東海大學應用物理系

1951/05/26 出生的 Sally Ride，史丹佛大學物理博士，1983 年搭乘「挑戰者號」太空梭升空，成為第一位飛上太空的美國女性。

她兩度執行太空梭任務，也是唯一一位同時參與 Challenger 與 Columbia 兩次太空梭事故調查委員會的人。

Richard Feynman（理查‧費曼）示範的那個著名的「O-ring凍僵實驗」背後，Ride 扮演了關鍵的角色，讓挑戰者號失事的真相大白。

回到 1983 年 6 月 18 日早上 7:33，美東夏令時間。

挑戰者號太空梭從甘迺迪太空中心升空。機組員一共五人，前排是 Sally Ride、指揮官 Bob Crippen、駕駛員 Frederick Hauck，後排是 John Fabian 和 Norm Thagard。除了 Ride 之外，其他四位都是美國海軍出身的男性。

比起「第一位美國女性太空人」，比較少人知道的是：她是個物理學家，研究領域是 X 射線天文物理與自由電子雷射。她結束太空人生涯之後，於 1989 年到加州大學聖地牙哥分校（UCSD）物理系任教，並擔任加州太空研究所（California Space Institute）所長，2007年從 UCSD 退休。2012年因胰臟癌過世，享年 61 歲。

除了太空人、物理學家之外，其實 Ride 一開始，九歲時是個以「職業網球選手」為人生目標的天才網球少女。靠著出色的網球才能，進入了名門女校 Westlake School for Girls 就讀。1968 年進入賓州的 Swarthmore College 主修物理，選這個學校的原因是，當時有個很厲害的網球教練 Ailyn Terada 在此任教。這段期間她連續拿下兩屆的東岸大學校際女子網球賽單打冠軍。優異的成績讓她的偶像金恩夫人（Billie Jean King，12座大滿貫得主，國際網球名人堂成員）告訴她：「你該成為職業網球選手！」她就毅然決然的休學，專心打網球。但是她練了三個月後很快「認清事實」（人外有人、天外有天），再度毅然決然的放棄成為職業網球選手的夢想，重回校園，進入史丹佛大學。

1977 年她在史丹佛念博士班的時候，看到校內的學生報紙刊登 NASA 招募太空人的廣告：「NASA 史上第一次，女性也可以報名！」她就寫信去要了一份申請表。
這下劇情從「網球爭霸戰」切換到「宇宙兄弟」了。（哪個漫畫家也來出一個「宇宙姊妹」吧～～）

她從 8000 多個申請者中脫穎而出，成為 35 人錄取名單的一員，連她在內有 6 位是女性，於 1983 年出第一次任務（STS-7）。

獲選之後，媒體問她的問題，除了訓練內容之外，還包括「你會不會擔心太空飛行影響生育能力？」「妳要帶什麼化妝品上太空？」Ride 也只能苦笑以對。以 40 幾年前來說或許不用苛責，不過如果到了 2026 年還是這種想法的話，就太落伍了。

她在這次任務的主要工作，是操作太空梭的機械手臂，部署兩顆商業通訊衛星。1984 年 Ride 又飛了一次 STS-41G 任務，一樣是把衛星送上軌道。

1986 年 1 月 28 日，她曾搭乘的挑戰者號，升空 73 秒後在空中解體。七位組員全數罹難。Ride 認識上面所有的太空人。她隨即被指派加入調查這個事故的「羅傑斯委員會」。她是唯一一位「現役太空人兼 NASA 員工」的成員，也是立場最尷尬的一個，因為調查對象是自己的同事和上司。

再來就是那個有名的「O-ring 實驗」了，有看過 Feynman 「你管別人怎麼想」的讀者應該都知道：Feynman 在電視聽證會上把 O-ring 橡膠圈泡進冰水裡，當場示範低溫會讓它失去彈性，導致了這場事故。

這其實還另有內情，Ride 過世之後才被同樣身為委員會成員的空軍將領 Donald Kutyna 在訪談中披露：

「有一天我和 Sally Ride 一起走，她走在我右邊，眼睛直視前方。她打開筆記本，左手把一張紙遞給我，眼睛依然直視前方，一個字也沒說。那是一份 NASA 內部文件。上面有兩欄資料，第一欄是溫度，第二欄是 O-ring 在不同溫度下的彈性，資料顯示溫度一冷它就會變硬。Sally 跟我是好麻吉。她相信我，所以才把這張紙給我，因為這樣不會牽連到她，也不會牽連到 NASA 內部把這份文件給她的人，這些人都可能因此被炒魷魚。」

Feynman在書中沒提到 Ride，因為他也不知道這些曲折，他在 1988 年過世，所以當時「全世界知道這件事的只有三個人」：Ride、Kutyna，以及不知名的 NASA 工程師。他在書中有說到，Kutyna 邀他去家裡吃晚餐，在餐桌上「順口提起」O-ring 在低溫下會失去彈性這件事。

2001 年，她和伴侶 Tam O'Shaughnessy（也是女性，UCSD 心理系教授，曾經是職業網球選手）共同創立 Sally Ride Science，推廣女孩的科學教育，直到過世。

Ride 在訪談中提及性別刻板印象的「畫面」：「If you ask an 11-year-old to draw a scientist, she's likely to draw a geeky guy with a pocket protector. That's just not an image an 11-year-old girl aspires to.」（你叫一個 11 歲的孩子畫一個科學家，她畫出來的多半會是個帶著口袋筆夾的阿宅。這當然不是 11 歲女生會嚮往的形象。）

因為如此，Sally Ride Science 的每一場活動，講師都是女性科學家。比起「講一些鼓勵女孩投入科學」的話，Ride 用實際的體驗與場景告訴女孩們：「你看，這個操作機械手臂的人、這個拿著試管的人、這個解微分方程的人，跟妳一樣。」

超中二物理宅雜記
話都給我說就好 其之561

圖：Sally Ride, 1951~2012（來源：NASA）

各位每天從早上起床，活動了一整天（不管是在重訓在唸書還是在耍廢）後，再到晚上睡覺，都在做一件非常厲害的事「與重力對抗」，其實負擔滿大的欸。你看看每次太空人回到地球，一出艙門就一副快軟癱撐不住的樣子，你就知道對抗重力有多難了，自豪一下吧各位！

你平常不太會意識到這件事而會覺得我誇大其詞，這是因為地球上演化出來的生命體，38 億年來都活在 g = 9.8 m/s² 這個從國中物理就開始整你的常數下，地表的環境我們就稱為 1g。我們的心跳、肌肉、骨骼、平衡感、內耳前庭系統，全部都是「為了這個 1g 環境調校好」的精密機器。

