Loading [MathJax]/extensions/tex2jax.js

0

2
2

文字

分享

0
2
2

《排球少年!!》在排球場中常發出的啾啾聲,到底是什麼的聲音?──《空想科學讀本》

遠流出版_96
・2016/06/03 ・1994字 ・閱讀時間約 4 分鐘 ・SR值 483 ・五年級

-----廣告,請繼續往下閱讀-----

文/柳田理科雄

《排球少年!!》是一部看了令人熱血澎湃的作品。

Haikyu_cover
《排球少年!!》漫畫封面。圖/wikipedia

身高很矮卻有著超群的運動能力、對排球異常執著的日向翔陽,以及拜體格之賜又有著高超技術卻無法與周圍之人協調的影山飛雄,這兩位主角互相引發出彼此的能力,朝向高中排球界的頂點前進。筆者我最喜歡這類直截了當毫不拖泥帶水的運動漫畫了。

既然如此,那就單純的欣賞作品不就得了?雖然筆者我自己也如此覺得,不過有件事情無論如何都很在意。那就是這部漫畫中經常出現「啾啾」的聲音。對,那是鞋子踩在體育館地板上時所發出的聲響!這個聲音雖然在至今為止的許多運動漫畫裏都有畫出來過,但總覺得在《排球少年!!》裡出現的頻率特別高。

-----廣告,請繼續往下閱讀-----

舉例來說,這部作品雖然是在《週刊少年 JUMP》上從 2012 年的 12 號開始連載的,但從第 1 集的第 1 頁開始,畫面上就是沿線並排著的選手的腳,然後就畫出了鞋子的聲音「啾啾」「啾啾」「啾」「啾」,一共畫出 4 聲!這一格的畫面接下來的一頁才是標題頁。

換句話說,連作品的名稱都還沒出現,「啾啾」聲就已經先冒出來啦。

與《影子籃球員》比較

在體育館裡比賽球類運動的確是會發出「啾啾」的聲音。這麼說來也應該不是只有《排球少年!!》會,其他以體育館為舞台的運動漫畫也應該同樣會發出這種聲音吧?筆者我這麼一想,就試著用《灌籃高手》和《影子籃球員》等漫畫來試著做個比較吧。

首先從各作品中挑出具代表性的比賽,再試著數一下一場比賽中究竟發出過多少次「啾」聲吧。要比較這種事,最重要的就是先訂出嚴密的規則,所以規則如下:

-----廣告,請繼續往下閱讀-----
  1. 「啾啾」的話就算 2 次。
  2. 在球賽還在進行的情況下,只有畫出參賽選手的畫面才能算進「比賽的畫面」中。

將一場比賽裡的「啾」聲次數除以比賽的畫面格數,此定義為「啾率」。

就先從籃球漫畫的金字塔《灌籃高手》中湘北 vs 山王工業的這場比賽開始吧。這是《灌藍高手》連載時最後的一場比賽,也是高中聯賽的第 2 場比賽。其中符合第 2 條規則的畫面共有 1555 格,而發出的「啾」聲共有 61 次。在此情形下「啾率」為 3.9 %。

另一部名作籃球漫畫《影子籃球員》則選出冬季杯準決賽之成凜 vs 海常之戰。這場比賽共有901格,「啾」聲有81次,所以「啾率」為9.0%。喔,這頻率是《灌籃高手》的2倍以上。

然後在《排球少年!!》裡挑出的則是高中聯賽宮城預賽第 2 場的烏野 vs 伊達工業之戰。比賽畫面的格數還真是出乎意料的少,只有 287 格,然而「啾」聲卻出現了 88 次,是這 3 部作品中最多的,「啾率」竟然高達 30.7 %

-----廣告,請繼續往下閱讀-----

153

這太強了吧。

平均每 3.3 格就發出一聲「啾」,啾啾啾啾啾啾啾啾啾啾啾啾啾……啊!吵死人啦!!

體育館的地板光可鑑人嗎?

