Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

我們畫出了希格斯粒子,卻從未真的看到它——《科學月刊》

科學月刊_96
・2016/05/12 ・3511字 ・閱讀時間約 7 分鐘 ・SR值 563 ・九年級

-----廣告,請繼續往下閱讀-----

1
圖/CERN

文/葉致微|曾經只為學測唸物理,現在卻為瞭解物理學家發憤自習;把粒子物理當文化觀察,以社會學理解知識的生產與傳播。現就讀於英國愛丁堡大學。

2013 年是物理學界風光的一年,位於瑞士日內瓦的歐洲核子研究組織(CERN)正式對外宣布,實驗物理學家在大型強子對撞機(Large Hadron Collider, LHC)的實驗中,發現了希格斯粒子。別稱「上帝粒子」的「希格斯粒子(Higgs boson)」,在主流的粒子物理理論「標準模型(Standard Model)」中,扮演著關鍵角色:它負責給予基本粒子(fundamental particles)質量。自 1964 年被希格斯(Peter Higgs)與恩格勒(François Englert)等數名理論物理學家提為假說後,物理學界便殷殷期盼著高能物理實驗能夠證實此粒子的存在及作用。50 年後,期待成真,高齡 84 歲的希格斯與高齡 81 歲的恩格勒,也於同年獲頒諾貝爾物理學獎。大型強子對撞機因此得以順利閉關升級,兩年之後,撞擊能量翻倍成長,來到 13 TeV(13×1012 電子伏特),新任務是在 2020 年之前,更瞭解希格斯粒子的運作機制,以及探索任何超越標準模型、超越對稱性的物理發現。

希格斯粒子的發現引發了媒體爭相報導,一時間成為科學新聞的熱門話題。為了模擬宇宙大霹靂爆炸瞬間的高能量撞擊,建造號稱人類史上最大型實驗儀器的大型強子對撞機,必須鑿開深 175 公尺,長 27 公里的地底隧道,期間耗費無數時間、金錢、人力。因此,自 21 世紀初開始建造後,即成為媒體及社會大眾關注的焦點。在對撞機正式運轉之前,媒體論述關注於對撞機的實驗風險,擔憂如此高能量的軌道撞擊,恐在地球表面引發類似黑洞的效應:以龐大的引力吞噬地球上的物質。歐洲核子研究組織認真看待媒體及社會大眾對對撞機的觀感,所以,為排除此風險疑慮,成立了一個由獨立科學家組成的安全評估小組,監督對撞機的實驗安全性。2008 年之後,對撞機開始運轉,全球金融海嘯卻延燒各國經濟;緊縮的資源,使得歐洲對純科學、探索未知的資助,在媒體及輿論的關注下,備受爭議,歐洲核子研究組織甚至面臨預算被刪減。於是,延續著十餘年來社會對歐洲核子研究組織、大型強子對撞機的關注、猜疑,希格斯粒子的發現,不僅對物理學家意義非凡,對媒體、公眾來說,也終於有線索可以嘗試理解高能粒子物理的研究貢獻與價值。

在媒體報導希格斯粒子的熱潮中,除了文字說明之外,一批色彩豔麗、線條清晰的數位影像被大量使用(例如首圖及下圖);它們像是照片,似乎捕捉了希格斯粒子在對撞機內被發現的瞬間。然而,我們真的能夠以肉眼見證比原子還小的粒子嗎?如果答案是否定的話,這些數位影像呈現出了什麼樣的事實?身為一個觀看者,這些問題縈繞在我心中,久久不去。

-----廣告,請繼續往下閱讀-----
2
圖/CERN

希格斯教授獲頒諾貝爾物理學獎的當下,我恰巧在他任教的學校:英國愛丁堡大學,開始了科技與社會研究(Science and Technology Studies)的學業。著迷於科學溝通的我,參與了多場於愛丁堡(蘇格蘭首都)及倫敦(英格蘭首都)舉行,向社會大眾溝通希格斯粒子的推廣活動。因此,在一場位於蘇格蘭國立博物館舉行的科學講座,我旁聽到一段非常有趣,與這些數位影像有關的,物理學家與社會大眾的對話:

“請問,在這些影像當中,希格斯粒子在哪裡?”──社會大眾

“其實,影像裡並沒有希格斯粒子,我們只能看見它的行經軌跡。” ──物理學家

這段對話間接回答了縈繞在我心中的疑問:我們的確無法以肉眼見證希格斯粒子的存在。但是,在圖文並茂的媒體報導、溝通推廣情境之中,觀眾似乎以為他們能夠透過影像看到希格斯粒子;不過,溝通者卻明知事實並非如此。那麼,這些影像究竟意圖呈現什麼?我想要瞭解科學溝通者使用這些影像的用意。