進入太空時代，NASA 做了不少「微重力」環境對生物的影響。結果看起來不像會讓我們「因為脫離地球重力束縛而成為 NewType」，而只會給我們肌肉萎縮與骨質疏鬆而已，真是無趣啊！

那如果重力變強，像悟空到界王星修行呢？這就是「超重力」（hypergravity）研究的領域。地球表面我們無法製造真正的「強重力」，但用離心機就可以模擬相當於幾 g、十幾 g 的超重力環境了。

過去的超重力研究多半用老鼠（目前網路敏感詞…），不過成本高、世代交替時間長，做起來很累人。加州大學河濱分校的 Ysabel Giraldo 的研究團隊因此再次請出生物界的「傳家寶刀」：果蠅。果蠅大約 10 天就一個世代，而且有百年累積、史上最完整基因工具箱可以讓科學家以上帝視角來改造這種生物，大腦簡單到目前科技已經破解其結構、行為卻又複雜到幾乎可以跟各種「高等」生物類比。

而且，到目前還沒聽過有動保團體拉白布條為果蠅爭取動物權、中元節也不用拜拜。

研究團隊用一個直徑 30 公分大的離心機，可以調整轉速產生 4g、7g、10g、13g 的等效超重力場。他們把果蠅放在離心機上甩個 24 小時（急性暴露），或讓整個發育過程都在超重力下進行（慢性暴露），然後把牠們放回 1g 環境，看看會發生什麼。

首先是「往上爬」。果蠅有種「負趨地性」（negative geotaxis）的本能，把牠放在直立的管子底部，牠就會往上爬。這個行為是果蠅研究的標準測試項目，廣泛用於評估神經肌肉功能、老化、神經退化疾病。

研究團隊用了兩種測試方法：

1. 把在高處的果蠅震到管底（嚇牠一跳），看牠在 15 秒內能不能跟一直生活在 1g 環境下的正常果蠅一樣往上爬 5 公分。（這是「驚嚇—逃跑」反應）

2. 不嚇牠，單純觀察 5 分鐘內自由活動。（自發性負趨地行為）

結果顯示：4g 急性暴露的果蠅，驚嚇實驗中表現正常；但自發性爬行則明顯下降，走得慢且短。而7g、10g、13g 暴露的果蠅，兩種實驗都無法正常往上爬。

作者解釋：「驚嚇反射」可以暫時掩蓋 4g 超重力造成的身體疲憊，就像火災現場的人靠著腎上腺素，可以發揮神力搬著重物逃走；而在一般的情境下，剛從超重力環境回來，累得半死的果蠅，動都不想動。更大的超重力負荷（7g 以上），讓果蠅即使在受到驚嚇時也不會爬了。只是究竟是「身體壞了爬不動」、還是「太累了不想爬」還是「兩者皆是」，還有待進一步驗證。

此外，研究團隊用「果蠅活動監測器」（Drosophila Activity Monitor）記錄了果蠅一週的活動模式（用紅外線光束計算果蠅跨越光束的次數）。正常果蠅是「晨昏雙峰」型：天亮前和天黑前最活躍，中午午休，晚上睡覺，跟人類差不多嘛。

在 4g 環境下生活過的果蠅移回 1g 環境後，活動量大幅增加！簡直是進入「亢奮」狀態。這個效應可以維持一週以上，研究團隊把這比喻為「持續性壓力反應」，4g 的超重力讓身體進入長期的高警戒狀態。而 7g 以上則是「過度負擔」，活動量大幅降低，進入「優先儲能、節約消耗」模式。

接下來，如果是從蟲蛹開始整個發育期都在超重力下呢？

他們把果蠅分為三組：(a) 對照組，在 1g 下發育；(b) 整個發育過程在 4g 或 7g 下進行（第一代），羽化後測試；(c) 連續 10 個世代都在超重力下繁殖（只有果蠅才能作這種實驗，不然研究生會哭），用第十代測試。

結果顯示，全部變糟！重力越大越糟！本來在 4g 下一天的果蠅「驚嚇—逃跑」測試可以過關，但是在 4g 下發育的就不行了，可見發育階段影響更大。7g 以上的就全部不行了。就算養個十代，也沒有因此培養出「能適應高重力的果蠅」。在其他逆境如飢餓、溫度、缺氧壓力下，果蠅可在數代內出現適應性變化，稱為「跨世代適應」（transgenerational adaptation）。但超重力的適應性經過 10 代還不足以培養出來。

這個研究，發表於2026/04/23 的「Journal of Experimental Biology」（實驗生物學期刊）

超中二物理宅雜記
話都給我說就好 其之560

圖上：悟空啊，到界王星去鍛鍊可能不是個好主意喔！（ドラゴンボール©鳥山明／集英社）

圖下：歷經「超重力鍛鍊」果蠅的活動程度（上午與下午 5 點，一般果蠅活動的兩個高峰期），藍色是對照組，黃、紅、深紅、紫分別是在 4g, 7, 10g, 13g 下生活過的果蠅，可以看到 4g 果蠅的活動力增強了，更大的都下降（來源：JEB）

1995 年的電影「危機總動員」中，達斯汀·霍夫曼從一隻猴子身上分離出病毒抗體、幾天內合成血清、擋住了疫情爆發。電影裡那隻虛構的「Motaba 病毒」，靈感正是來自非洲的伊波拉病毒。現在，伊波拉再次在剛果登場，但狀況比電影嚴苛多了：沒有血清、沒有疫苗、連快篩都認不得它。

自 1976 年首次被爆發以來，非洲已經爆發過十幾次伊波拉疫情。不過這次可能更嚴重，因為這次的伊波拉，是大家比較不熟悉的那一型。剛果衛生部 5 月 15 日宣布，伊圖里省（Ituri）已經出現 246 例疑似病例、80 例死亡。光是「在公布之前就累積到這個數字」這件事，不難想像病毒早已悄悄擴散了一波。鄰國烏干達也通報了兩例確診，一人死亡。WHO 秘書長譚德塞（你還在喔）在 5 月 17 日清晨直接宣布這次疫情構成「國際關注公共衛生緊急事件」（PHEIC，這是 WHO 警報系統的最高等級），並警告實際疫情規模「可能遠大於目前所偵測到的」。

