材料的發展應用流程，首先從實驗室發現新的材料開始，進入到研發、產品優化、認證、及量產製造，到最後透過行銷部屬於商業市場上，實際落地應用所需的時間相當長遠，統計結果顯示光從材料發現到研發過程至少5~10年，而實際到達商業部屬則至少15~20年不等，比一般藥物研發的平均12年還要久，而這也只是那些成功能被應用的少數材料的發展平均時程，實際在過程中更有無數被發展的材料是經過不斷的研究嘗試卻無法被落地應用的候選材料。隨著近年來科技的迅速發展，太空科技、6G通訊、電動車、能源系統、埃尺度世代半導體元件…等元件對於新材料的需求都將迫在眉睫。

當我收到東加火山劇烈噴發的簡訊後，身為海嘯學者的我，在當下其實並不擔心海嘯會傳到台灣，畢竟東加在南半球，比我曾經到訪的所羅門群島還要更南邊。東加那邊產生的火山型海嘯對台灣很難有影響，我當下甚至認為對日本和美國也不會有影響。

對高能物理來說，機器學習其實是個很古早的點子。自1980年代開始，從事高能物理研究，尤其是進行粒子物理實驗的科學家而言，在研究工作裡使用機器學習的演算法是再自然不過的事。只是以前這樣的演算法多半被稱作「多變數分析」(multivariant analysis, MVA)。最受歡迎的演算法包括「促進式決策樹」(Boosted Decision Tree, BDT)，或是「類神經網路」(Artificial Neural Network, ANN)等等。

本文將一瞥在傳統方法外，深度學習在重力波研究上的一些嘗試，並針對降躁應用的現在進行式進行簡略說明。

無所不在的人工智慧人工智慧(Artificial Intelligence)一詞在1956年於達特茅斯學院 (Dartmouth College)所舉行的研討會中1，由約翰・麥卡錫（John McCarthy）首次提出，在歷經了20世紀70、80年代兩次的寒冬，隨著計算機性能的提升以及研究者不懈的努力，迎來了新一波的浪潮，最為人所知的就是2016年3月由DeepMind發展的AlphaGo擊敗圍棋世界冠軍李世乭九段2–4。事實上人工智慧早已悄悄地走入我們的日常生活影響了我們的生活習慣，舉凡停車場車牌辨識、上班人臉辨識打卡，到手機行動助手甚至是串流影片即時翻譯等等，過去科幻小說中對於人工智慧的想像看似一步一步實現當中，但距離能表現人類所具備所有智能行為的通用人工智慧還是有一段距離，如何發展出通用人工智慧仍然是目前人工智慧研究的主要目標。本文僅就目前人工智慧為應用科學帶來的改變，進行介紹，希望以此拋磚引玉，啟發更多不同領域的研究人員嘗試利用此一工具解決研究上面臨的難題。

台灣位處年輕的弧陸碰撞造山帶，劇烈的板塊擠壓作用導致地下岩層的抬升與破裂，岩層的破裂錯動即產生我們所熟知的地震。地震的活動在時間與空間上都並非隨機無序的。在空間上，地震時常發生在地質構造相對脆弱的地方，例如常聽到的斷層構造（如車籠埔斷層）即是經年累月岩層破裂逐漸集中連接而成的斷層錯動面。在時間上，大地震發生後，會引發一連串後續的餘震活動，是由於斷層面錯動後的應力釋放及轉移與地下複雜構造連動的結果。例如才發生不久的2018年2月6日芮氏規模6.4的花蓮大地震，就是由未露地表的外海盲斷層構造（圖一左Fault 1）與陸上米崙斷層（圖一左Fault 2）連動觸發的結果，引發出一系列有感的地震活動，在主震的破裂過程中，由外海一路延伸至陸上米崙斷層，造成鄰近米崙斷層花蓮市內的統帥飯店及雲翠大樓傾倒等多處災情（圖一右）。要想深入了解地震活動時空上連動的成因與機制，盡可能完整的偵測和分析地震特性與時空分佈，了解其可能衝擊，測繪其致震的斷層構造是至關重要的。然而，地震學家又是如何知道與收集地震資料的呢？答案就是—地震儀(Seismograph

這篇文章稍微回顧一下氣候模式的發展過程，知道一些歷史緣由，相信更能體會氣候模式的在科學上的成就。

1990年代一般大眾才開始注意到全球暖化的議題，隨著全球暖化的觀測證據越來越多，科學家們對不禁驚嘆幾十年前真鍋大師的物理直覺，建構出掌握影響大氣溫度的重要過程的簡化模型，進而能夠正確預測二氧化碳對氣溫和地表溫度的影響 。

# 2021諾貝爾物理獎得主之一  —  真鍋淑郎

天氣和氣候預測時時影響著我們的生活。出們時要不要帶雨傘？ 颱風什麼時候會襲擊？人類行為對全球暖化（climate change）有什麼影響？ 1922年物理學諾貝爾獎得主波爾（Niels Bohr）曾說過 「用模型做預測非常困難，尤其是未來的預測。」對於氣候這樣複雜的系統，科學家究竟是如何做預測呢？ 近五十年來氣候數值模擬、觀測、理論不斷地脫胎換新，Syukuro Manabe在1960s年帶領開發氣候模式（Global Climate Models; GCMs）用電腦數值模擬大氣與海洋的流動與熱對流。十年後，Klaus Hasselmann 發展了一套理論（隨機氣候模式；Stochastic climate model）探討短時間尺度天氣（weather）對長時間尺度氣候（climate）的影響，發現即使長時間下來的天氣變化難以預測，氣候本身是可以預測的（predictable）。此外Hasselmann還用發展了一套嚴僅的觀測與理論比較方法，證實大氣溫度的上升是來自人類排放的二氧化碳。Syukuro Manabe和Klaus Hasselmann的研究深遠的奠定了人類對氣候的了解，以歷史的角度來看他們各自在氣候這個領域引進了全新的研究方法，用觀測資料以及模型顯示人類對氣候的影響，兩人在今年共同獲得2021物理諾貝爾獎。

你是否有時被人際關係搞到一個頭兩個大，覺得這個世界怎麼如此複雜呢？啊哈～你並不寂寞，科學家長年以往也被複雜系統搞到一個頭兩個大，很拿抓到適當的切入點，給出客觀具體的描述。今年諾貝爾物理奬開盤，正是頒給研究複雜系統 (complex systems) 的科學家：一半是由研究大氣模型且準確全球暖化的真鍋淑郎 (Syukuro Manabe)、哈塞曼 (Klaus Hasselmann) 所共享，另一半則是由帕里西 (Giorgio Parisi) 研究各個尺度下的無序與漲落所拿下。

本文簡單地介紹了散射式掃描近場光學顯微鏡 (s-SNOM) 的工作原理及其應用。利用光源照射AFM探針尖端來產生一奈米侷限光場，搭配外差干涉及AFM探針調制的技巧，使其可得到小於十奈米的高解析度以及高訊噪比的近場光場影像。