EP10_從手機到健康監測：塑膠光譜儀技術正悄悄走進你我生活

---------------------------------------------------------------

想像一下，你的手機不只會拍照，還能檢測水果甜度、驗藥、測血糖，甚至監測空氣品質。
劍橋大學與浙江大學的研究團隊，用形狀記憶塑膠與應力工程，做出一款低成本、緊湊、覆蓋可見光到短波紅外線的光譜儀。
它小到可以放進手機，便宜到能量產，應用範圍橫跨醫療、農業、環境檢測。

本集帶你了解：

• 傳統光譜儀為何難以走進日常生活

[EP09_水中諜對諜：魚寶寶的偷襲術大不同]

------------------------------------------------

我們對於水中的魚理解多少呢？我們對於魚兒的印象如在池塘撒撒飼料魚群們就衝向水面咬飼料來吃。海邊釣魚時，拋個魚餌，魚會果來偷吃魚餌而上鉤，魚看起來捕食應該很單一，看到食物就衝過去吃，並沒有多想。

但事實真是如此嗎？ 隨著科學對硬骨魚的研究越來越多，像斑馬魚，他們在捕食時其時會執行他們的捕獵策略，眼部的聚焦變化、游泳方式改變等，甚至也會展現攻擊得運動行為。所以，他們其實並不是看到獵物就衝過去吃而已，而是會調整自己的姿態並策略興進行捕食。然而那這些捕食策略是天生的嗎？ 科學家也好奇，他們小時和長大後的捕食策略的演變是怎樣？

近期發表於《eLife》期刊，針對硬骨魚幼魚捕食策略，有了新的發現．他們針對慈鯛魚和青鱂魚幼魚進行研究，結合高速攝影和ＡＩ運動學解析，讓我們更清楚 在不同類幼魚的打獵技巧方式。雖然這些幼魚捕食 如草履蟲、豐年蝦等浮游生物。但卻展現不同的捕食策略

像慈鯛的幼魚捕食的方式：

1.雙眼匯聚（向鼻側旋轉) ：讓獵物在幼魚視覺能置中，來確認攻擊區域。

2.距離偵測：他們會在捕食期間不斷間歇性停頓，來判斷與自己與獵物的距離

3.游泳方式：不同種的慈鯛幼魚游泳方式也不同，有些是坐等伏擊，有些事不連續泳動（快速擺動與靜置交替），另一種則是連續滑行的方式高頻率短時間捕食（不斷擺尾）

4.行為音節：具有Ｊ型轉彎，接近式游泳（低幅度擺動魚尾，讓獵物進入他的攻擊視野也中），以及懸停（魚尾擺動但不前進）

5. 捕食：

a. 一般捕食:尾部搖擺然後衝像獵物捕食

b.捕食彈跳：快速的捕獵方式，尾部呈現Ｓ型然後在百毫秒間伸直，使幼魚快速衝像獵物捕食．

青鱂魚幼魚捕食方式：

1.雙眼不匯聚

2.游泳方式：滑行連續游泳方式（不斷擺動魚尾）

3.獵物定位‘：利用側邊視覺，會將獵物放置於側邊視野中。

4.捕食方式：側擺動作來捕食獵物

5.距離判斷：藉由運動視差來判斷獵物的距離，也是就是魚的視網膜會藉由速度來判斷物體得距離．這是單眼視覺策略．幼魚會以螺旋方式接近獵物。

綜合以上研究中觀察魚的捕獵運動行為，我們可以發現他們不僅捕獵方式不一樣，連運用的視覺方式也不同。他們在幼魚的時就展現不同的游泳和擺動方式，來適應各自不同的生態環境。 並非我們所想像魚兒都是用單一的捕獵方式。我想這也是大自然多元與有趣的地方，下次看到魚兒別已在以為他們只會俯衝覓食了，他們有迥異多元的捕食方式唷！

-----------------------------------------------

*參考文獻： Duncan S MearnsSydney A HuntMartin W SchneiderAsh V ParkerManuel StemmerHerwig Baier (2025) Diverse prey capture strategies in teleost larvae eLife 13:RP98347.