這次是一種叫做「本迪布焦型」（Ebola Bundibugyo，源於地名）的罕見伊波拉病毒。這型的麻煩之處在於，現有的現場快篩經常會漏掉它，更糟的是，目前沒有任何核准的疫苗與療法。剛果的醫護人員手上能用的工具，跟 1970 年代差不多：隔離病患、追蹤接觸者、進行檢疫。沒了。

那為什麼疫情會擴散到這個程度才被發現？答案是檢測儀器把它漏掉了。根據剛果國家生物醫學研究所（Institut National de Recherche Biomédicale, INRB）的說法，最初地方衛生中心使用的診斷儀器只認得「薩伊型伊波拉」（Ebola Zaire，過去幾乎所有剛果疫情的元凶都是這隻）。結果就是，4 月 28 日到 5 月 1 日採到的檢體，驗起來通通是（偽）陰性；後來送到首都金夏沙用更先進的工具重驗，還是陰性。5 月 3 日到 7 日在採的檢體，一開始也是陰性，後來送到金夏沙才驗出陽性。

INRB 的科學家開始懷疑這個病毒不是一開始以為的「常客」薩伊型，就先試試用針對「蘇丹型伊波拉」（Ebola Sudan，另一個近期常作怪的型別）的 PCR 檢測來試試看。結果的確抓到了一些病毒基因片段，但是仔細分析的結果，那些片段根本不是蘇丹型，而是本迪布焦型。用的是蘇丹型的魚鉤，卻釣到本迪布焦這條魚，讓科學家們嚇了一跳。

這型在歷史上只爆發過兩次：第一次是 2007 年烏干達西部與剛果交界的本迪布焦地區（131 例、42 例），第二次是 2012 年在剛果（至少 57 例、29 死）。這次是它第三次登場，而且來得又急又猛。這次的經驗顯示，急需一種「能在田野現場就完成、不必送到專業實驗室」的本迪布焦型快篩試劑，只是這種東西目前並不存在。

WHO 已經在 5 月 5 日派團隊進場，提供醫療用品與防護裝備。譚德塞也宣布從緊急應變基金釋出 50 萬美元支援。這是 PHEIC 制度從 2005 年設立以來，第九次啟動，也是第三次因伊波拉而啟動。譚德塞這次似乎是直接根據兩國提供的資訊就宣布，而不是依正常程序，等緊急委員會開會。約翰霍普金斯大學的全球衛生法學家 Alexandra Phelan 評論：「程序上非常令人意外，但考慮到規模和擴散風險，這個決定是合理的。」

近年來薩伊型伊波拉疫情之所以能被控制下來，疫苗扮演了關鍵角色，而這次缺乏可用的疫苗會讓事情變得更棘手。目前只能靠隔離病患、追蹤接觸者、進行檢疫這些「老派工具」來應對，好在剛果由於多次疫情洗禮，在這方面可說是擁有世界級的經驗。UCLA 的流行病學家 Anne Rimoin 的結論令人提心吊膽：「這會是『考驗全球衛生安全體系是否還有用』的那種病原體。」

好不容易武漢肺炎／Covid 疫情過去了，不要再來一次啊…（不過 WHO 那種「不要用地名我們來把病毒的名字改掉」的溫柔到哪裡去了呢？）

超中二物理宅雜記
話都給我說就好 其之559

貓具有「物件恆存性」的認知嗎？簡單講就是「東西被藏起來看不到了，你還記不記得它的存在」。這個能力是皮亞傑（Jean Piaget）提出的幼兒「感知運動期六階段」發展中的核心。前三個階段跟本研究沒什麼關係姑且不提，後面三個是：

第四階段，8～12 個月「次級循環反應的協調期」：當著嬰兒的面把玩具藏進某個位置，嬰兒會去那個位置找，找不到就會放棄。

第五階段，12～18 個月「三級循環反應期」：可以追蹤「連續可見位移」，玩具在嬰兒面前從 A 點移到 B 點再移到 C 點，嬰兒能追到最後的位置。

第六階段，（18 - 24 個月）「心智表徵期」：可以理解「不可見位移」，玩具被偷偷從一個地方移到另一個地方（移動過程嬰兒看不見），嬰兒仍能理解它存在於某處並試圖尋找。這需要嬰兒對「不在視野中的物體」建立完整的心智表徵。

已經有許多動物被證實能達到第四、第五階段。但第六階段就比較有爭議，有學者認為，只有大型猿類在排除所有干擾因素後，仍能展現出可信的第六階段能力。

英國 Sussex 大學的 Jemma Forman 團隊，用「期待違反」（violation-of-expectancy）的方法，要來看看貓的能耐。過去多數研究的結論是，貓在不可見位移（invisible displacement, IVD）測試中無法穩定展現出第六階段的理解。不過貓是個高明的獵手，她的獵物：鳥、老鼠、蜥蜴隨時會跑進草叢、飛上樹、消失在視線裡，照理說「不可見位移」應該難不倒牠啊，難道是貓太會「讀空氣」，一進實驗室就知道「不用那麼賣力」開始擺爛？

「期待違反」的原理是：如果貓能認知「物體存在」的表徵，當你給牠看一個違反這個表徵的事件，例如把玩具放進 A 箱子，卻從 B 箱子拿出來，牠應該會表現出「驚訝」的反應：死盯著看、瞳孔放大、僵住不動、靠近並探索那個物體。人類嬰兒會這樣，狗也會這樣。那貓呢？

有 18 隻家貓參與測試，實驗道具是兩個 16 公分立方的紙箱，箱子內側貼了泡棉（避免玩具放進去時發出聲音洩漏線索），還有一個 A4 資料夾用來遮擋視線。每隻貓事先會從球、髮圈、小老鼠玩偶、大老鼠玩偶、玩具仙人掌裡挑出最愛的（玩具仙人掌大獲全勝，18 隻裡有 11 隻選它，原因不明），然後實驗開始。

實驗有兩種設計。第一種是單次可見位移（single visible displacement, SVD）：操作者當著貓的面把玩具放進其中一個箱子，然後等 60 秒看貓會不會去找。

第二種才是重頭戲戲：操作者把玩具放進一個箱子後，把 A4 資料夾擋在貓和箱子之間，做出交換兩個箱子的位置的動作（可能是真的換也有可能是假動作），拿開資料夾讓貓再看到兩個箱子，然後從箱子裡把玩具拿出來。如果玩具從原本位置的箱子出來，這叫「一致情境」（箱子沒換位置）；如果從另一個箱子出來，這叫「違反情境」。

