Ultra-thin Silk Fabrics / Membrane Structures› Japan's Top Inventions

Pic of the day: John Singer Sargent (1856-1925) was the preeminent portrait painter of his day, a specialist in flattering his sitters (mostly female) but also capturing their character and social standing. This portrait is one of his greatest triumphs, a likeness of Gertrude Agnew, the beautiful wife of Sir Andrew Agnew, 9th Baronet of Lochnaw. @everyone @topfans Real Art #realart #art #portrait

John Singer Sargent

Lady Agnew of Lochnaw

1892

NHK
https://www3.nhk.or.jp › ... › Japan's Top Inventions
Top site for you

Ultra-thin Silk Fabrics / Membrane Structures




The stories behind hit Japanese products, plus top creations for niche markets. This time: ultra-thin silk fabrics and membrane structures.

動物對地球磁場的「磁感知力」（magnetoreception）三種機制。(東海物理晨間劇場（開學了QQ）：早安科學新聞 其之21)

 

東海大學應用物理系

東海物理晨間劇場（開學了QQ）：早安科學新聞 其之21

候鳥不需要Google Map，能跨越大陸與海洋，正確抵達數千公里外的棲息地；即使看似弱不禁風的蝴蝶，也具有飛越大西洋，從西非抵達南美洲壯舉的能力；鮭魚能從大海中回到河川，逆流而上回到出生地。這些現象背後的關鍵，可能是動物對地球磁場的「磁感知力」（magnetoreception）。

目前已知的動物磁感受機制主要可分為三種：自由基對機制（radical-pair mechanism, RPM）、磁鐵礦機制（magnetite-based mechanism），以及近年來被提出的MagR 蛋白機制（magnetoreceptor protein mechanism）。這三種機制涉及不同的生物結構與物理現象，從化學反應到奈米級的磁性晶體，對於磁場的感測精度甚至可以直逼量子力學極限。希臘克里特大學（University of Crete）的物理學家，透過理論與計算模擬，探討了這些機制的能量解析極限（Energy Resolution Limit, ERL）。樣子跟測不準原理有點像：

（磁場解析度的平方×量測體積×量測時間）／（2×真空磁導率μ0）≧ℏ（化約普朗克常數）

用體積越大的量測機制、越長的量測時間，「可能」可以得到越好（越小）的磁場解析度。說「可能」的意思是，上面是個不等式，這是量子力學設下的極限，你的磁場解析度只能更糟不能更好。

「自由基對」機制是目前最被廣泛接受的生物磁感測模型，在鳥類的導航研究中有許多證據支持。在鳥類的視網膜中存在一種稱為隱藍蛋白（cryptochrome）的光敏蛋白，當光子打在這些蛋白上時，會激發電子並產生一對自由基對。自由基是指擁有未成對電子的分子，具有高度的化學活性，這也是我們一般會說「自由基對健康不太好」的原因，因為活性太高比較容易發生一些本來不該發生的化學反應。

成對的自由基電子自旋可以處於兩種量子態：即兩個電子自旋角動量方向相反的單一態（singlet），或是自旋方向相同的三重態（triplet）。當外部有磁場擾動時，自由基對的自旋態可以在這兩種狀態之間進行量子疊加和轉換。

再來是磁鐵礦機制（Magnetite-Based Mechanism），這個大家就很熟悉了，許多動物，包括鮭魚、海龜、鯊魚與鴿子，鼻腔、腦部等部位體內有微小的磁鐵礦（magnetite, Fe₃O₄）晶體，能像指南針般感應地球磁場的變化。地球磁場會讓這些小磁鐵產生偏轉，進而影響神經細胞離子通道的開關，轉化為神經訊號。

MagR 蛋白質則是近年磁感知力研究中崛起的新角色。MagR 是一種富含鐵硫簇（iron-sulfur cluster）的蛋白質，與隱藍蛋白（cryptochrome）結合形成複合體，可能在動物的磁感受中扮演重要角色。

在本研究中，透過蒙地卡羅模擬（Monte Carlo simulations）研究了這幾種方式的磁性感測靈敏度：

1. 自由基對的 ER ~ 1.2ℏ，已經逼近量子力學極限，地球的磁場雖然不大，但是這種機制已經足夠靈敏，可以作為導航的基礎。

2. 腦袋裡的小磁鐵的精密度就比較低，ER ~ 100萬ℏ。這不會太糟糕嗎？其實是作用的面向不同，我們各種感官的感應能量，對同一類的訊號（聲、光、觸、味）都有大尺度與小尺度兩種機制，大尺度的機制提供一個穩定、不太受環境擾動影響的基礎平台，再以小尺度的機制來進行高解析度的分辨。假如所有的感官都是高靈敏度的話，「全身敏感帶」的我們大概沒兩下就會被環境的變化弄到起肖。