＊doi: https://doi.org/10.7554/eLife.98347.3

*impact factor :6.4

科學雜談，快速聽文獻，掌握科研新動向

[EP08_時間也能結晶？科學家發現『會跳舞的量子晶體』

---------------------------------------------------

時間也是晶體? 首先我們得先理解什麼是晶體，晶體是在一空間裡有固定重複排列的結構。比方說像鹽巴，它是Na 和Cl 兩個原子以特定的重複排列而成的晶體。

時間晶體，則是在時間內出現重複有規律的行為！舉例來說，假設你每秒用力推一下鞦韆，一般來說，鞦韆會跟著節奏每秒晃動一次。非時間晶體物質運動會跟你推的頻率有關。但時間晶體不同，你每秒推一次鞦韆。它卻只在每兩秒或三秒晃動一次——就像它「自己選擇了另一個節奏」，打破了你原本給的規律。

像這種「自己有節奏、穩定重複」的行為，在物理學上就叫做「時間對稱性破壞」，也是時間晶體具有的運動特性。

本篇分享的研究藉由實驗證明時間晶體的延伸-離散時間晶體的存在。

或許你會好奇，怎麼又蹦出個離散時間晶體，它又是什麼呢?

離散時間晶體(DTQC)，它是在時間內具有準週期性（quasiperiodic）的運動，所謂「準週期」就是它的節奏看起來有規律，但不是完全重複。

我們可以用熟悉的物質晶體來比較，就能比較能理解:
1.像水晶冰(空間內以H2O規則重複排列，形成結構)-->時間晶體(在時間內用重複運動模式)

2.像雪花(在空間內以不規則排列，但形成結構)-->離散準晶體(在時間內規不規則運動的模式)

實驗中，他們使用氮去轟擊奈米鑽石結構，讓鑽石的碳被氮所取代，而形成氮-空位（NV）中心，也就是具有自旋-1 的人工原子，並透過微波場對其自旋進行精確控制和觀察。由於離散準晶體具有穩健性，不會受干擾而失去離散時間晶體的特性，使得可量化 DTQC 秩序的穩健性，並繪製了其相圖。

而什麼是DTQC的穩健性，簡單的來說，離散時間晶體就像在一首舞曲中跳舞的舞者們，他們手牽著手，跳著2、3種的舞步，但舞步沒有規律、也沒有重複。就算外人推了其中一個舞者一下，也不會影響到他們。 舞者就是量子，手牽著手就是作用力，舞步就是自旋方式。

這項研究除了首次實驗證據量子系統中可以實現長壽命且穩健的DTQC，也打破了我們長久以來都認晶體相的特徵與週期性和長期有序的緊密關聯，研究證明了即使在非平衡態(非熱力學平衡)下，也可以產生超越傳統理解的物質相。這也為未來的量子技術鋪平道路，例如應用於多頻時間參考用於精確測量和訊號處理上。

------------------------------------------------

*參考文獻:Phys. Rev. X 15, 011055 – Published 12 March, 2025

• DOI: https://doi.org/10.1103/PhysRevX.15.011055

• impact factor: 15.7

[EP06_智慧牙線，剔出你的壓力值]

===========================

你是不是壓力大卻不自知呢? 又或者 想要放鬆 卻不知道自己做的放鬆運度到底有沒有效?

因為沒有簡易、即時檢測器，來告訴我們客觀的壓力指標。直到壓力爆錶了、受不了了看醫生一檢測才能知道。為了解決這種狀況研究人員開始思考如何在生活中用簡便的方式偵查自己的壓力指標。

本篇研究將牙線作為一種線分析唾液診斷裝置，提出能讓我們在生活中即時檢測壓力狀況，該方法有別於點護理（POC, point-of-care)病患需要到醫院進行檢驗才來知道自己的壓力狀況。

而為何要選用牙線呢? 主要是想藉由牙線的毛細作用來收集唾，然後傳送到微流體區域進行唾液過濾，分離大顆粒和食物殘渣，再穩定流向感測器進行壓力標記物- 皮質醇量檢測。

• 牙線的材料:使用FDA 批准的生物相容性牙科樹脂，BioMed Clear Resin

• 感測器製備:電極製備工藝為多孔雷射雕刻石墨烯 (Porous Laser-Engraved Graphene, PLEG)。是經雷射雕刻碳化 (laser-engraved carbonization) 薄而柔韌的聚酰亞胺 (polyimide, PI) 基材所製成

1. 工作電極 (Working Electrode, WE) :皮質醇檢測區==>PLEG 工作電極透過電化學聚合分子印跡聚合物 (eMIPs) 方法進行功能化，特別是與皮質醇特異性的 cort-eMIP 層結合
2. 參考電極 (Reference Electrode, RE):提供穩定且已知電位的參考點
3. 對電極 (Counter Electrode, CE):供一個電流通過的回路，以平衡工作電極上發生的氧化還原反應