結果第一個實驗就讓研究團隊翻白眼：在最簡單的 SVD 測試中，有 56% 的試次貓根本沒找到玩具，這其中 80% 是貓根本找都沒找，完全是擺爛狀態。這跟過去研究說「貓可以輕鬆通過 SVD 測試」的結論完全不同。研究團隊認為，可能不是「貓沒有這個能力」，而是貓認為「你的獎品太爛了」。

第二個實驗，研究團隊原本預期：貓看到玩具「從錯誤的箱子」冒出來時，應該會像人類嬰兒和狗一樣，盯著看更久、更想去探索那個違反期待的箱子。

結果再度槓龜。

貓在「一致情境」（箱子沒換）中，去玩玩具的機率反而比「違反情境」中更高，而且對裝玩具的箱子做出的探索行為也更多；當玩具「違反預期」從錯誤的箱子裡冒出來時，貓反而興趣缺缺。

研究團隊很坦白地說，這個結果讓他們困惑，而且需要進一步研究來區分到底是「貓沒有心智表徵所以不覺得違反」（認知解釋），還是「貓有看出違反，但因為某種原因失去動機」（動機解釋）。

另一個變數是「操作者是誰」。每次實驗都會輪流由飼主和研究人員擔任操作者，看貓在熟人和陌生人面前的反應是否不同。結果顯示，當研究人員（陌生人）擔任操作者時，貓玩玩具的機率反而比飼主擔任時更高，注視玩具的時間也更長。但同一時間，貓對箱子做出的探索行為，在研究人員操作時反而比飼主操作時更少（IRR = 0.49，p = .015）。

研究團隊的解釋是：貓被陌生人的新奇感吸引（所以更注意這個情境，也更想玩玩具），但同時又會跟陌生人保持安全距離（所以不太想靠近箱子）。這兩股力量是分開作用的：貓對人類存在的好奇心，跟牠對情境的探索意願，是兩件事。

總之搞了半天，這個研究的主要結果是「貓啊我真搞不懂你～～」

這個研究，發表於 2025/07/09 的 PLOS ONE。

超中二物理宅雜記
話都給我說就好 其之558

圖：人類啊，別在拿我們做這種無聊實驗了，煩欸～～（Generated by ChatGPT）

Williamina Paton Fleming 在 1857 年的今天出生於蘇格蘭。她十四歲成為當地師資培育制度裡的「學生教師」（pupil-teacher），一邊當學生、一邊兼差教比自己更小的小小孩。嫁給 James Orr Fleming 後一起移民美國波士頓。

1878 年才剛到波士頓不久，老公就拋下她跟兒子跑了，為了養家，她找了份工作：在哈佛大學天文台台長 Pickering 教授家裡當女僕。

Pickering 的太太 Elizabeth 獨具慧眼，看出她是個人才，不應該只是打掃煮飯，向老公大力推薦應該讓她進天文台工作，「聽某嘴、大富貴」，Pickering 教授聽老婆的話在 1879 年讓 Williamina 進天文台兼差做行政工作，後來又升成正式職員。

教授顯然對 Williamina 的工作能力頗為滿意，傳說中他曾飆罵表現不佳的男助理：「我家的蘇格蘭女僕都比你做得好！」("My Scottish maid could do better!")，然後把男助理轟出去，把工作交給她。

1881 年，Williamina 轉為正職，擔任 copyist and computer：抄寫員兼「計算員」。跟電影「關鍵少數」一樣，computer 不是電腦，而是「用人腦做計算的人」，當時這種工作經常雇用女性，因為科學界覺得女人比較細心、又比男人便宜。

1870 年代，「乾版法」問世之後，長時間曝光攝影成為可能，因此開啟了「系統性研究天體」的可能性。Pickering 開始實驗一種新技術，把稜鏡綁在物鏡前，用一張底片同時取得幾百顆恆星的光譜。他請Williamina被指派去負責這些底片的初步檢查、保管、儲存，以及底片上各種天體的分類。累積夠多底片後，他們決定做一件大事：史上第一次大規模的恆星光譜分類。這個重責大任，就落到 Williamina頭上。

成果就是大名鼎鼎的《Draper 星表》(Draper Catalogue)，刊在《哈佛年鑑》第 26、27 卷裡，一口氣登錄了 Williamina 用肉眼確認的 10,351 顆恆星的光譜，每一顆還都附上攝影亮度。

在分類的過程中，她發現大部分的恆星光譜可以放進典型的類別，但總是會冒出一些「長得不太對」的怪咖。她進一步分析這些非典型光譜，從這些「怪咖」裡挖出了 10 顆新星（Nova）、以及 300 多顆亮度會週期變化的變星。早期天體照片還很稀有，有些挑剔的人會把她的發現歸咎於「底片有瑕疵啦」，但她始終堅信照片上看到的就是真的，後來也證明她是對的，顯示她勤奮、有膽識、有獨立判斷的能力。

除了這些，她還發現了 59 個氣體星雲、91 顆沃夫–瑞葉星（Wolf-Rayet stars,一群表面溫度動輒幾萬度、正在劇烈把外殼吹掉的大質量瀕死恆星），以及 69 顆帶有明亮氫譜線的獵戶座型恆星。她對紅色恆星特別有興趣，也就是現代所謂的碳星（carbon stars，大氣中碳比氧多、看起來特別紅、光譜上布滿碳分子吸收帶的紅巨星）。她還發現另一群恆星，雖然光譜看起來也像碳星,可是藍光部分卻多得多，她乾脆替它們開了個新類別，這群星現在叫做 R 型碳星，屬於碳星的一個子分支。

她為這些發現，在《年鑑》裡寫一個名叫「異常光譜」（Peculiar Spectra）的章節，用表格把這些怪咖恆星整理出來、逐一描述它們光譜的特異性，沒能在她過世之前正式出版。

她的另一代表作是《變星照相研究》，紀錄了她發現的 222 顆變星的位置、以及觀測用的比較星序列（magnitude sequences），也就是替每顆變星挑一組亮度已知的「參考星」，讓未來其他天文學家比較、判斷變星目前的亮度。這些變星絕大多數是因為光譜裡同時出現明亮的氫譜線、又交織著 Class M（表面溫度低於 3500 K 的紅色冷恆星）帶狀光譜而被她認出來的。這種「亮氫線 + Class M 帶狀」的組合，她稱為 Md，一直是她最有興趣的對象，只要看到 Md，幾乎就能斷定這顆星是變星。她還按氫譜線的相對亮度、以及連續光譜最亮的位置，把 Md 細分成 11 個子類。除了科學研究之外，她也花了大量時間在處理《哈佛年鑑》一卷又一卷的付印準備工作——她那種快速抓重點的能力，在最後校稿時格外管用。

