不可思議的大腦-《知識大圖解》 - PanSci 泛科學

文章推薦指數: 80 %
投票人數:10人

現代神經科學家正努力解開人體最複雜器官之謎,並試著鉅細靡遺地重建腦部的種種細節。

人類大腦是已知宇宙中最複雜的結構,經歷了數億年演化才建構出現今樣貌, ... 010文字分享友善列印010好書搶先看生命奧祕透視科學不可思議的大腦-《知識大圖解》知識大圖解・2015/07/25・2818字・閱讀時間約5分鐘・SR值545・八年級+追蹤現代神經科學家正努力解開人體最複雜器官之謎,並試著鉅細靡遺地重建腦部的種種細節。

人類大腦是已知宇宙中最複雜的結構,經歷了數億年演化才建構出現今樣貌,且在過去七百萬年間,增加了三倍大小。

大腦的重量只有一公斤多,然而內部卻有860億個神經元以超過100兆條神經相連,形成的網絡比史上最先進的超級電腦還要強大。

已知人腦最大的部分是前腦,和其他哺乳動物的腦一樣,前腦由名為大腦皮質的厚厚一層神經元所覆蓋。

但是人類大腦的這層神經元已大大擴增,數量是小鼠的1000倍,且還未停止演化。

請點擊看大圖。

皮質中最小的處理單位稱為新皮質單元(neocorticalcolumn),每個單元都包含數千種不同的神經連結。

在演化過程中,這些新皮質單元被一次次複製,直到頭骨內的空間用盡。

皮質為了在同一個狹小空間中擠進更多處理能力,而發展出深溝和皺褶,如果展開這些皺褶,其面積約可達兩平方公尺。

構成大腦的神經元在一個巨大網絡中彼此交錯,每個細胞都有多達1萬個突觸連結,建構成史上最複雜的電路。

2013年,德國德勒斯登(Dresden)再生療法研究中心的一個團隊,藉由研究複製小鼠神經元連結的形成,想了解有多少大腦結構會受到生活經驗影響。

由於這些複製小鼠的遺傳因子都相同,因此大腦如有任何差異,都是環境造成的。

那些住在大籠子裡、有很多玩具和很多地方可探索的老鼠,腦部在短短幾個月後差異變得很明顯。

最活潑、外向、好奇的老鼠比起較為懶散的同伴,有更多的新神經和神經連結。

牠們的大腦隨著學習過程而調適改變。

雖然大腦的基本結構相同,但腦中的每個神經元都不同,並會基於經驗建立出自己獨特的路徑。

描繪人類大腦的神經連結是一項正在進行的艱鉅任務。

2009年開始的「人類神經連結組計畫」(TheHumanConnectomeProject)與「人類基因組計畫」(HumanGenomeProject)相似,目的都是為了描繪出人腦中所有神經元間錯綜複雜的連結。