從科學的角度考量,這種啾啾聲是一種「自激振盪」(Self-exciting oscillation)的聲音。所謂自激振盪,是指對物體持續給予能量時所產生的振動。在我們身邊就有許多例子,例如盪鞦韆越盪越高的時候,寒風吹動電線所發出的聲音等等。

自激振盪有許多種模式,在《排球少年!!》裡所發生的,是某種具有彈性的物體在具有摩擦的平面上擦過時所產生的自激振盪。

-----廣告,請繼續往下閱讀-----

除此之外,例如小提琴,是用馬毛製成的弓(平面)與金屬或合成纖維製成的琴弦(有彈性的物體)互相摩擦而發出聲音的。行駛中的車輛突然煞車時發出的「嘰嘰」聲,則是來自柏油路面(平面)和橡膠輪胎(具有彈性的物體)互相摩擦所發出的聲音。

用指甲刮黑板時發出的令人毛骨悚然的難聽聲音,以及用手指在洗乾淨的碗盤上搓動時發出的啾啾聲,全都是基於自激振盪所發出的。

在運動漫畫裡的「啾啾」聲,有摩擦的平面就是體育館的地板,而有彈性的物體就是球鞋鞋底。

摩擦而產生的自激振盪,經常發生於「具有彈性的物體,在具有適度摩擦力的光滑平面上擦過」的情形下。相反地,當平面被砂土或油脂弄髒時,摩擦力會減少,就無法產生自激振盪了。

-----廣告,請繼續往下閱讀-----

換句話說,地板太髒的話就不容易發出啾啾聲

156
為了讓地板發出「啾啾」聲必須有條件

意思是,《排球少年!!》裡進行比賽的體育館,比起其他運動漫畫的比賽場地的地板擦得更乾淨,不然就是這些登場的選手全都穿著光鮮亮麗的嶄新球鞋……吧?雖然從科學上來說就是這麼回事,不過真的是這樣嗎?


0

 

 

《公主踢騎士》遊戲中,把士兵踢飛幾十公尺遠的飛踢公主到底多神力? 《飆速宅男》中那種傾斜了 70 度的搖擺抽車,實際上會有效嗎?那些動漫裡的「超」科學。是內容超級合乎科學,還是超越科學解釋範圍呢? 且看日本科普大師柳田理科雄最新力作《空想科學讀本:這部動漫超科學》,遠流出版。

 

 

-----廣告,請繼續往下閱讀-----
文章難易度
遠流出版_96
59 篇文章 ・ 30 位粉絲
遠流出版公司成立於1975年,致力於台灣本土文化的紮根與出版的工作,向以專業的編輯團隊及嚴謹的製作態度著稱,曾獲日本出版之《台灣百科》評為「台灣最具影響力的民營出版社」。遠流以「建立沒有圍牆的學校」、滿足廣大讀者「一生的讀書計畫」自期,積極引進西方新知,開發作家資源,提供全方位、多元化的閱讀生活,矢志將遠流經營成一個「理想與勇氣的實踐之地」。

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

2
0

文字

分享

0
2
0
賽道上高溫與摩擦的平衡!賽車最重要的配件「剎車」——《黏黏滑滑》
晨星出版
・2023/01/06 ・3272字 ・閱讀時間約 6 分鐘

度影響剎車的抓力

雖然似乎有點違背直覺,但是煞車是高速駕駛不可或缺的一環。不管是在哪個賽車場,駕駛的目標之一就是保持在賽道的最佳路徑(racingline)—繞行賽道的最短路徑。所以駕駛過彎時不會沿著急轉彎處長長的外彎道前進,而是「夾著」彎道的內側,稱為彎頂點(apex,即過彎路線中最接近彎道內側的點)的地方,以將他們必須行駛的距離縮到最短。

這麼做需要非常精準的煞車:要在剛剛好的時間對煞車踏板施予剛剛好的壓力。當他們辦到時,駕駛就會出現在賽道轉彎處的絕佳位置,且依然帶有征服下一段賽程所需的速度。但是這樣的開車方式會耗損煞車;而且有些賽道沒什麼機會可以讓煞車冷卻。

以世界知名的摩納哥街賽道來說。雖然僅長3.34 公里(2 哩多),是F1 賽程中最短的賽道,但是卻必須不斷踩煞車和加速。煞車製造商布雷博(Brembo)指出,2019 年賽季中,駕駛們每一圈使用煞車 18.5 秒,多過總賽程的四分之一。