3. 讓人驚訝的是新發現的MagR蛋白，在特定磁場範圍下，ER居然可以低到0.1ℏ，等等，這不是突破了量子力學極限嗎？會不會太扯？研究團隊認為，這不是量子力學要被推翻了，而是因為我們對MagR的機制不夠了解，它可能跟更多的分子複合後才具有感測磁場的能力，也就是在 ER 公式中，「體積」的部分被低估了，這個機制牽涉到的分子應該更多，體積至少得大個十倍才行，因此有進一步研究的必要。

前兩種「自由基對」與「磁鐵礦晶體」的感測方式，已經提供了生物對於磁場感測的「高低配」，看似已經足以讓生物順利進行長距離導航；至於MagR的機制與角色，還需要更多的研究。

這個研究，發表於 2025/01/16 的「Physical Review X」。

超中二物理宅雜記

話都給我說就好 其之493

圖上：從這個研究看來，萬磁王其實也可以透過磁場來控制神經細胞的活動，進而操控生物的行為喔！（X-MenⒸMarvel）

圖下：磁場量測方式五花八門，紅色線是量子力學極限，越靠近紅線的精密度越高，量子超導干涉儀（SQUID）與射頻氮空位奈米鑽石（RFNVD）有超高靈敏度。

氣象學界認為，未來應結合AI與傳統數值預報，發揮兩者優勢。最合理的方式應該還是讓AI與數值預報共存。(日經新聞 Joel來談日本 )

 

Joel來談日本

氣象學的傳統預報方法，現在正逐漸被人工智慧（AI）技術超越。美國Google開發的最新氣象預測AI，其準確度已超過全球最先進的傳統預測模型。這項技術不僅降低對大型超級電腦的依賴，還可能更有效應對因地球暖化而日益極端的天氣變化。

Google旗下的AI研究部門DeepMind，由Ilan Price領導的團隊，開發了名為「GenCast」的AI氣象預測系統。這項技術的研究成果已於2024年12月發表在英國科學期刊《自然》（Nature）上。GenCast的預測準確度優於歐洲中期預報中心（ECMWF）使用的全球最高水準數值預報模型「ENS」，並且能迅速產出天氣預測結果。

研究團隊讓AI學習了1979年至2018年的全球氣象數據，並用它來預測2019年的天氣變化。結果顯示，在地表溫度、降水量等1300多項指標中，GenCast的預測有97%優於ENS。與傳統基於物理氣象學的「數值預報」相比，AI方法的主要優勢在於速度。數值預報需透過方程式解析大氣流動，計算複雜且耗時，而AI只需學習歷史數據，便可透過統計方法預測未來的天氣變化。

使用Google開發的AI專用晶片「TPU」，GenCast可透過雲端運算，在約8分鐘內計算出未來15天的天氣變化，包括颱風的行進路徑。相比之下，傳統數值預報需要使用超級電腦，計算相同範圍的預測則需數小時。AI技術不僅能大幅縮短預測時間，還能降低計算成本。此外，在2019年重創福島縣等地的台風19號案例中，GenCast成功計算出與實際觀測結果極為接近的颱風路徑，顯示其高精確度。

目前，全球多家企業與研究機構正積極開發AI氣象預測技術。除了Google之外，美國國家海洋暨大氣總署（NOAA）也已開始試驗AI預測模型。此外，中國華為（Huawei）推出的「盤古氣象模型」在2024年6月獲歐洲中期預報中心認可，研究指出其預測極端天氣事件的精準度與傳統方法相當，並具備發展潛力。

然而，AI氣象預測仍面臨挑戰，最大問題是「可解釋性」不足。當AI預測結果與實際天氣發生明顯誤差時，很難判斷錯誤來源，無法像傳統數值預報般透過修正計算方法來改進。AI的運算主要依賴統計模式，當數據不足或公式存在瑕疵時，難以找出錯誤根本原因。此外，AI預測適用於大型氣象系統，如颱風與低氣壓移動的預測，但對於短時間內的局部天氣變化，如降雨機率等，準確度仍待提升。

氣象學界認為，未來應結合AI與傳統數值預報，發揮兩者優勢。最合理的方式應該還是讓AI與數值預報共存。例如，理化學研究所的三好建正團隊正研發結合AI與數值預報的系統，來提升預測極端降雨的能力。研究顯示，相較於純數值預報，該系統的有效預測時間可延長五倍，有助於應對短時間內可能引發洪災的「爆發性豪雨」。

資料來源：日經新聞

Joel來談日本

公眾人物

發送訊息