1899 年，哈佛校方終於正式承認她的貢獻，將她升職為「天文照相資料總監」（Curator of Astronomical Photographs）。1906 年，她獲選倫敦皇家天文學會的榮譽會員，不久之後又當上衛斯理學院的天文學榮譽研究員。過世前幾個月，墨西哥天文學會頒給她 Guadalupe Almendaro 獎章，表彰她發現的新星。她同時也是美國天文與天體物理學會、以及法國天文學會的會員。

Williamina的身體狀況一直都不好，只是靠著她強韌的生命力硬撐。1911 年 5 月她因為極度虛弱而住院，短短幾天病情急轉直下，後來併發肺炎於 1911 年 5 月 21 日辭世。

本文主要取材自 Annie Jump Cannon（她在哈佛天文台的同事與接班人）於 1911 年所撰的悼念文，刊登於《Science》期刊(Cannon， A. J. 1911. "Williamina Paton Fleming." Science， Vol. 33， No. 861， pp. 987–988)。

超中二物理宅雜記
話都給我說就好 其之557

圖左：基於 Williamina Paton Fleming 生平的輕小說《我只是教授家的女僕，為什麼要我編世界第一本恆星光譜星表？》（當然是假的，Generated by ChatGPT）

圖右上：Williamina Paton Fleming 本尊（來源：維基百科）

圖右下：這本「Pioneer of the Stars」才是真的書（來源：Amazon）

我們小時候（很久很久以前，恐龍還沒滅絕的時候）有個人人嚮往的酷東西，叫做「睡眠學習機」，長得像個錄音機，其實也就是個錄音機，放在枕頭旁邊，你睡覺的時候念課文還是參考書給你聽。當時覺得「有這東西就可以整天玩，唸書什麼的一邊睡一邊念就行了！」超讚的，可惜身邊的同學沒有人用過，不知道效果如何。

當然這就牽涉到神經科學裡的一個老問題：「人要『有意識』到什麼程度，才能搞懂周遭發生的事？」

過去的研究顯示，人被麻醉的時候，聲音的刺激依然能夠點亮大腦處理聲音的腦區。但「腦區有反應」跟「聽懂」差很多。這些訊息到底有沒有被傳到更高階、跟「認知」「理解」有關的腦區呢？一直沒有明確的答案。

最近美國 Baylor College of Medicine 的 Sameer A. Sheth 的研究團隊在開刀房裡，從正在動腦部手術的重度癲癇病人的大腦直接記錄神經元活動，藥物已經對這些病人無效，只能進行「前顳葉切除術」切除病灶，範圍包含海馬迴、海馬旁回、杏仁核。由於大腦左右對稱，切掉出問題的那一邊，基本上還是能運作。

病人以俗稱「牛奶針」的 propofol 麻醉，研究者利用切除腦組織之前的 20 分鐘空檔，看看他們的大腦聽到複雜聲音時會怎麼反應。

研究者使用「NeuroPixels」電生理探針，其截面積70 微米×100微米，長度為 1 公分，塞了超過 1000 個微電極接點，能同時記錄上百個神經元的活動。在切除海馬迴之前將探針插入，播放 15 到 20 分鐘的聲音，然後抽出探針，將切除手術完成。整個研究在 7 位病人身上共記錄到 651 個單一神經元的電生理活動。

海馬迴除了掌管記憶之外，近年有一些研究顯示：海馬迴其實也處理「環境裡的階層抽象結構」，例如空間導航（在大腦中架構出環境地形地貌），往上甚至涉及「世界是怎麼組織起來的」這種格局的抽象結構。這次的研究，是想看看語言結構是不是也歸它管。

第一個實驗叫做 oddball paradigm（異常刺激典範），就是放一堆「嗶嗶嗶」聲（背景音）中間突然混進一個「噗」（異常音）。演化的結果，讓大腦本來就會被這種「日常背景中的異常」所吸引，因為那往往代表「好康的」或是「危險的」東西出現了。問題是：麻醉中的大腦（海馬迴）呢？

結果顯示，有 25% 的神經元碰到「噗」時放電率明顯比「嗶」高，而且是「慢慢學會」的。在 10 分鐘的播放過程中，一開始兩種聲音引起的反應並沒有統計顯著性，但隨著時間過去，差距越來越大。而且不只是單純的「放電變強」，而是神經編碼方式整個改變了，呈現出神經的可塑性（plasticity）。

接下來他們放的是《The Moth Radio Hour》這個 podcast 中的三段大約 7 分鐘的真人自述故事：〈Wild Women and Dancing Queens〉、〈My Father's Hands〉和〈Juggling and Jesus〉。在 4 位病人身上記錄到 375 個神經元的活動。

結果如下：
1. 字彙頻率：麻醉中的大腦「聽」到越常見的單字，放電頻率越高，相關係數~0.48。這其實跟前一個 oddball 實驗「稀有的比較受注意」相反。

2. 詞性與語意：85.6% 的神經元能區分（放電模式不同）至少一個「語意類別」（人物、地點、情緒、物體、動作……），70% 以上能分辨詞性（名詞、動詞、形容詞等等）。

3. 上下文與預測： 神經元放電不只編碼當下這個詞，還攜帶了接下來幾個字的語意資訊。研究人員從神經訊號中可以解碼出（還沒聽到的）後續詞的語意，準度跟「已經聽到的詞」差不多，這不就和大型語言模型的「文字接龍」有點像嗎？

4. Surprisal（驚奇度） ：這是「這個字塞在其上下文脈絡下有多出乎意料」的指標，結果發現神經元放電率確實會被 surprisal 調節。既然聽到「出乎意料」的用語時神經行為會改變，當然就表示「有在預測」而「出來的跟預測的不一樣」。作者舉了個例子:「有一個人在打棒球，他打中了球，球飛過了月亮」聽到「月亮」時你會愣一下，因為你預期的是「全壘打牆」而不會是「月亮」。

研究團隊把這群麻醉病人的結果，跟另一批清醒的癲癇病人（在病房裡聽同樣 podcast）做了比較，兩組的神經編碼能力幾乎一模一樣。麻醉中的大腦不只聽得到，而且能處理詞性、語意、上下文預測，跟清醒的大腦沒什麼差。

病人從麻醉中醒來，問他們記不記得聽了什麼，答案都是「No」。研究者提出的假說是：麻醉中的大腦感覺整合（sensory integration）沒被切斷，麻醉真正阻斷的可能不是「處理」，而是「記憶鞏固」（consolidation），大腦接收到訊號而且處理了，但沒有被刻進長期記憶。