另外，為了增強對皮質醇的偵測能力，在感測器中加入了內部氧化還原信號探針 (Internal Redox Signaling Probe):，普魯士藍 (Prussian Blue, PB)，在氧化還原時產生產生安培電流的變化

智慧牙線的測試能力，也經真實人類唾液樣本進行了驗證，對照傳統的 ELISA 檢測壓力狀況具有高度相關性，因此相當具有床旁壓力監測工具的潛力。期許後續再裝置的優化、改善能真正實現應用在我們生活中，來幫助大家更即時、客觀地知道壓力變化，進行壓力調解，讓我們身心靈更加健康。

-------------------------------------------------

*專有名詞:

• 皮質醇（Cortisol）:是一種壓力生物標誌物
• 微流控（Microfluidics）
• 多孔雷射雕刻石墨烯（Porous Laser-Engraved Graphene, PLEG）:電極是透過雷射誘導碳化薄而柔韌的聚醯亞胺 (PI) 表面而製成的
• 電聚合分子印跡聚合物（Electropolymerized Molecularly Imprinted Polymers, eMIPs
• ELISA(Enzyme-Linked Immunosorbent Assay,酶聯免疫吸附試驗) :檢測和定量特定蛋白質或其他生物分子的實驗室技術

--------------------------------------------------

*文獻:

ACS Appl. Mater. Interfaces 2025, 17, 17, 25083–25096 (IF:8.2)

https://doi.org/10.1021/acsami.5c02988

科學雜談，快速聽文獻，掌握科研新動向

[EP06_破除AI 詛咒，向AGI世代邁進!]

---------------------------------------------------

相信大家對AI 都不陌生了，現在不管做什麼事，讀書、考試、工作、生活雜事都早已離不開AI。但目前AI 如chatGPT皆是以ransformer架構，需要大量的數據進行計算，如果要邁向AGI仍有一大段距離，為了實現更豐富的特徵表示和更複雜的自發行為，或著讓AI 有靈光一閃、頓悟的能力，許多AI 研究人員正不斷的思考研究各種可行的方案。

本篇研究提出了「維度與動態」的方法:

1.引入層內連結（增加網路高度和其他抽象維度）

2. 回饋迴圈（賦予網路動態，類似物理學中的相變）

期望用這新的概念讓AI學習能力和效率提升，能更朝向通用人工智慧(AGI)的目標邁進

--------------------------------------------------

**專有名詞:

• AGI(Artificial General Intelligence,通用人工智慧):具備與人類同等智慧型、或超越普通人類的人工智慧
• Transformer架構:是一種注意力機制的深度學習架構，這一機制可以按輸入資料各部分重要性的不同而分配不同的權重。
• KAN(Kolmogorov-Arnold Networks):一種新型神經網路架構，可學習的激活函數和在節點連接處而不是節點本身應用這些函數而聞名。
• Diffusion Models(擴散模型):採用多步迴圈 (multi-step loops) 的方式運作。核心機制是去噪-恢復迴圈 (noising-denoising loop)，擴散模型透過這種迴圈機制，產生了強大的動態性 (powerful dynamics)。
• Mamba(深度學習架構):一種狀態空間模型（state-space models)。它利用壓縮-恢復迴圈（compression-recovery loops）建模長程依賴性（long-range dependence)

• 圖神經網路 (GNNs):沿著學習圖中的邊緣在節點之間傳播資訊，並生成節點嵌入和邊緣預測

------------------------------------------------------------

**文獻:Wang and Fan, Dimensionality and dynamics for next-generation artificial neural networks, Patterns (2025)( IF:7.4)

**DOI: 10.1016/j.patter.2025.101231

-------------------------------------------------------------

**語音:notebooklm(AI語音)

科學雜談，快速聽文獻，掌握科研新動向

[EP05_細胞也有耳朵?揭密聲音如何影響脂肪細胞]

-------------------------------------------------------

咦!細胞有耳朵能聽到聲音! 最新的研究發現聲波會影響到細胞的形態學以及一些基因表現。

相信你一定很好奇，細胞是怎麼聽到聲音的呢? 其中關鍵腳色就是『黏著斑激酶 (FAK) 』它具有黏附的結構，將細胞骨架 (cytoskeleton) 連接到細胞外基質 (extracellular matrix)，能偵測到物理力量和基質剛硬度。