我訪問了上述對話中的物理學家安潔莉卡(化名)。安潔莉卡曾是希格斯的學生,目前在愛丁堡大學物理系任教,同時也參與了大型強子對撞機的實驗。因此,她十分瞭解希格斯粒子研究,也有豐富的公眾溝通、科普教育經驗。她告訴我,這些影像是在實驗結束,以實驗數據重建而出的模型。她在蘇格蘭國立博物館的講座所使用的影像,由和她一起在對撞機進行實驗研究的博士班學生設計。歐洲核子研究組織自行開發了一套數位影像製作軟體,提供給成員使用,當有人需要圖像輔助說明,特別是在公眾場合解釋希格斯粒子研究時,這些學生便將對撞機所記錄下來的實驗數據輸入影像製作軟體,篩選出畫面最清晰、線條最乾淨的資料視覺化(data visualization)結果,再輔以更生動的 3D 圖像設計、更鮮豔的色彩配置,完成一張張美觀的數位影像。這些影像在對外流通之前,需要經過內部審核;它們要被上傳到組織內的共同檔案空間,沒有成員提出任何疑慮或異議之後,才能開放使用。也就是說,這些影像並不是物理學家們拿來觀察、分析、判斷希格斯粒子是否存在的第一手實驗證據;它們是為了方便展示實驗結果,促進溝通而被創造出來的影像。

對於粒子物理學家來說,沒有人能夠親眼目睹希格斯粒子。粒子物理以量子力學為理論基礎;理論上來說,粒子具有波動性,會隨著時間移動,並產生能量與質量的轉換,所以,希格斯粒子並非具有固定形狀、位置的物質。負責給予基本粒子質量的希格斯粒子,其實是希格斯場的擾動(像是水面上的漣漪),一旦測量到擾動,便能證實希格斯場的存在。另外,對測量方法而言,對撞機每秒製造出 6 億次撞擊,裡頭的粒子以近乎光速的速度前進,撞擊後又以不到 10-22 秒的時間衰變。實驗物理學家根本來不及看到,更無法捕捉希格斯粒子,只能設計最先進的探測器,記錄衰變瞬間對撞機內的物理現象,並將之數位化。隨後,再根據衰變數據,例如:各種粒子的軌跡、動量和能量等性質,分析是否有符合理論預測的希格斯粒子衰變,間接證實希格斯粒子的存在。因此,發現希格斯粒子的過程,跟視覺上的觀察毫無直接關係,而是一連串的數據演繹;統計圖表(例如下圖),反而是粒子物理學家在社群內部經常使用的影像,它們所代表的特定數據,正好符合希格斯粒子及其衰變的物理性質。也就是說,物理學家們,其實是透過數據,「看」見了希格斯粒子。

-----廣告,請繼續往下閱讀-----
3
圖/CERN

然而,縱使安潔莉卡知道希格斯粒子無法由肉眼觀察,她仍然認為那些實驗完畢之後才設計出來的影像,對一般觀眾來說,就好比相片,逼真地呈現出希格斯粒子在對撞機裡被撞擊而出的模樣。這也是為什麼,影像中並不會顯露出實驗數據(頂多保留實驗發生時間),因為唯有如此,畫面才會像是一張張捕捉瞬間的相片,讓觀者產生身歷其境的感受。科學史學家謝平與夏佛在 1985 年出版的《利維坦與空氣泵浦》一書中,論述過「親眼見證」實驗的操作成功,對於科學能取信於人,並廣為散播,有著關鍵的作用。所以,我認為這些如相片般的生動影像,也有「親眼見證」的功能;由於親眼目睹大型強子對撞機的實驗過程,以及希格斯粒子的存在,是一件理論、實務上皆不可能的任務,因此,為了在媒體、社會大眾之間,製造「虛擬的親眼見證」的效果,粒子物理學家們運用了想像力、創造力,以及藝術天分,「具象化」了希格斯粒子的存在;而觀眾,在科學溝通、教育推廣的情境之中,除了以理智瞭解希格斯粒子的意義,更以感官、想像,去體會希格斯粒子的存在。

歐洲核子研究組織所創造出來的這些數位影像,大量的出現在科學公眾溝通的情境之中:電視、網路、報章雜誌、博物館、科學節等等。歐洲核子研究組織甚至號召藝術家,以這些影像為靈感創作,串聯出蝴蝶效應一般的親眼見證、集體共感。這種影像與觀者的互動關係,與我們的刻板印象,認為科學是理性、邏輯的;科學影像是客觀、真實的,有所不同。科學傳播的過程,在這個案例之中,是理性與感性、邏輯與美感的緊密交織。換句話說,縱使希格斯粒子並不具備可供肉眼觀察的性質,實體影像依然扮演著溝通橋樑的角色,將物理學家抽象的知識追尋「翻譯」成生動的獵捕、發現瞬間,提供社會大眾一個具象的學習媒介,領略科學的博大精深。然而,觀看者若是能反思溝通情境中,「轉譯之必須」所帶來的「失真之可能」,也許當前大舉「有圖有真相」的影像溝通文化,可以受到更多的懷疑與檢視。下次,在看到科學影像時,不妨大膽提問影像和真相、溝通者和接收者之間的交互關係究竟是什麼。


25b2916b5c49db617f52fa5ea48efee7-37-350x462

 

本文選自《科學月刊》2016 年 4 月號

延伸閱讀:

-----廣告,請繼續往下閱讀-----

地震災害 誰來負責?