當然啦，免不了要提醒一下各位讀者，以上結果僅限於「用propofol麻醉後，海馬迴對聲音的反應」。能不能推廣到其他麻醉藥、其他無意識狀態、其他腦區？要做了才知道。

這個研究，發表於 2026/05/06的「Nature」。

超中二物理宅雜記
話都給我說就好 其之557

圖上：即使被麻醉了，人腦也具有二喬的能力，能預測「你接下來要說的是…」（ジョジョの奇妙な冒険©荒木飛呂彥／集英社）

圖下：(a) 以機械手臂輔助植入 NeuroPixels 現場 (b) 黃色區域就是掌管記憶的海馬迴，紅點為探針插入位置（來源：Nature）

現在 AI 大行其道，我們在學校教書的，也知道潮流（學生用 AI 寫作業跟程式）不可擋，只是一再告知「人腦也要放進工作流裡，還有，怎麼用 AI 要好好揭露」，只是收到的作業 95% 同學的「揭露」都是長這樣：「使用 AI 協助資料收集與校稿，再由作者進行最後檢查後定稿。」唉呀老師都被看扁了呢。

不過這年頭老師跟學生一樣大用特用 AI，思考研究 idea 時很刺激也很痛快，不過開始寫程式 debug 就滿煩的了，最後成果出來當然開心，但是要寫論文又超痛苦。有 AI 這種好東西誰不用？只是每個研究人員用的程度深淺不一，事實上也發生過 AI 亂掰、圖亂畫，甚至還登上了頂級的醫學雜誌，成為笑柄。

所以從學生到研究人員到期刊，都得面對「AI 使用如何揭露」的問題。

看到現在最樂意揭露 AI 使用的，大概就是那些靠北專業人士的酸民：「你看我隨便用 AI 做一做，也不會比你差。」堪稱光明磊落的行為，可以頒發「最誠實揭露 AI 使用獎」。

（繼續之前也來揭露一下，以下初稿是 AI 寫的）

2026 年 5 月初，在溫哥華舉行了世界研究誠信大會（World Conference on Research Integrity，簡稱 WCRI）。研究者、出版商、倫理學家與相關工作者聚在一起，想要討論出一套全球通用的標準：研究者用了 AI，到底要在什麼時候、用什麼方式揭露？主持人是 Bert Seghers，他是比利時Flemish commission for research integrity的主席，本行是數學家，他希望這份指引能在 2026 年底前發布。不過從會議現場的反應來看，這份指引要寫出來，並不容易。

會議室的螢幕上寫著一行字：「研究者應該揭露使用 AI 進行構想發想的情形，即使這些構想最終沒有出現在發表的稿件中。」然後叫大家選邊站。大部分人默默走向標示「強烈反對」的牌子下方集合，「強烈同意」那邊只有小貓兩三隻，現場爆出一陣尷尬的笑聲。這個場面，大概可以濃縮整個 AI 揭露議題目前的氛圍：大家都覺得該做點什麼，但對於要做到什麼程度，看法分歧。

傳統的共識依然可用：作者要為自己發表的內容負責，不管這些內容是怎麼做出來的；引用別人的東西要好好註明來源；研究方法要交代清楚。許多期刊目前都有自家的 AI 揭露規範，通常都會明訂「AI 不能列名作者」。但 Seghers 點出問題：「有些期刊的規範寫得很模糊，而且各家標準兜不起來，我們必須取得共識。」

目前研究者投稿時明顯「不太愛揭露使用 AI」。各種調查問研究者「你有沒有用 AI」，「有」的比例是 28%～76%，但實際在論文中揭露的比例，研究顯示遠低於這個數字。BMJ（英國醫學期刊）出版集團旗下的 49 種期刊，2024 年共收到超過 25,000 篇投稿，這些期刊都強制要求揭露 AI 使用情形，但實際附上揭露聲明的，只有 5.7%。原因是研究者可能不確定哪些事情需要揭露，或是擔心揭露 AI 使用後審稿人（尤其是惡名昭彰的 reviewer 2）會「另眼相看」，影響稿件被接受的機會。

AI 用到什麼程度才需要揭露？揭露到多細？很多科學家會用 AI 來潤飾文字，這算不算？投稿前拿 AI 幫忙抓一下拼字文法的錯誤，這種小事是否可以不必特別提？當然，對於不同領域狀況也不同，對於本來就是文字為主的文史哲領域，跟以數據資料的基礎科學領域，「AI 幫忙處理文字」所代表的意義絕對大不相同。

修改文字是一回事，如果是把 AI 用在「全自動代理式研究」，那當然就是完全不同層級的事了。

要揭露到什麼程度？強硬派認為，論文裡應完整寫出用了哪個模型、在幾月幾日幾點幾分用的、所有的提示詞（prompt）跟 AI 回應全部要附上。反對派則擔心，這種繁瑣冗長的揭露要求，加上「承認使用 AI 對審查不利」的疑慮，反而會讓更多人乾脆不揭露。也有人主張門檻訂得越高越好，要等到 AI 的貢獻已經達到作者等級才需要揭露，較小的貢獻將會變得太普遍，全面揭露反而失去意義。

另一個問題是：怎麼確保作者真的能對 AI 產出的內容「負起完整且知情的責任」？所謂「盡到查核責任」確認 AI 沒有亂講話，實務上其實越來越難了。AI 系統越來越自主、能力越來越強，它能做的事情可能已經超出作者自己能核對的範圍。甚至有人提案：「任何 AI 生成的內容，至少要有兩位共同作者來審查驗證。」這件事（當 AI 的校對員）想起來就無聊到爆，那我乾脆別用 AI，全部自己做算了…

也有學者對整個會議的努力抱著懷疑的態度。考量到技術變化速度這麼快、各學科的規範又南轅北轍，想要制定一套實務上通用的指引，可能根本辦不到。

雖然大家的意見南轅北轍，Seghers 跟共同主持人 Kari Weaver（安大略大學圖書館聯盟的人工智慧與機器學習計畫負責人）還是希望能訂出這份將會命名為「溫哥華標準」（Vancouver Standard）的 AI 揭露指引，既能具體提供實務可行的準則；又能涵蓋未來隨著 AI 發展出現的各種可能的情境。

這聽起來像個「不可能的任務」，光是大家在會議上吵來吵去的這段時間，AI 的樣貌可能又改變了不少。Seghers 自己也承認：「有人說這太天真了，但能把問題的輪廓描繪出來，本身就已經是一種成就。」

