漸有研究發現,我們可以利用雷射去處理那些不正常的血管,控制出血與滲液。但是雷射治療本身有破壞性,所以患者的視力不太會進步,甚至可能會退步。

大概在 20 年前,抗血管新生藥物被用來治療濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME),王元聖醫師解釋,眼內注射抗血管新生藥物能夠抑制新生血管的生長,幫助患者視力維持穩定,甚至有部分患者的視力可以獲得進步,所以成為主流的治療方式。針對濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME),都會建議使用這項治療。

因為要將藥物注入眼球,必須在無菌的環境下進行,利用很細的針從眼白注射藥物。王元聖醫師說,雖然過程很快,但是過往需要每一、兩個月注射一次,濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)的患者,仍有一定壓力,所以新開發的藥物都希望能夠拉長治療的間隔。

-----廣告,請繼續往下閱讀-----

王元聖醫師鼓勵,濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)的治療選擇日益多元,不僅有 1 至 2 個月施打一次的傳統藥物,可以抑制血管增生;也有新型藥物,可雙管齊下抑制血管增生再加上穩定血管,快速減少視網膜內積液、血液,治療很快就會見效。

穩定控制後,最長可約 4 個月注射一次,可減少濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)患者回診的次數,不僅接受眼內注射的壓力減少了,患者與其照護者,也不需要密集往返醫院,大大減少了交通的時間、金錢成本。患者可以依據自身對治療的想法,主動與醫師討論,以利打造個人化療程,只要治療更加穩定,患者的治療成效也有機會增加。

貼心小提醒

王元聖醫師說,濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)會嚴重損害視力,甚至造成失明,患者一定要及早察覺濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)症狀,掌握治療先機。也鼓勵民眾主動與醫師討論治療的選擇,針對濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)的治療,已有可以雙管齊下抑制血管增生並提升眼內血管穩定度的治療選擇,幫助維持視力。

且濕性年齡相關性黃斑部退化病變(nAMD)與糖尿病黃斑部水腫(DME)新型藥物有機會延長治療的間隔,最長約4個月注射一次,能夠減輕接受治療的壓力。定期檢查、及早治療,才能避免惡視力!

-----廣告,請繼續往下閱讀-----

#羅氏公益夥伴

  1. 衛生福利部台灣病人安全資訊網 2022/6/17 《我有糖尿病黃斑部水腫病變,該接受何種治療?》
  2. American Academy of Ophthalmology 2023/4/6 《What Is Macular Degeneration?》
-----廣告,請繼續往下閱讀-----