電腦設定後可掃描腦部影像,並追蹤神經元的路徑,但即使是最先進的機器也會犯錯,因此所有結果都必須由人力再次仔細檢查。

有些研究團隊正嘗試以一種新方法作為替代方案:利用志願者而非電腦來分析數據。

2011年,網路遊戲《Foldit》的玩家們因為解決了一個存在十數年之久的生物學難題而登上頭條新聞。

研究人員在玩家的空間能力幫助下,破解了電腦難以完成的3D蛋白質拼圖。

透過簡單的遊戲,數百人一同解開在猿猴體內引起類愛滋病症狀的類人猿逆轉錄病毒的蛋白質結構。

這方法目前正擴展到神經科學領域,眾人之力也用於描繪眼睛後方神經元間的連結。

追蹤腦內盤根錯結的神經元路徑對電腦來說是項艱鉅的任務,但是人類對找出圖型的模式則擅長多了。

EyeWire是一項描繪人類視網膜中神經連結的計畫。

該遊戲給玩家半完成的神經元,請他們循著大腦切片將連結著色。

每個立方體區域都由不同的人手動檢查多次,所以如果有人犯錯,將會因社群力量而修正。

有經驗的玩家負責監督,如果他們覺得有必要還可進行更改。

此方法讓描繪過程加快了數千倍。

儘管EyeWire這類計畫提供了詳盡而準確的人類大腦內部結構資訊,要利用這種方法重建整個腦部結構仍需好幾十年。

另一種方法是模擬大腦,運用已知的資訊建構尚未研究的部分。

科學家藉著不斷測試大腦模型並與真實數據比對,能檢測模擬結果是否正確。

日本的超級電腦「京」(KComputer)是全世界最快最強大的電腦之一。

2014年研究員將京的8萬3000個處理器集合起來,模擬人腦一秒鐘的腦部活動,相當於1%的腦神經活動。

這是個偉大的成就,但卻花了這部機器40分鐘才完成,且僅表現人腦能力的一小部分。

其中的問題在於,大多數現代電腦的結構與人腦完全不同。

大腦是由能專注進行高度特定性任務的處理核心構成。

這些核心不太精確,卻有更多的靈活性與最重要的學習能力。

記憶並不是儲存在某個特定的地方,而是分佈於腦中網路。

相較之下,現代電腦以程式來決定該怎麼做,並且將元件儲存在分級的記憶體當中。

請點擊看大圖。

2013年,歐洲委員會贊助「人類大腦計畫」(HumanBrainProject)13億美元。

這項計畫旨在開發尖端的電腦,幫助人類了解大腦功能,匯集來自不同學科的資訊以提供一張史無前例的人腦活動圖像。

「人類大腦計畫」希望利用這些資訊建造一台能夠模擬人類大腦網路結構的超級電腦。

該計畫估計,模擬一個神經元的活動就需一台筆記型電腦,所以正與IBM合作,開發功能強大的神經形態超級電腦。

神經形態晶片(neuromorphicchip)是模仿人類大腦結構的電腦晶片。

IBM在2014年發表了一款模仿人類大腦的晶片,名為SyNAPSE(突觸)。

它擁有由2.56億個「突觸」連起來的100萬個「神經元」。

這些神經元被設定為4096個功能互異的「突觸核心」,就像大腦中的處理核心一樣。

如同大腦,這些核心依指令運作,並能在其他核心失去功能時補救。

科學家在電腦中輸入模仿生物信號的訊息,讓電腦檢驗電流活動,觀察訊息在何處處理及儲存。

此計畫有24個國家、超過100個機構參與合作。

新技術是模擬人腦複雜結構的關鍵,而其他國際力量也適時提供了新技術。

2013年,美國總統歐巴馬宣布推動「使用先進革新型神經技術的人腦研究」(BrainResearchthroughAdvancingInnovativeNeurotechnologies,簡稱BRAIN)。

美國國立衛生研究院2014年投入4000萬美元開發新技術,欲找出了解大腦的最佳方式。

為了解構大腦並準確將其重建,此計畫將結合矽基技術(silicon-basedtechnique)以及在幹細胞生物學、腦部影像與醫藥開發上的進展。

這種未來技術的實際應用確實驚人,然而目前連結大腦的方式之多,已是前所未有。

例如醫療人員在盲人體內植入光敏感視網膜,並從中發送電子信號到視神經,恢復盲人的視力;又或者在重度耳聾患者體內植入聽覺腦幹,直接向大腦傳達聲音信號。

然而,所有科技進展中最令人難以置信的是大腦之門(BrainGate)系統。

該系統發表於2006年,目前正在進行臨床試驗。

這項技術在大腦運動皮質(motorcortex)植入感應器,接收患者想移動肢體時產生的電子信號。

這些信號會由電腦程式進行解碼並傳送到義肢上。

透過精心訓練過的程式識別特定信號,患者便能夠單用腦力來活動機械手掌。

聖地牙哥加州大學將電子大腦介面(electricalbraininterface)向前更推進一步,研究人員正嘗試利用電力來選擇性刪除記憶。

他們已經能夠使用特定頻率的電脈衝在大鼠腦部的神經細胞中造成變化,使大鼠忘記過去的創傷經歷。

隨著我們越來越了解大腦連結,與大腦互動的可能性只會變得更多。

神經科學領域正以史無前例的高速向前邁進,而「人類大腦計畫」和「使用先進革新型神經技術的人腦研究」等的大型國際合作計畫,正將大量的研究數據結合在一起,創造出能徹底革新神經科學領域的資源。