在需求最高的轉彎處,汽車要在不到 2.5 秒的時間內將時速從 297 公里(185 哩)減至 89 公里(55 哩);這會將大量動能快速轉換成熱能,難怪煞車碟盤會冒出火花。為了要負荷這樣龐大的熱負載,製造商在每個煞車碟盤的邊緣鑽入細小的徑向孔—數量超過 1000 個。

-----廣告,請繼續往下閱讀-----

這樣的小孔可以增加煞車碟盤的表面積,比較容易散熱。但是也具有通氣孔的功能。與安裝在各個輪框上的大型冷卻管相結合時,可以把冷空氣拉入煞車碟盤中心,把熱空氣從邊緣帶走。還有個額外優點,這些F1 煞車碟盤相當輕,重量約各為1 公斤(2.2 磅),相較之下,差不多大小的鑄鐵煞車碟盤則為 15 公斤(33 磅) 。

所以為什麼不全面使用這種煞車碟盤呢?有個原因是價格—每片煞車碟盤可能要價高達 2000 美元(約 1500 英鎊) ,而且要六個月的時間才能製成。它們也不太耐久,通常每次比賽後就得更換。最後,它們受限於一定的工作溫度,只能處於 350 ∼ 1000℃。

低於溫度下限時,它們幾乎不具有停止能力—煞車片與煞車碟盤無法產生足夠的抓力。但是如果煞車的溫度高於上限值太久,則會災難性地失靈。如馬歇爾對我描述的,「彷彿在踩縫紉機。當這種狀況發生時,煞車碟盤耗盡『材料』的速度有多快,簡直難以置信。」

科技有助於車隊和駕駛控制他們的煞車,但是就跟 F1 的大部分狀況一樣,沒那麼簡單。冷卻管的大小與形狀可控制流經煞車碟盤的空氣量,所以你可以想像管子愈粗愈好。

-----廣告,請繼續往下閱讀-----

但是如 F1 傳奇工程師帕特.西蒙茲(PatSymonds)告訴《賽車工程》(Racecar Engineering)雜誌的,冷卻有其後果:「遇到像蒙特羅這樣需要一直踩煞車的賽道,我們被迫使用一些該賽季最粗的管子。從最細的冷卻管換到最粗的冷卻管,會犧牲 1.5%的空氣動力學效率,這代表最高速度時速會減少 1 公里。」

我可以想像這會引發車隊的煞車工程師與他們的空氣動力學家爭辯。就連測量煞車配件的溫度都不容易。馬歇爾告訴我,在奧斯頓馬丁 F1 車隊中,他們會在煞車片的安裝托架中埋入高溫的熱電偶,和一系列直接朝向煞車碟盤的遠紅外線感測器。電視轉播賽事時偶爾會出現的彩色熱影像,主要是為了給我們這些觀眾看—顯示出他們建議的最高溫度。

剎車片的抓力在彎道時高速剎車時至關重要。圖/envatoelements

摩擦介面與溫度控制

煞車片與煞車碟盤之間還有另一個重要的過程是磨耗。所有滑動與摩擦都會對兩個表面造成實質傷害;每次煞車作動,兩者都會有微粒破裂。在煞車系統的使用期間,這會逐漸降低材料的摩擦係數—換句話說,會失去它們的抓力。

但這不只是因為彼此的表面被「磨光」,或是失去黏性。磨耗也會形成摩擦膜(tribofilm)這種東西—煞車片與煞車碟盤相接觸時壓碎的一層非常薄的細粒狀材料。「談到磨耗與摩擦力,摩擦膜非常有影響力,」英國里茲大學(University of Leeds)的沙赫里爾.柯沙利(Shahriar Kosarieh)說。

-----廣告,請繼續往下閱讀-----

「我們把這層膜視為『第三體』,因為儘管它是由互相滑動的那兩種材料製成,其化學與機械性質還是與那兩種材料不同。」關注各式各樣市售鑄鐵煞車片的德國研究人員發現,無論煞車片是什麼材質,形成的摩擦膜總是會受到氧化鐵(Fe3O4)控制,其他成分的影響力則相當微弱。

