Author: CASE PRESS

我們在日常生活中享受著各種智慧產品所帶來的方便，由於電腦強大運算能力帶來的低延遲，很容易就讓人忘記這些方便其實來自於電腦在背後進行的巨量運算，也容易忽略電腦能解決的問題其實有其限制。董世平教授將從簡單的數學問題出發，介紹電腦的可算性、可行性，探討當今電腦科學界數一數二重要的問題，帶我們認識現在計算科學的樣貌。

隨著電腦軟硬體技術的發展，大幅提升的計算能力在各個科學研究領域都成為新興的生力軍，讓我們在傳統的觀測、推導以外，還能透過模擬的過程輔以研究，繼而更深刻、更視覺而具象地認識到這個世界運作的法則。由許文翰教授來聊聊近年高效能計算的發展，佐以不同領域中計算和科學、工程結合後實際應用的例子，帶領各位了解計算科學與工程的前景與潛能，以及學生如何能進入這個熱門且重要的研究領域。

約好明天與組員討論的事項尚未準備、下周即將來臨的期末考還未出現在你心中的待辦清單中，或是答應給工作團隊的報告連檔案都還未建立，於是不得已放下手上的無關事物、推掉所有本來能夠前往的邀約，準備奮力一搏，甚至挑燈夜戰。任務完成後，眼前來臨的又是另一件本該及早完成的事項，這些場景你是否似曾相似呢？

在人工智慧（Artificial Intellegent）及機器學習（Machine Learning）如火如荼的發展下，生物領域漸漸走向資訊化，過往需要花數個月甚至數年所計算出的生物分子模型或是蛋白質結構，如今在計算機程式的運算下，僅需要幾個小時，甚至幾分鐘就可以達成。生物與資訊的跨領域結合，將帶來什麼樣的應用及如何影響我們的生活，本場探索演講「計算生物的見與思」，將帶領我們了解計算與生物的相輔相成與應用。

模擬火焰需要理解背後的流體力學和分子光譜，製作爆炸特效需要研究炸彈的特性和物體的破壞力學。為了做出最真實、最能感動人的動畫特效，必須要對背後的物理機制做非常深入的研究。電影特效的研發已經是一個尖端的科學領域。從理解物理現象的微觀機制到如何有效計算和生成影像，動畫特效產業可以說是「科學中的藝術，藝術中的科學」。

過去的研究告訴我們，成癮物質的濫用會改變我們的生理機制，帶來異常的亢奮感（euphoria），也有學者認為，人們是因為對藥物相關線索過度關注才會導致成癮，儘管這些觀點都能夠使我們對於「成癮（addiction）」有著更加清楚的概念，卻都尚未能夠完整的解釋這個複雜的問題。因此，Franken等人製作了一個整合模型(model)，分別將「神經心理藥物機制(neuropsychopharmacological mechanism)」以及「注意力偏誤(attentional bias)」兩大派典的觀點融合，以釐清大腦、行為與「成癮(addiction)」之間的關聯。

生理需求讓醫師無法吃得健康，而工作型態讓健康飲食更加困難。然而多吃一些蔬果可以調節人體激素分泌、神經傳導物質釋出、血流多寡、減少氧化壓力和發炎反應，讓大腦認知功能變得更好，也可以調節人體周圍神經生物鐘、睡眠相關的激素 、神經傳導物質合成，來改善睡眠品質。

早在兩千多年前，莊子就曾經留下「問天地所以不墜不陷，風雨雷霆之故」一辭，可見天氣是自古以來為人們所關心的課題；這份關心到今天或許還要有增無減，舉凡工作、聚會、旅行，甚至是穿著打扮都會參考氣象預報提供的資訊；人們也不時為氣象天候而感動好奇。郭鴻基教授從科學研究的本質出發，從氣象學的歷史中觀察研究思維如何演替，進而探看在當代，大幅躍進的計算機能力如何協助氣象學家更精確的掌握天氣。

諾貝爾物理獎得主費曼（Richard Feynman）有許多事蹟廣為人知：熱中玩小手鼓；參與曼哈頓計劃時，在洛色拉莫士（Los Alamos）執意違反安檢制度；他決定性的國會作證，認為 1986 年挑戰者號太空梭災難是因 O 型環有缺陷；在物理研究和個人回憶方面出版了大量的著作。而就在他一系列經典的加州理工學院教學內容成為《費曼物理學獎義》（The Feynman Lectures on Physics，1963 年初版）的基礎之前，費曼給了一開創性的講座，討論小尺寸物體的操作與控制，標題為《底部有很多空間》。

閒來無事滑臉書滑Instagram時，看到朋友又去了哪個風景優美的國家度假、換了剛上市的旗艦款手機、得到夢寐以求的工作；或是看到朋友最近生了病、搞砸了重要的考試，在你腦海中湧現的情緒會是什麼呢？人是無法離群索居的動物，然而生活在群體中，免不了的總是不斷地與旁人比較，無論是有意或是不自覺。你或許看過不少文章討論過度使用社群軟體與心理疾病的關聯，例如憂鬱症、焦慮症等，然而，與他人比較的後果，全然都只是負向的嗎？

密碼學上「零知識」（zero-knowledge）的概念，即是在保護資訊不外洩。零知識就是一種通訊協定，A能在外人無法得知的條件下，向B證明某件事情，不過B卻無法學習到任何資訊，雖然保護了隱私，卻無法利用在深度學習上。因此，我們需要在密碼學上重新定義隱私，以平衡資料利用和隱私的衝突。