人類大腦之謎已經困擾科學家、醫生和哲學家數千年之久,理解大腦如何運作也許是科學史上最具挑戰性的問題。

然而,結合強大新科技與國際合作,科學家已開始釐清這龐大數量神經元的複雜性。

我們甚至很快就將能從細節開始鉅細靡遺地重建可運作的數位大腦。

 本文節錄自《HowItWorks知識大圖解國際中文版》第08期(2015年5月號)更多精彩內容請上知識大圖解數感宇宙探索課程,現正募資中!相關標籤:大腦知識大圖解熱門標籤:大麻NASA女科學家量子力學CT值文章難易度剛好太難所有討論 0登入與大家一起討論知識大圖解76篇文章・ 5位粉絲+追蹤HowItWorks擅長將複雜的知識轉化為活潑有趣的圖解知識,編輯方式以圖像化百科呈現,精簡易懂、精采動人、深入淺出的圖文編排,讓各年齡層的讀者們都能輕鬆閱讀。

RELATED相關文章BNT疫苗跌跌撞撞的開發過程——《光速計畫》「如果我們有能力製造疫苗,為什麼要等待其他人?」——《光速計畫》為什麼吃甜的會蛀牙?——《生活中的東西都可以寫成化學式》一喝酒馬上醉!那些「酶」告訴你的事——《生活中的東西都可以寫成化學式》TRENDING熱門討論即時熱門關注大麻合法化,先了解大麻的大小事18小時前「糖果代碼」如何幫助我們分辨藥品真偽?11天前「類風濕性關節炎」不只傷關節,還可能引發肺纖維化12天前時間是甚麼?國內物理學家與哲學家怎麼看?13天前控制進食時間與熱量,小鼠可以更長命?35天前一生可以聆聽的聲音總量是註定的?戴上你的聽力計算機!32022/05/21你聞過下雨的味道嗎?讓我們一同探究它是怎麼產生的吧!22022/05/10比臭豆腐還臭!「臭」名昭彰的瑞典鹽醃鯡魚罐頭22022/05/09283文字分享友善列印283數學妙用萬物之理既是科學家,也是樂團鼓手!──專訪數學物理學家程之寧研之有物│中央研究院・2022/03/11・5978字・閱讀時間約12分鐘+追蹤本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

採訪撰文|郭雅欣、簡克志美術設計|林洵安、蔡宛潔在學術與搖滾的多重維度上行走還記得美劇《TheBigBangTheory》嗎?劇中常常出現的物理名詞「弦論」,是描述物理世界基本結構的理論。

中央研究院「研之有物」專訪院內數學研究所程之寧研究員,她正是研究弦論的科學家,也是熱愛音樂的搖滾樂團鼓手,這種跨領域身份並不衝突,兩邊都需要創造力與紀律。

由於天生斜槓的性格,讓程之寧在數學和物理領域大展身手,透過數學的深入探討,她試圖將弦論更往前推進。

最近程之寧更跨足到人工智慧領域,為學界提供理論物理上的貢獻。

中研院數學所程之寧研究員,主要研究K3曲面(特殊的四維空間)的弦論,她發現模函數和有限對稱群之間有23個新的數學關聯,稱之為「伴影月光猜想」(UmbralMoonshine)。