本篇研究，藉由觀察老鼠的C2C12細胞遇到聲波時的變化，發現聲學信號在黏著斑激酶（FAK）啟動，使FAK上397的酪胺酸 (tyrosine, Y) 位點的磷酸化作用，此時誘導了與聲音高度且即時相關的基因Ptgs2(前列腺素內過氧化物合酶 2 / 環氧合酶-2)和 Ctgf (結締組織生長因子) 響應，增加 PGE2 (前列腺素 E2)活性對 EP4 受體(receptor)作用，從而激活一連串基因。細胞因此強化黏著斑並擴大黏附面積讓邊緣顯現出片狀偽足(lamellipodial)

而其中以前脂肪細胞 (preadipocytes) 3T3-L1 對於聲波的特別敏感，顯著影響脂肪細胞分化 (adipocyte differentiation) ，當 3T3-L1 暴露於高音頻下脂肪細胞分化受到顯著抑制，也就是減少脂肪的形成。

雖然本篇是細胞等級的研究，聲音對人體的基因影響尚需要更多研究探討。但研究仍我們了解，啊!原來 我們的細胞會隨者不同聲音會變化形狀並還會影響到基因的表現。音樂、聲音不僅可以調劑心情，看來更可能會影響到我們身體的健康唷!

立馬~播個音樂來壓壓驚!

-------------------------------------------------------

*專有名詞:

• 黏著斑激酶(FAK,Focal Adhesion Kinase)
• 3T3-L1 前脂肪細胞(preadipocytes)
• Ptgs2 (prostaglandin-endoperoxide synthase 2)，又稱 Cox-2 (cyclooxygenase-2):聲學響應基因
• Ctgf (connective tissue growth factor)

• PGE2 (prostaglandin E2) :該酶負責調節 PGE2 的生物合成，並參與 PGE2 生成的適應性調節

-------------------------------------------------------

*文獻:Kumeta, M., Otani, M., Toyoda, M. et al. Acoustic modulation of mechanosensitive genes and adipocyte differentiation. Commun Biol 8, 595 (2025). (IF:5.2)

https://doi.org/10.1038/s42003-025-07969-1

--------------------------------------------------------

*語音: notebooklm (AI語音)

科學雜談，快速聽文獻，掌握科研新動向

【EP04_相互矛盾的廣義相對論和量子力學，重力理論居然能統一了?】

--------------------------------------

『重力』我們看似熟悉的力，但卻一直困惱著科學家難以將宏觀與微觀的『重力』進行整合，變成統一的理論。

為何會如此呢? 我們所知，愛因斯坦廣義相對 對重力的解讀:「重力不是一種力。是質量和能量讓時空彎曲，而彎曲改變了物體的運動路徑，這種『現象』就是我們看到的重力。」

然而在量子力學框架的重力:「力，是一些力的交互作用(如引力子)，並具有概率、不確定性和離散性。」

兩種理論概念不同也不能兼容，科學家更無法將廣義相對論進行量子化，而得出無限大、產生無法重整化等問題。

本篇研究，正試圖用新概念和公式去進行統一。一起來聽聽科學家是怎麼解釋重力的吧!

--------------------------------------

**專有名詞: 由於文獻中有太多物理和數學專有名詞，因此僅局部補充說明，有興趣可察看研究報告。

• 規範場論 (Gauge Field Theory) :是一種透過引入「規範對稱性」(gauge symmetry) 來描述基本粒子及其相互作用。這種理論的核心思想是，物理定律在某些特定的轉換下保持不變，而這些轉換的參數可以隨時空座標變化
• 時空維度場 (space-time dimension field):用來以解決傳統廣義相對論在量子化時與標準模型不相容的問題，並以類似標準模型規範場論的方式來描述重力。
• U(1) 主要指的是一種么正對稱性 (unitary symmetry)
• 張量 (Tensor):是一種在物理學和數學中用於描述物理量如何在多維空間中變換的數學物件。它能夠捕捉這些物理量的大小和方向，以及它們在座標轉換下的行為。

• 遠程平行廣義相對論（TEGRW）
• 拉格朗日密度( Lagrangian density)
• Faddeev–Popov

• Weitzenböck (外森比克恆等式)
• 緊緻群(compact group):描述對稱群 (symmetry groups)的性質
• 單圈圖階次 (one-loop order)
• 重整化 (Renormalization)」
• 量子電動力學 (QED) ----------------------------------------------------