臺灣自製電離層探測儀 可望預測地震

什麼?!你還不知道《科學月刊》,我們46歲囉!

入不惑之年還是可以當個科青

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3743 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

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

-----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。

0

1
0

文字

分享

0
1
0
2024 臺灣科普環島列車啟程 催生科學傳播新力量
PanSci_96
・2024/10/21 ・915字 ・閱讀時間約 1 分鐘

「2024 臺灣科普環島列車」今(21)日自臺北火車站啟程,沿著西部幹線南下,將於 10 月 21 日至 26 日搭載全臺 202 所國小學生,展開 6 天的科普環島之旅。前副總統陳建仁、國科會主委吳誠文、數位發展部部長黃彥男、交通部臺灣鐵路公司副總經理賴興隆,美、荷、法、德、英國等駐臺代表、9 家車廂參與單位代表及師生們均蒞臨開幕式。

高中生成為科學傳播新力量 助力全臺科普教育

吳主委表示,自 2016 年以來,已連續 9 年舉辦科普環島列車活動,持續推動科學教育。今年活動規模擴大,火車將在 6 天內行經 17 個縣市、32 個站點,提供超過 300 項科學實驗,讓全臺學童能從小接觸科學。

更值得一提的是,近年來國科會積極邀請全臺高中學生,透過科學培訓後上車擔任「車廂關主」,帶領國小學童玩科普;高中生們由「知識接收者」轉為「科學傳播者」的角色,不僅加深其擔任小老師的使命感,也提升科學傳播、知識轉譯及組織規劃能力。

今年有 391 位來自全臺 18 所高中的學生參與培訓,其中 162 位為女學生,突破科技領域的性別刻板印象,展現女性在科學界的力量。這些科普小老師們將於 10 月 21 日至 26 日帶著全臺各縣市、鄉鎮國小學童學習更多有趣的科學實驗,為科普教育展開多面向的正循環。

-----廣告,請繼續往下閱讀-----

2024 年的科普環島列車很不一樣! 全民一起上列車、長知識

「2024 年臺灣科普環島列車」停靠站點及時刻表

今年臺灣科普環島列車首度開放全民上車體驗,活動開放報名迅速額滿,共有360位民眾參加,8節車廂搭載不同科技主題的特色實驗,包含今年最發燒的 AI 人工智慧、半導體、衛星通訊、以及與我們生活息息相關的隔震減震知識,都設計在車廂的科學實驗活動中,讓參與活動的學生、民眾能獲得最新最熱的科技知識。各車廂活動由台灣默克集團、友達永續基金會、瑞健醫療、ASM 台灣先藝科技、國家地震工程研究中心、數位發展部、緯創資通、聯華電子科技文教基金會和上銀科技等單位規劃設計。

國科會特別感謝各參與單位的支持與合作,讓此次活動更豐富多元。科普列車活動期間,在全國各地火車站及周邊地區也同時舉辦科學市集,歡迎各地民眾經過火車站時不要錯過難得的科學體驗機會!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

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

2
0

文字

分享

0
2
0
量子科技即將走入生活?最有趣的科學知識傳播 QuBear 量子熊,來了!
鳥苷三磷酸 (PanSci Promo)_96
・2023/07/10 ・676字 ・閱讀時間約 1 分鐘

不知從什麼時候,「量子」取代了磁場、奈米,成了時興的名詞。特別是把量子與資訊兜在一起,無論是在科學或是科技上,都深具潛力。或許有一天,我們將打開以量子位元建構的量子電腦,透過量子演算法進行各種計算,並把資訊用量子傳輸的方式傳遞出去。

這樣的日子可能真的不遠了。

為了因應量子科技時代的來臨,行政院在 2022 年 3 月宣布成立「量子國家隊」,由 17 個產學研團隊組成,包含了通用量子電腦硬體技術、光量子技術、量子軟體技術與應用開發這三大領域。

「量子熊 QuBear」身為量子國家隊的推廣擔當,針對年輕世代學子,激發量子科學與科技的興趣與瞭解,將全力推動 Quantum PAY,以三大多元管道「Podcast、 Article、YouTube」進行知識傳播,內容類型含括播客、文章跟影音短片。量子熊 QuBear 除了打造線上平台,更製作多個 quantum PAY 學習模組,努力朝著建立量子熊的微學習平台,以及建構長遠的科學知識傳播生態圈的目標前進。

最後,你或許會好奇,量子熊的名字是怎麼來的?

-----廣告,請繼續往下閱讀-----

量子電腦的核心技術是量子位元 (qubit)。英文發音快一點,就跟 QuBear 有點相似,於是就裝個可愛,叫做量子熊啦!

記得看到量子熊時,幫忙按讚、訂閱,還有~開啟小鈴鐺~https://www.youtube.com/channel/UCkWM3vYaCd_VoPHQ1hrUdzA

-----廣告,請繼續往下閱讀-----