圖/研之有物萬有理論和難以捉摸的「月光」世界從那裡來呢?物理世界的本質是什麼呢?回答這樣的大哉問,一直是理論物理學家所追求的目標。

從牛頓力學(日常應用)、廣義相對論(探討很重的物質)到量子力學(探討很小的物質),隨著物理學不斷發展,我們似乎一步步接近答案,但至今卻還未走到終點。

舉例來說,如果有個東西很重又很小,就像「黑洞」,或是大爆炸時的宇宙,我們要怎麼用數學描述?於是科學家試圖整合廣義相對論和量子力學,找出所謂的「萬有理論」(TheoryofEverything)──能完全解釋物理世界基本結構的核心理論。

程之寧研究的「弦論」就企圖發展成這樣一個萬有理論。

弦論一如其名的「玄妙」,它設定宇宙所有的粒子都是由一段段「能量弦線」所組成,每一種基本粒子的振動模式不同,產生不同的粒子特性。

「人類一直以來的夢想之一就是,如果能用一句話解釋所有事情,那該有多麼美好。

」中研院數學所研究員程之寧說道。

程之寧的研究牽涉到數學上的「月光猜想」(Moonshine)與弦論中K3曲面的連結。

月光猜想是存在於模函數係數與特殊群之間的數學關聯,程之寧與其研究夥伴共發現了23個新的關連,並稱之為「伴影月光猜想」(UmbralMoonshine)。

基於弦論的假設,我們的世界是十維的,除了人們在日常生活中可以感知到的3+1維(空間+時間),還有六維是因為尺寸太小而無法用肉眼觀察的,這些看不到的維度影響著物理世界,最終也產生了我們這個物理世界所需的各種條件與特性。

綜觀程之寧的研究,橫跨了物理與數學兩個領域,她笑稱自己「天生斜槓」。

在學術上,程之寧原先喜歡文學,之後卻走上數理研究的道路;在音樂上,程之寧喜愛搖滾樂,至今仍在自己的樂團裡擔任鼓手。

她如何看待自己一路走來的各種轉折?游徜在數學與物理之間,她又對這兩個領域的連結有怎樣的體會?在與「研之有物」的訪談中,程之寧侃侃而談她的經歷、想法,以及對學術研究的熱忱所在。

在弦論的設定中,宇宙所有的粒子都是由一段段「能量弦線」所組成,每一種基本粒子的振動模式不同,產生不同的粒子特性。

圖/iStock請問您是如何對數學及物理產生興趣?從何時開始?一開始考大學時,其實我想去念中文系(笑)。

不過,因為我高中是選理組,而且只念了一兩年,對文科考試比較沒把握,加上對工程科系沒興趣,最後就選擇臺大物理系就讀。

後來發生兩個轉折,第一個是我很認真的去修了大學中文系的課,結果發現真的沒有想像中容易。

第二個就是我發現物理系的課還蠻有趣的,像量子力學和相對論,讓我覺得還想再多學一點、多知道一點。

我開始覺得如果念完臺大物理系就停下來,好像有一種小說沒讀完的感覺,所以就想繼續讀碩士班。

那時還沒有覺得自己會走上學術研究的路,單純抱著想把故事看完的想法。

後來是如何接觸到弦論?弦論是如何引起您的興趣?後來我去荷蘭念碩士,指導教授是諾貝爾物理獎得主 Gerard’tHooft。

他其實蠻不認同弦論,但他對於如何處理量子力學與相對論很有興趣。

當時’tHooft教授在建議我碩士題目時就說:「你也知道我不太認為弦論是一條正確的道路,不過聽說弦論最近真的在量子重力這一塊有一些成果。

不如妳去讀一讀,看看是不是真的有一些東西在那裡,也可以比較一下其他量子重力理論。

」在我很認真的比較各個量子重力理論之後,就變成弦論派了(笑)。

’tHooft教授對此也保持開放態度,他有幾個不錯的博士生後來也變成弦論學家,之後我在ErikVerlinde的指導下念博士時,就完全以弦論為研究主題了。

研究理論物理會影響您對現實世界的理解嗎?蠻多人會問我說,妳學了量子力學,是不是就會比較了解這個世界不是非黑即白?或問我量子力學跟宗教是不是有關?可是我覺得我分得很開,我不會去做這樣的連結,我還是活在現實裡,走路時大部分都在專注於自己不要跌倒之類的。

