科技報導3月號 447期

※科技報導447期PDF檔請點此下載




產官學研   特效技術影響電影產業十載 馬萬鈞日前返臺分享心路歷程
產官學研   遁入時空回溯記憶 獨特腦波現象將成證據?
產官學研   NASA計畫打造全新望遠鏡 搜尋更多系外星體
產官學研   機器學習用於預測及分析地震活動
產官學研   新創3D模型將可預防社區犯罪
產官學研   奈米科技加持 老鼠也能看見紅外光
科技與人文   臺灣原生魚的守護者-裕民國小鍾宸瑞老師專訪
科學文摘   我把望遠鏡放在格陵蘭了!臺灣天文學家的極地冒險
科學文摘   從海恩法則談臺鐵普悠瑪失事的結構性問題
科學文摘   作曲家腦中的達爾文
科技產業   從仿生學解碼大自然色彩之謎
科技產業   福衛七號衛星計畫 將有助於提升氣象準確度


奈米科技加持 老鼠也能看見紅外光

【本刊訊】在生物的視覺中,人類與其他哺乳動物僅只能觀看約390~700奈米(nm)的可見光波長。而光譜上其它的電磁波,如紅外光、紫外光等,也同樣存在於生活周遭。人類與動物的身體在發熱時會散發出紅外光,而一般的物體也同樣可以反射紅外光。由於紅外光的波長太長,人類及哺乳動物眼睛內的受光體無法吸收,導致無法透過肉眼察覺紅外光的存在。近日,由中國科學技術大學(University of Science and Technology of China)及美國麻薩諸塞大學醫學院(University of Massachusetts Medical School)的共同研究團隊於《細胞》(Cell)發表的研究顯示,利用奈米技術增強視力的小鼠能夠同時觀看到可見光與紅外光。研究團隊在小鼠的雙眼注射奈米顆粒,使小鼠擁有紅外光視覺長達10週,即使在白天也能夠看見紅外光,並且副作用極小。

在電磁波譜中可見光只佔一小部分的波長,而其它不論比可見光更長或更短波長的電磁波皆可夾帶大量的資訊,應用價值極高。但人類等哺乳動物無法直接看見紅外光,為了克服這項問題,研究團隊製造出的奈米粒子可以緊密地固定在眼睛的感光細胞上,並成為雙眼中紅外光的轉換裝置。當紅外光進入視網膜時,這些奈米顆粒將可捕獲紅外光,並將其轉換後釋放出可見光波長範圍的光線。最後感光細胞可以吸收較短的波長並向大腦發送信號,於是雙眼便能「看見」紅外光。研究團隊表示,奈米顆粒能吸收波長約980奈米的紅外光,並將其轉換為535奈米的可見光,在一般人眼裡紅外光看起來如同綠色的光線。研究過程中為了測試小鼠是否能夠真的看見紅外光,團隊設置一系列的迷宮,並在白天的條件下進行紅外光測試。小鼠也順利完成相關的測試。

新創3D模型將可預防社區犯罪

【本刊訊】近日由美國華盛頓州立大學(Washington State University)的研究團隊發布於《應用地理》(Applied Geography)的研究表示,團隊開發出一種新的3D模型技術,可以幫助警政司法等單位事先預測可能發生竊盜事件的地點。團隊透過華盛頓州斯波坎(Spokane)地區建構出部分城內的社區3D模型,其可顯示出社區內竊賊可能潛入房屋內部的門窗等出入口。

研究團隊在數年的時間內,利用高解析度的航空照片及現場觀察建構社區模型。這個社區模型不僅可顯示出斯波坎地區中住戶的每扇門窗,還能顯示社區內的圍欄、停車場、倉庫及景觀植被的位置、類型與高度等資訊。研究團隊表示,開發這項模型的目標在於提供一項客觀的工具,用於量化自然監控(natural surveillance),並顯示出社區周遭建築出入口在環境內的可見程度。過去的研究顯示,自然監控在竊案發生時,竊賊挑選特定門窗的過程扮演相當重要的角色,但麻煩的是,要量化這個概念著實不易,然這項研究可望達成量化自然監控的目標。

研究人員表示,要觀察及分析社區內各個可能發生竊盜事件的地點多如毛牛,且需同時考量可能會阻礙觀測者視線的周圍建築和景觀特徵,及觀測該區域的便利性。而新開發的模型將可克服重重難關,舉例而言,研究人員可以選定任意地點,以擬真的3D模型顯示並建構出該位置與周遭環境的可見程度。目前研究團隊在近5年來,已在斯波坎地區應用這項模型分析發生過竊盜案件的地點,並試圖找出遭竊地點入口的可見程度與被闖入可能性之間是否存在關聯性。

機器學習用於預測及分析地震活動

【本刊訊】機器學習(machine learning)為人工智慧領域的分支,近1、20年來被廣泛地應用於各項領域之中,如統計學與機率相關理論等。機器學習是能讓電腦自我學習的一種演算法,其允許電腦從大數據當中識別、預測及讀取相關資料的訊息,並從中取得資訊的規律性。而機器學習的方式通常藉由解讀數據本身,而非參考現實世界中資料背後的物理機制。目前這些運算方法已成成功應用於數位圖像及語音辨識系統等其它領域。而在近年,隨著地震數據分析與運算能力不斷地提升,越來越多的地震專家將目光投注於機器學習上,以深入瞭解地震的形式及預測地震活動為目標。

就在近日,美國地震學會(Seismological Society of America)研究人員在《地震研究快報》(Seismological Research Letters)發布研究,當中提到團隊利用機器學習方法訓練電腦對地震活動進行預測,找出地震震央,並識別出不同類型的地震波,將這些地震活動與其他類型的地面運動模式進行區別。來自美國哈佛大學(Harvard University)、洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory)及加州理工學院(California Institute of Technology)的共同研究團隊表示,目前已有越來越多的地震專家將目標投入於機器學習之中,藉由擴增地震相關的數據資料、提升電腦運算能力及利用全新演算法,試圖開發機器學習的潛在運用價值。