「摩擦膜會控制散熱,且能減少摩擦力—它會主導性能,」柯沙利繼續說道。「煞車製造商很清楚這一點,調配自己的煞車片配方時會考量這一點。煞車片與煞車碟盤要互相搭配,才能產生最佳性能。只要你更動了任一個材料,就會改變界面產生的結果。」

柯沙利最近的研究關注鑄鐵煞車碟盤輕量替代物的摩擦表現,這些輕量煞車碟盤主要都是鋁製。不只有他這麼做—整個汽車產業都對減輕重量很執著,主要是因為汽車的重量愈輕,消耗的燃料就愈少,環境影響也愈少。目前是以鋁為主流。

「那是一種低密度金屬,約比灰鑄鐵(grey cast iron)還低 2.5 倍,所以減輕重量的可能性很高,」他跟我在電話中閒聊。「鋁的導熱性也很高,在表面形成的氧化物也具有一些防蝕效果。」把鋁合金與碳化矽等硬質陶瓷材料結合也能提升其強度。

-----廣告,請繼續往下閱讀-----

「但是鋁的問題在於當溫度高於400℃時會開始熔化。就煞車而言,這代表摩擦力突然銳減,也是你能想像最糟的狀況。所以更加促使工程師更努力找出方法,既能讓表面有比較好的熱穩定性,使用壽命又能更持久。」

工程師致力於找出剎車在溫度與磨損上的平衡。圖/envatoelements

對柯沙利而言,最有意思的其中一種方法是電漿電解氧化(plasmaelectrolytic oxidation, PEO),這是用一個電場在鋁的表面形成一層複雜又高度耐磨的薄層。當他測試各種不同以電漿電解氧化處理過的鋁盤性能時,發現有些可以撐過約 550℃。不過,許多案例的摩擦係數太低—低於實際煞車系統所需的最低閾值。

柯沙利並不洩氣。「煞車是整個系統一起作動。如果你拿到一個新的煞車碟盤,那你也需要把對位碟盤調整到最佳狀態。製造商設計出專供電漿電解氧化塗層煞車碟盤使用的新煞車片配方。」我只找到幾篇已發表的研究,結合了電漿電解氧化煞車碟盤與這些新的摩擦片,但是結果看起來大有希望。輕量的鋁製煞車在未來的道路車輛上可能有機會亮相。

F1 在 1970 年代晚期為它們的煞車碟盤和煞車片找到了不同的解決方法,從那時候起就沿用至今:一種稱為碳-碳(carbon-carbon)的材料,在石墨基質裡包埋高度有序的碳纖維。其散熱效果非常好,所以也用在太空梭上。雖然它聽起來可能跟F1 賽車底盤用的碳纖維很類似,但其實是非常不一樣的猛獸。

-----廣告,請繼續往下閱讀-----

製造碳-碳很緩慢且複雜,此材料是由原子薄層堆疊成層。它在摩擦力方面勝出,提供的抓力比傳統煞車配件高 2 倍(在其理想工作溫度範圍內)。但是那並非魔法。在競速的壓力之下,這種材料終究會磨耗殆盡,部分是由於摩擦,但也有化學方面的因素。溫度上升時,碳-碳會與空氣中的氧氣產生反應,而氧氣會提高其劣化程度。你有時候會看到F1 駕駛大力踩煞車時冒出黑塵,這就是原因。

藉由感測器數據調整剎車系統

這個過程代表車隊需要監測的煞車項目不只是溫度。馬歇爾跟我說,他們會使用壓力感測器留意流經管子的氣流。他們也有針對磨耗的電子感測器,可以測量胎側的活動。

「我們使用這些儀器測量煞車片還能接觸煞車碟盤多久。由此可以推論總磨耗程度—也就是煞車片與煞車碟盤的磨耗總和。」為了推算總磨耗比例與煞車片的關係,以及對煞車碟盤的磨耗程度,車隊會把感測器數據對照以往試駕和賽事所蒐集的煞車數據。

「我們可以從所有資料中追溯比賽時的磨耗速率。如果太快,我們可以調整煞車平衡,以免磨耗最高的車輛壽終正寢,或可以請駕駛找一些乾淨的空氣冷卻煞車。」不管怎麼做,目標都是確保駕駛在需要的時間和地點擁有阻擋能力。任一賽季都會面臨數以千計的彎道,這些系統,當然還有駕駛,都表現卓越。