如果真的要講,我蠻感激我們的存在,因為我所學的東西讓我知道這是沒有必然性的。

我們能這樣以一種人形的很奇怪的生物的形式存在,然後在這樣一個環境過一輩子,是機率很低的事情,而且我還蠻開心我是當人,而不是奇怪的阿米巴蟲或外星生物!有些人會從這裡連結到宗教或轉世,但我不會,我就停在這裡。

來談談您的研究,伴影月光猜想與K3曲面弦論之間是什麼關係?弦論中有很多的可能性,我們可以挑選特定的四維,然後假設這四維空間是個K3曲面。

例如說,我們可以把兩個甜甜圈乘起來,在上面做特殊的奇異點,來製造出一個K3曲面。

這個曲面有一些很有趣的對稱性。

從弦論的角度來講,我們可以透過這個過程,找出一個解釋為何有伴影月光猜想的框架。

「把維度乘起來」這個概念很難想像,但這在數學上是成立的。

我舉例一個我們能想像的「乘起來」:如果有一個空間是一條線,另一個空間是一個圓,乘起來就變成一個圓柱形,從一個方向剖面可以切出圓,另一個方向則切出線。

而在數學上,不管幾維,能不能在紙上畫的出來,都可以這樣操作。

程之寧向「研之有物」採訪團隊解釋「把維度乘起來」的概念。

圖/研之有物如何透過計算,發現捉摸不定的「月光」?有時候這看似湊巧,一個數學上的函數正好就是弦論某個問題的答案。

但其實並不是真的那麼巧,弦論看起來很有彈性,好像什麼都可以解釋,但它其實有非常多結構及限制。

當我在計算一個弦論理論時,它的內部結構可能原本就具有某些特定的性質,然後我再去觀察數學中,有這樣性質的函數可能就只有一兩個,只要再初步算一下,就能知道哪一個是答案。

弦論學家日常的計算常常是這樣的,所以這是巧合嗎?是也不是。

您曾經發現23個新的伴影月光猜想,您對這類題目特別有興趣嗎?我覺得數學有兩種,有些數學家喜歡系統性的事情,就像蓋房子一樣,在數學裡建造一個很美麗、非常有系統性的結構,可以把很多事情都放入這個結構來理解。

另一種比較少數的,就是喜歡獵奇,去收集分類奇奇怪怪的特殊東西,例如有這些性質的函數在哪裡?可能你算出來就是5個,你也不知道為什麼。

月光猜想很明顯就屬於這一類。

兩種的樂趣感覺是不一樣的,我覺得應該都很棒,但我可能是屬於偏好獵奇的這種。

您的研究連結了物理上的弦論與數學上的月光猜想,您怎麼看待這兩個知識體系的互動?弦論是一個需要很多數學理論配合的物理理論,它是一個有點繁複的框架,我們什麼都要會一些,才能看懂這個理論。