看起來還有得吵，而且不見得吵得出結果，大家走著瞧吧。

超中二物理宅雜記
話都給我說就好 其之556

圖：研究者對於「AI 使用揭露」，雖然人人同意是必要的，但揭露到哪裡，態度保留者居多。（ChatGPT 生成）

「現在的遊戲都只會追求畫面華麗，還有一堆套皮免洗手遊，爛死了！還是當年『超級任天堂』的『第三次超級機器人大戰』才有味道。」老阿宅經常有這種感嘆。這種說法有道理嗎？老遊戲真的比較好玩嗎？

英國牛津大學網際網路研究所團隊，決定好好研究這個問題：到底是哪些人在玩「老遊戲」？他們會回頭玩哪個年代的遊戲？這件事跟他們的快樂指數有關係嗎？

懷舊遊戲（retro game）通常指 1970 到 2000 年代初期的電子遊戲。過去這個現象主要靠回憶式問卷或實驗室研究（烙人來實驗室打電動）來探討，不過回憶通常失之主觀，而且「過去很美好」彩虹泡泡往往使回答失真；實驗室環境也跟真實打電動的情境差很遠。

這個研究厲害的地方是盡可能重現真實的遊玩情境：1,099 位 Nintendo Switch 玩家從 2022 到 2025 年，總共高達 13,000 小時、25,000 回合的遊戲記錄，全部來自任天堂官方授權的「Switch Online」服務上提供的經典家用主機模擬器（任天堂紅白機、超級任天堂、N64、Game Boy、Game Boy Advance、Sega Genesis）。研究者把這些紀錄跟玩家自填的人口背景與心理量表結合，得到一份史上最大規模的懷舊遊戲行為描述。

第一個問題是：誰在玩老遊戲？答案是：全職工作的年長男性比較多為大宗。如果用「至少 10% 的遊戲時間花在懷舊遊戲」當門檻，全樣本約有 7% 符合「懷舊玩家」標準。年齡分布為：20 多歲玩家平均只把 2% 的時間花在老遊戲，到 40 歲已經升到 8%。

接著是：哪個年代的遊戲最受歡迎？以主機來看，最受歡迎的是任天堂 N64 和超任，佔了所有懷舊遊戲時間的一半以上。研究者推估出玩家「時光倒轉」到什麼時代，結論是玩家 5 到 13 歲的童年，尖峰大約落在 10 歲。這跟記憶心理學裡的「reminiscence bump」（回憶高峰）相當吻合：人到中年後，最容易喚起的個人記憶往往來自青少年到成年初期。

但也有個意外的結果：有 27% 的懷舊遊戲時段，玩的是玩家出生前就已經停產的主機。也就是說，有一部份的人玩懷舊遊戲，不只是在重訪自己的童年（個人懷舊），而是在「想像一個自己沒參與過的過去」（歷史懷舊），有可能是把它當成深入認識遊戲史的「文化探索」，或是可以拿來擺出一副「我老玩家」姿態的「宅圈社會資本」。

再來是：他們怎麼玩這些遊戲？Switch 是掌上型主機，但是也可以接電視玩。研究發現：Game Boy 系列原本就是掌上型，玩家在 Switch 模擬器上玩時，69% 會選掌機模式；對比之下紅白機、超任、N64用掌機模式的只有 57%。這表示玩家傾向用「接近原始體驗」的方式再來一次。

最後一個問題是：玩懷舊遊戲的人有比較快樂嗎？答案是「看不出來」。生活滿意度、遊戲中的「連帶感」等指標在懷舊玩家與非懷舊玩家之間沒有長期顯著差異。不過作者指出，目前的結果還不能否定「短期效益」的存在，玩老遊戲的當下那幾十分鐘，或許會有情感波動，只是不會累積成可量化的長期差異。

從嬰兒潮後期一路到 X 世代，是第一代從小就有家用遊戲機的人，已經或是即將退休。遊戲產業可能會推一波「瞄準銀髮族的懷舊市場」、世代間以共玩老遊戲來聯繫感情的現象也可能會增加。不過許多老遊戲因為儲存媒體損壞、廠商不再發行而正在「永久消失」中（估計 87% 的老遊戲已經再也玩不到了QQ）。如何保存這些遊戲的「文化遺產」，是不是也該列入下一個重要的議題呢？

這個研究，發表於 2026/03/26 的「Psychology of Popular Media」（大眾媒體心理學）。

超中二物理宅雜記
話都給我說就好 其之555

圖：紀念一下筆者入宅坑的原點（SDガンダムワールド ガチャポン戦士2 カプセル戦記©BANDAI）

明天5/12是南丁格爾（Florence Nightingale，1820-1910）的誕辰，提到這個名字，大家腦中浮現的應該是「紅色彗星」夏亞專用，身高 27.8 公尺，全身紅色、威風凜凜的 MS「夜鶯」（才怪）…重來，應該是畫像中提著油燈、在帳棚中細心檢視傷兵狀態的身影。「提燈天使」、現代護理之母，是她標準的「社會形象」。

不過據說在士兵的口中，她是「拿著鐵鎚的女人」，因為她為了取出藥品救治傷兵，拿了鐵鎚撬開上鎖的儲藏室。雖然跟白衣天使的形象落差很大，但是精神是一致的。

不過她的另一面其實是個徹頭徹尾的數據宅，傷兵在她的眼中，除了是個需要照顧的人類之外，可能也是個「統計數字」。由於她在統計與公衛的貢獻，成為英國皇家統計學會史上第一位女性會士。

南丁格爾身為統計學家實事求是的性格，可能來自她的父母，她生於義大利文藝復興重鎮佛羅倫斯，所以就取了這個名字。她姊姊生於那不勒斯的 Parthenope，所以也取了這個名字。這對父母為小孩命名的邏輯算是有始有終，也還好小孩沒有生在名字不好聽的城市。

南丁格爾是出身英國上流家庭的大小姐，從小學習希臘文、拉丁文、法文、德文、義大利文、歷史、哲學，最重要的是，還有數學！在那個年代，貴族小姐學數學是很奇怪的事。

南丁格爾 16 歲時跟聖女貞德一樣「聽到神的呼召」，下定決心奉獻世人，浮現了「要當護理師」的想法（不過因為是說歷史故事，所以後面還是使用舊稱「護士」）。當時的護士基本上是社會底層的工作，好人家的女兒是不會去做這行的，所以她也只把這個志向放在心裡。直到 1844 年，她正式宣布要走這條路，因此爆發了家庭革命，一直要到 1853 年，她才成為真正的護理人員，在倫敦一家小小的婦女療養院擔任院長（講「院長」好像很了不起，其實比較像「舍監」或「管理員」）。