-----廣告,請繼續往下閱讀-----

——本文摘自《黏黏滑滑》,2022 年 11 月,晨星出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

0

2
0

文字

分享

0
2
0
挖個從美國通到中國的洞,然後跳下去會怎樣?──《然後你就死了》
臉譜出版_96
・2019/02/18 ・2872字 ・閱讀時間約 5 分鐘 ・SR值 512 ・六年級

你在長大過程中(應該是小時候),或許曾心血來潮,想挖個從美國通到中國的洞。你甚至可能動手過,在海灘挖了差不多一公尺。

現在你年紀增長,更有毅力了。假設你下次到了海邊,完成童年時的未竟志業,挖了個穿過地球、深達八千哩(約一萬兩千八百公里)的洞,然後一股腦跳下去。

接下來會怎樣?

如果你從美國大陸開始挖,最後會溺斃在印度洋。若想在美國挖洞,最後在乾燥的陸地上冒出,得從夏威夷海灘上開始挖,最後你會在波札那的狩獵保護區冒出來。圖/pixabay

-----廣告,請繼續往下閱讀-----

問題一:起點很重要

首先,得看你從哪裡開始挖。你的確切起點很重要。別以為中國就在美國的對面。這是錯誤的觀念。事實上,如果你從美國大陸開始挖,最後會溺斃在印度洋。若想在美國挖洞,最後在乾燥的陸地上冒出,得從夏威夷海灘上開始挖,最後你會在波札那的狩獵保護區冒出來。

問題二:摩擦摩擦,直到你剩一攤爛泥

但從夏威夷開始挖也有問題。地球外殼的旋轉速度比內部要快得多,和旋轉木馬一樣。你站在夏威夷海灘上,會比地球核心的移動速度每小時快八百哩(約一千兩百八十七公里)。因此,當你跳進洞裡之後,會一路摩擦著岩壁往下,而朝著另一頭往上時,背部也會摩擦岩壁。

要是摩擦速度慢,你只會輕微擦傷。但高速墜落時,持續擦傷會把你的皮膚與骨頭磨光,直到你只剩一攤爛泥。

地球外殼的旋轉速度比內部要快得多,和旋轉木馬一樣。高速墜落時,一路摩擦岩壁會把你的皮膚與骨頭磨光,直到你只剩一攤爛泥。圖/wikimedia

-----廣告,請繼續往下閱讀-----

要避免摩擦致死,最聰明的方法是從南極或北極開始挖,這裡地表的旋轉速度與核心的旋轉速度差不多。

這是第一步驟。不過,跳進穿過地球的洞穴,風險可不只擦傷致死而已。

人體在海平面以屈體墜落時,終端速度約為時速兩百哩(約三百二十公里)。以這種速度墜落八千哩需要四十小時。換言之,你大可以照一般的方式訂機票,中間經過轉機幾次的折騰後,便能抵達波札那。但假設你不趕時間,花四十小時也無妨。只是,你仍舊不可能通過地球。

問題三:重量減少、空氣密度增加,讓你「漂」在半途

你在幾秒鐘之後,速度就會慢下來。原因有二。

-----廣告,請繼續往下閱讀-----

首先,接近地球中央時,就沒有那麼多的地球重力把你往下拉,這表示你的重量會減少 ,墜落速度也跟著變慢。但第二個原因則比較危險:空氣變厚重。

海拔八千八百四十八公尺的聖母峰是地球最高點,那高度沒有太多大氣來壓縮空氣,因此地表的空氣會比較稀薄,只有受過良好訓練的登山者才可能生存。

你往反方向前進時,則會發生相反的情況。

由於上方的大氣增加,你墜落過程的空氣也會越來越受壓縮。你才僅僅墜落六十哩(不到全程的一%,約九十七公里),空氣的密度已和水一樣。你會下沉一會兒,但後來就達到平衡狀態,屆時空氣和你的密度一樣。因此,你永遠會「漂」在地球裡。