當你把許多不一樣的學門的知識加起來,有時候就會在某一個學門──例如幾何──有意想不到的收穫。

弦論在數學上也扮演探索與找尋新方向的角色,讓數學家有新的發現。

雖然最後數學定理的證明還是得仰賴傳統數學方法,但在這二三十年間,我們一直從弦論身上找尋數學研究的新方向或有趣的猜想,看到了弦論與數學之間的互動。

數學家有兩種,一種人喜歡建立美麗又有系統性的結構,另一種人喜歡尋找和收集奇怪特殊的數學物件(比如函數),程之寧表示自己屬於後者。

圖/研之有物剛才一開始提到,您高中只念了一兩年,是因為對學校沒有興趣嗎?其實我一直都覺得上學很無聊。

我小時候臺灣教育和現在很不一樣,一班50幾個人,老師必須盡量軍事化管理,大家最好都一模一樣,比較好管理。

我和學校一直處於互相磨合的狀況,我自認已經努力配合學校,但學校一直覺得我在反抗,這可能是一個認知上的差別。

舉例來說,我小學的時候不想睡午覺,可是老師說大家都一定要睡午覺,不睡午覺的人要罰抄課文,所以我早上到學校時就會把已經抄好的課文交給老師。

我覺得我這樣做是在配合老師的規定,可是以老師的立場會覺得我在反抗,學校教育中我遇到了很多類似的情況。

還有就是不喜歡高中的升學氛圍,同學和老師好像都只有一個活著的目標,就是「考大學」。

我當時無法習慣升學氛圍,感覺好像活在平行宇宙一樣。

高中休學後,您去唱片行工作,可否談談當時的想法?我國中開始聽音樂,這是我除了看書之外的重要興趣,我也很快就喜歡上了搖滾樂。

高中休學的時候,我唯一的謀生技能可能就是我對音樂的各類知識吧!所以我就去了唱片行,這是唯一一個我會做又有興趣的工作,還好那時候還有很多唱片行(笑)。

對音樂的熱忱,讓您與朋友共組了樂團,並擔任鼓手。

您是否比較過樂團生活和學術研究之間的異同之處?有些人覺得我這樣很跳tone,但我自己覺得還好。

音樂和學術都是我發自內心覺得好玩的東西,兩者也有相同之處,例如它們都需要創造性,也都有需要了解的框架。

數學需要嚴謹的證明,音樂演奏也需要遵循結構,例如不能掉拍。

音樂領域還有一點和數學類似──玩樂團的圈子也是以男性為主。

我們樂團則是只有一個男生,其他都是女生,可能我真的天生對框架有點遲鈍,玩團之後才發現:「怎麼大家都是男生?」程之寧表示,學術界仍有許多性別不平等問題未受重視。

圖/研之有物也就是說,目前數學學術圈仍是男性主導,在研究路上,您有因為性別而感受到一些衝擊或眼光嗎?您怎麼面對?有。

那感覺很明顯,日復一日地要去面對,尤其是年紀還比較輕、還必須每一天去證明自己的能力的時候,特別有感。

我遇到時的反應就是,在心裡暗罵一句髒話,然後繼續做我要做的事。

我不會想改變別人的想法,感覺那是浪費時間,就算環境給我的阻礙是這樣,我還是繼續去做該做的事。

可是有些事情沒那麼簡單,現在我也當過老師,有時候會看到年輕女生在學術界因為性別而被欺負,或遭到不公平待遇、甚至騷擾。

對此我感到心痛,覺得為何我們學術領域還是這樣的狀況?甚至為什麼性騷擾至今還是一個議題?可以確定的是,學術界許多性別不平等問題未受到重視。

您現在已經有傑出的研究成果,還會因為性別而遭受質疑嗎?我現在比較會遇到一個狀況反而是來自學生的質疑。

我在荷蘭阿姆斯特丹大學教書時,有時候學生會因為我是女教授,而且我的外表在許多歐洲人眼中看起來就像小妹妹,所以比較容易去挑我的毛病。

在課堂上,下面坐的可能都是男學生,只有一兩個女學生,那個氣氛就會變得很奇怪。

例如說偶爾會聽到學生評論我的身材或樣貌。

我有和其他一些在歐洲或美國的女性教授聊過這樣的問題,似乎不少人都有類似的不太愉快的經驗。

感覺不是很好。

看到您最近的研究和人工智慧(AI)有關,為何會想往這個方向發展?我有兩個動機。

一個就是我真的想深入了解人工智慧。

我也可以像普羅大眾,看看AI下圍棋,讚嘆「哇!好厲害!」這樣就好,可是我覺得我一定可以真的去理解它,這可能就是數學家的自大吧!另一方面,我知道對科學研究來說,未來AI將會是一個非常重要的工具。