*文獻:M Partanen and J Tulkki, Rep. Prog. Phys. 88 (2025) 057802 (Impact factor :19.1)

DOI:10.1088/1361-6633/adc82e

------------------------------------------------------

* 語音製作: notebooklm (AI 語音)

科學雜談，快速聽文獻，掌握科研新動向

[EP03_PFAS out! 無氟材料新的設計方向]

---------------------------------------------

『氟』，有最高電負度、強共價鍵、容易吸電子形成很強的鍵結，同時氟可以屏蔽碳鍵因此也具耐熱化性等高穩定性。另一方面，生物因難以辨別CF與CH 鍵結差異，導致氟化物無法被生物分解、消化和代謝，造成生物的累積性和環境破壞。這也是為何大家一直在找PFAS的替代材料的原因。

本篇研究為2025年3月所發表，提出對PFAS的替代材料的新設計方向，包含

• ​改善疏水性：

（1）刺蝟狀疏水端設計、

（2）加入矽（硅）基；

• ​改善超疏油性：

（3）利用電聚合合成奈米纖維薄膜，使用單體EDOT、Pyrrole、Thiophene、ProDOT、PheDOT、NaphDOT等來共聚奈米結構，利用卡西-巴克斯特（Cassie-Bayter)效應，液體在奈米結構上會形成氣體通道，降低液體對固體都水接觸面積、增加其疏水性。

（4）設計具有雙重凹入曲率（doubly re-entrant curvatures )的表面結構設計。來處理面對油類等低表面張力液體的疏油性。不過，最後研究仍指出目前無氟超疏水/油材料的替代材料尚少，尤其是超疏油如果無氟，技術門檻仍很高，尚需待研究人持續技術挑戰來做克服。

---------------------------------------------

*廣播中的專有名詞:

◦ PFAS(Per- and polyfluoroalkyl substances,全氟和多氟烷基物質 ):是一類烷基鏈上附著多個氟原子的合成有機氟化合物

◦ ρ (Rho) layer :指的是在臨界膠束濃度（CMC）下，疏水尾部在界面層中的有效質量密度

◦TMS (三甲基矽烷)

◦模擬效應(mimic effect):指的是生物過程（例如酶和受體）難以區分氟碳（F-C）鍵和氫碳（H-C）鍵的現象

◦彈跳蟲(springtails)

◦再進入曲率(re-entrant curvatures)

---------------------------------------------

*文獻:Journal of Colloid and Interface Science 690(28),March 2025 (IF:9.4)

*DOI: 10.1016/j.jcis.2025.03.018

*語音錄製: notebooklm (AI 語音)

科學雜談，快速聽文獻，掌握科研新動向[EP02_AI能讀懂人的同理心嗎?研究人員藉由影像分析試圖讓AI理解]

----------------------------------

今年5月剛發表的AI文獻指出藉由研究不同特質的執行長對談影片，來進行AI分析語言和影像來提取關於人心理狀態、情緒的特質資訊。並參考神經學概念，提出視訊分析框架，該框架可以用影片的方式了解對談者的同理心狀況，期許可以藉由這概念應用於金融和企業管理上。

不過，研究也指出因僅研究金融影片CEO訪談，如果擴大應用仍會失準，以及非語言仍受業規及文化導致解讀失準，這些皆是未來仍須持續研究的地方。

*專有名詞:

TobinQ值: (Total Assets + Market Value of Equity - Book Value of Equity)/Total Assets (Source: Compustat).

*文獻:Li Cui et al, Feeling Over Thinking: A Video Analytics Framework for Measuring Empathy from Video Recordings, SSRN (2025). DOI: 10.2139/ssrn.5260163. (IF;0.3)

**語音製作:由notebooklm (AI語音)

科學雜談，快速聽文獻，掌握科研新動向

[EP01_瀕死體驗、看見光、神秘感受，最新科學見解!]

-----------------------------------------

今天要分享的是Nature 今年3月發表一篇新的神經學研究，闡述人瀕死體驗常見的一些光感、出體的現象、機制，最後科學家建立一種叫海王星(NEPTUNE)的瀕死體驗的理論模型來進行說明。

-----------------------------------------

*文獻來源:Martial, C., Fritz, P., Gosseries, O. et al. A neuroscientific model of near-death experiences. Nat Rev Neurol 21, 297–311 (2025).

https://doi.org/10.1038/s41582-025-01072-z

-------------------------------------------

*語音為AI轉述。