一年後克里米亞戰爭爆發，英國跟法國、土耳其聯手打俄羅斯。前線傳回來的醫療慘況讓泰晤士報整版痛罵政府，戰爭部長（也是南丁格爾的友人）緊急請她帶隊去伊斯坦堡附近的 Scutari 軍醫院。她帶著 38 個護士前往，在這裡留下了「提燈天使」這個形象。

不過從這裡開始，敘事分成了「南粉」跟「南黑」兩種。（如果是傳統的「偉人傳記」，都屬於南粉派）

她在Scutari 的前幾個月，這家醫院的死亡率高達42%，次年三月，英國政府成立衛生委員會（Sanitary Commission），對醫院大舉清消與進行工程改善，讓死亡率下降到2%。「南黑」派認為，高死亡率得歸咎於南丁格爾，因為她沒有認清糟糕的衛生條件是高死亡率的元兇，提燈巡視、撫慰傷兵根本無濟於事，是政府直接介入才解決了問題。「南粉」派則反駁，南丁格爾當然知道原因，但是她沒有權限調度人員來進行清消與工程，只能向政府反映。

不管事實真相是哪一個，總之在克里米亞的經驗之後，就成為公共衛生改革的急先鋒。

她回英國後被視為戰地英雄，還受到維多利亞女王召見表揚。之後她全心投入戰地醫院的醫療資料分析，並且與當時英國最傑出的統計學家 William Farr長期合作。1858年完成了長達 850 頁的「影響英國軍隊健康、效率和醫院管理的事項筆記」（Notes on Matters Affecting Health, Efficiency, and Hospital Administration of the British Army），她狂熱的工作，有時連續長達 24 小時不休息。

她和 Farr 得到的結果令人震驚，他們發現英軍戰死的有 4000 多人，但是死於「可預防的傳染病」的竟然高達 16000 人！南丁格爾分析資料時才知道，自己負責的 Scutari 醫院死亡率竟然是全軍最高，更是深受打擊。更離譜的是，承平時期英國軍人的死亡風險居然比戰爭時期還高，因為工業革命後都市過度擁擠，衛生條件比前線還爛…

結論很明顯：「公共衛生問題比戰爭還可怕」。問題是，就連現代人看到統計數字跟圖表也會頭痛，何況是 19 世紀的英國國會議員跟維多利亞女王？

南丁格爾絞盡腦汁，畫出了名留歷史，堪稱「資料視覺化」經典之作的「雞冠圖」（coxcomb），後來的人改稱為「玫瑰圖」（rose diagram）：這是圓餅圖的一種變形將圓分成 12 等分，每一格代表一個月，從圖中心向外延伸的扇形面積代表那個月的死亡人數，藍色代表「可預防的疾病」（霍亂、傷寒等），紅色代表「戰傷」，黑色代表「其他原因」。這張圖厲害的地方是讓任何人都能一眼看出「藍色部分壓倒性的大」，對於她推動的公共衛生改革，提供了無比的說服力。對比到了現在，還有不少人無論呈現什麼資料都只會用折線圖，南丁格爾真的很厲害。

她的努力沒有白費。這份報告跟玫瑰圖直接促成了英國軍醫療系統的全面改革，士兵和平時期死亡率之後幾年下降了一半以上。1859 年，她成為英國皇家統計學會第一位女性會員。1874 年，美國統計學會也選她為榮譽會員。

之後她持續用「先收集資料、分析、視覺化」這套方法論推動當時還是英國殖民地的印度的公共衛生改革，經過十年的努力，駐印度英軍的死亡率從每千人 69 人降到 18 人。

看遍無數統計資料後，她跟 Farr 認為，醫院的醫療記錄格式不一，缺乏一致的疾病分類系統，許多資料有缺漏或是彼此矛盾。因此她提議所有的醫院應該採用相同的醫療紀錄表格以及統計方法，1860 年在倫敦舉行的「國際統計大會」認可了南丁格爾這個構想，可稱為現代「醫院病歷標準化」的起點。

所以南丁格爾不但是「提燈的白衣天使」，也是「熱血硬派」的統計學家與公衛學家，「醫療大數據」、「資料視覺化」這些摩登玩意的先驅者。

超中二物理宅雜記
話都給我說就好 其之554

圖左上：南丁格爾於 1860 年之照片，Henry Hering 拍攝（來源：維基百科）
圖右上：著名的「玫瑰圖」，標題為「東線軍隊死因圖解」（南丁格爾原來取名為「雞冠圖」，來源：維基百科）
圖下：MSN-04II「南丁格爾」（機動戦士ガンダム 逆襲のシャア ベルトーチカ・チルドレン©富野由悠季／BANDAI）

賀！！ 本系 #李其紘 老師榮升 #副教授！

李老師長期深耕凝態物理與材料科學領域，研究聚焦於聲子、熱傳輸與材料結構等關鍵議題，近年更於排名前10%的國際頂尖期刊中發表多篇具代表性的研究成果，展現卓越的學術能量與研究影響力。

其中，與本系林丞彥、陳冠妤同學共同發表於《Materials Today Physics》的研究指出，Mn₂OBO₃ 材料於 3.5–1250 K 的超寬溫區間內呈現單軸零熱膨脹行為，為目前已知溫域最廣的零熱膨脹材料之一；研究亦發現，此特性源自 BO₃ 單元橫向振動與 MnO₆ 熱膨脹效應間的平衡。

此外，與臺灣大學材料系合作、發表於《Advanced Science》的成果，透過中子散射技術首次直接觀測 β-Zn₄Sb₃ 中聲子與 rattler 的 avoided crossing 現象，顯示其可有效抑制熱傳導並提升熱電效能，為熱電材料研究帶來重要突破。

另一項與成功大學材料系合作、刊登於《Small》的研究則顯示，MAPbCl₃ 中極低的聲學聲子群速度會造成強烈聲子散射，使其熱導率接近非晶材料水準，對理解鹵化物材料熱傳輸機制具有重要意義。

2026 年 4 月，與中山大學物理系合作之研究成果再度發表於《Advanced Science》，進一步深化對磁性與鐵電材料耦合機制的理解。

李老師在研究、教學與人才培育上的卓越表現深獲肯定，此次榮升副教授實至名歸。本系全體師生同賀，並歡迎新同學加入研究團隊，共同再創高峰！

#恭喜老師榮升
#也歡迎同學加入李老師團隊