這是「在職訓練」的概念,我可能會用到這個新工具,或以後我可能會需要教這樣的課,因為學生是下一代的科學家。

因為這些原因,我覺得我需要去訓練自己使用新的工具。

在我的領域裡,也有一些有趣的、還沒被解答的科學問題,是AI有可能幫得上忙的,我看到了一些潛力。

弦論和AI感覺差距很大,AI也可以應用到弦論的研究嗎?乍看之下,弦論的確比較抽象,也不像其他許多實驗會產生大量數據。

但其實弦論有大量的可能性,我認為使用AI來在這些巨量的可能性當中搜尋特別有趣的理論,是一個有潛力能夠加深我們對弦論理解的新的研究方法。

而且AI的應用絕不僅限於巨量資料。

如果是面對一些比較新的挑戰,在沒有現成的演算法可以用的情形之下,可以自己做出需要的功能嗎?這過程我覺得也非常很有趣,而且應該是會有成果的一條路。

這種不是那麼顯而易見的事情,我覺得很有挑戰性,也蠻好玩的。

除了用AI來幫助物理跟數學的研究之外,我也試著物理研究當做靈感來源,找出新的AI的可能性,我覺得這也是一個很有趣的研究方向。

我現在有和AI的學者合作,嘗試做出一些創新的演算法,真的還蠻有趣的。

AI對您而言是全新的領域,您如何面對跨領域遇到的門檻?一開始會覺得真的要去碰這個新的領域嗎?其實現在也還是偶爾會有這樣的懷疑。

我在弦論領域可能已經是專家,但去了一個新的領域,我學得不會比二十歲的人快,要怎麼去跟人家競爭?是不是在浪費時間?但也會想,與其想這麼多,不如先做再說。

到目前為止我做了兩年多,感覺還蠻好的,我有學到東西,也有做出小小的貢獻。

其實我還蠻感激有這樣的學習機會。

對我來說當科學家最大的好處就是,去搞懂一個新的東西就是工作的一部分。

當科學家雖然蠻辛苦,但就結果論來說,我還蠻開心能當一位科學家!延伸閱讀MoonshineMasterToysWithStringTheory|QuantaMagazineMathematiciansChaseMoonshine’sShadow|QuantaMagazine林正洪教授演講一怪物與月光(MonsterandMoonshine),《數學傳播》數感宇宙探索課程,現正募資中!相關標籤:K3曲面人工智慧伴影月光猜想弦論搖滾樂數學物理熱門標籤:大麻NASA女科學家量子力學CT值文章難易度剛好太難所有討論 2登入與大家一起討論#1鄭國威Portnoy2022/03/11回覆此文該附上歌單!#2哈士奇2022/03/11回覆#1研之有物│中央研究院8篇文章・ 16位粉絲+追蹤研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。

探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。

網頁:研之有物臉書:研之有物@FacebookRELATED相關文章一生最重要的數學教育:小學數學——《數學,這樣看才精采》莫比烏斯把紙帶轉了幾圈——《數學,這樣看才精采》遲來報到的質數——《數學,這樣看才精采》「好奇心」不只是珍貴的學習動機,還能讓孩子學得更好、記得更牢!TRENDING熱門討論即時熱門關注大麻合法化,先了解大麻的大小事18小時前「糖果代碼」如何幫助我們分辨藥品真偽?11天前「類風濕性關節炎」不只傷關節,還可能引發肺纖維化12天前時間是甚麼?國內物理學家與哲學家怎麼看?13天前控制進食時間與熱量,小鼠可以更長命?35天前一生可以聆聽的聲音總量是註定的?戴上你的聽力計算機!32022/05/21你聞過下雨的味道嗎?讓我們一同探究它是怎麼產生的吧!22022/05/10比臭豆腐還臭!「臭」名昭彰的瑞典鹽醃鯡魚罐頭22022/05/09



請為這篇文章評分?