-----廣告,請繼續往下閱讀-----

屆時空氣和你的密度一樣。因此,你永遠會「漂」在地球裡。圖/pxhere

由於大氣壓力會擠壓你的氣室,因此你在地球內部的密度也會比目前還高,並且沉得比你預期得深。但你還是到不了地球的另一端。

顯然,這個沙坑需要重新設計一下。要解決空氣密度的問題,就是抽光隧道中的空氣再封起,使之成為長長的真空管。這就解決了漂浮與移動速度太慢的問題,你現在會以時速一萬八千哩的速度(約兩萬九千公里),尖叫著通過地球中心,而非卡在半途。

問題四:超高溫將你全身汽化

可惜,這條隧道還是不能安全使用。俄羅斯人曾挖掘過世界上最大的沙坑,他們證實:地球中心太熱了。

-----廣告,請繼續往下閱讀-----

俄羅斯的沙坑稱為「科拉超深鑽孔」(Kola Superdeep Borehole),是一項從一九七○年開始、為期二十二年的龐大計畫,目的只是想了解他們能挖得多深。蘇聯在一九八九年已經挖到四萬呎(十二.四公里),後來因為鑽頭焊接處遇到高溫熔化,計畫才告終。即使他們才挖了地球不到○.一%的深度,溫度即已上升到一百八十度。

根據經驗法則,從地表往下每挖一百呎(約三十公尺),溫度就會上升攝氏約零.五六度,也就是墜落兩秒,你大概就會覺得變暖○.五六度。沒什麼大不了。但你在新真空管中,會加速得非常快。

三秒後,隧道中的溫度會提高一.五度,三十秒後,就和烤箱一樣暖。這可不舒服,但你卻能存活超長一段時間。十八世紀,英國科學家查爾斯.布萊格登爵士(Sir Charles Blagden)把一間房間加熱到一百零五度,在裡頭坐了十五分鐘,毫髮無傷地走出來。不過,布萊格登爵士所在的房間不像你的隧道那樣越來越熱。三十秒後,你或許還活著,但這個洞會繼續變熱。再過三十秒,你前進十三哩(約二十一公里),溫度已經抵達五百三十八度。若你帶了加熱即食的披薩,這時已可以吃了,當然你自己也已經熟了。

你在新真空管中三秒後,隧道中的溫度會提高一.五度,三十秒後,就和烤箱一樣暖。再過一分鐘,若你帶了加熱即食的披薩,這時已可以吃了,當然你自己也已經熟了。圖/pxhere

-----廣告,請繼續往下閱讀-----

但情況越來越糟。你仍無法抵達地球另一端。

地球中心的溫度高達六千一百度,比太陽表面還燙。在那溫度下,你的身體會立刻汽化,電子遭撕碎,剩餘部分也將變成零碎的電漿。

所以,我們又得繼續更改你的隧道設計。

如果我們把這隧道的隔熱功能做得非常、非常好(當然不可能做到)。你能順利抵達嗎?

-----廣告,請繼續往下閱讀-----

問題五:能量守恆,小心變成地球版盪鞦韆

設沒有撞到隧道的岩壁,且排除了導致速度變慢、抵達另一端時身體東缺一塊西缺一塊的因素,那麼你在時速一萬八千哩的情況下,只要十九分鐘即可來到地球中心。一旦你通過中心,速度又會開始變慢,因為地球會開始把你拉回。但就像遊樂場的鞦韆,你的動能會把你推回一開始的高度──在這情況下,就是地球的另一邊。

假設排除了上述所有問題,只要十九分鐘即可來到地球中心。但就像遊樂場的鞦韆,你的動能會把你推回一開始的高度──就是地球的另一邊。圖/pxhere

如果忽略目前科技無法在地球核心的極端溫度與壓力下挖掘的問題,你可能抵達地球另一端嗎?可以!大約三十八分十一秒,即可抵達地球另一端。到時候要扶好彼端的地面。

要是沒扶好,你就得重來一遍了。

 

 

本文摘自《然後你就死了:被隕石擊中、被鯨魚吃掉、被磁鐵吸住等45種離奇死法的科學詳解》,2018 年 5 月,臉譜出版。

-----廣告,請繼續往下閱讀-----
臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。