【新文章】天涯若比鄰
銀河系內上千億顆恆星,最接近地球的是哪一顆呢?答案很簡單,地球是太陽系的行星,最接近地球的當然就是太陽了!
那麼,最接近太陽的星星又是哪顆呢?
唐代詩人王勃在他的《送杜少府之任蜀州》之中寫道:「海內存知己,天涯若比鄰。」現代天文學家也很浪漫,把最接近太陽的恆星稱為比鄰星。
古中國天文學裡,有一顆星星叫做南門二,在現代天文學裡則叫做半人馬座α(α Centauri)。半人馬座α是最接近太陽系的恆星系,因此亦是除太陽以外最接近地球的恆星。現代天文學家透過天文望遠鏡發現,原來南門二是個三星系統,三顆恆星用現代天文學命名法稱為半人馬座α A星、B星及C星。
經典力學有個經典的問題「三體問題」,三個經由重力互相吸引的星體的軌道是不會穩定的。咦,這豈不是很奇怪嗎?太陽、地球、月球也是三個星體、甚至太陽系八大行星是九個星體,太陽系各行星的軌道為什麼會穩定?
答案是:太陽系行星的軌道原來並不穩定!事實上「不穩定」的意思是在數學上沒有解析解(close-form solution),以致該系統長遠下去會趨向混沌。因此,我們要問的不是「穩不穩定」,而是「在多久的時間內能維持穩定」。太陽系能維持長時間穩定的行星軌道,是個天文學難題。
太陽系內除太陽外最重的星體就是木星,因此擾動各大行星的軌道最大貢獻就是來自於木星。不過,即使木星是最重的行星,其質量亦只有太陽的0.09%,而不同研究指木星對地球和其他行星造成的擾動時間尺度各有不同。有些研究指擾動與太陽系年齡相若,因此太陽系能維持穩定。無論如何,事實是太陽系的穩定程度已足以讓地球在過去幾十億年間演化出生命。
而半人馬座α三星系統亦一樣,雖然在數學上最終都會趨向混沌,但因為其三顆恆星的排列,使它們能維持一段相對長時間的穩定軌道——半人馬座α A和B星以約80年的週期互相環繞共同質心轉動,相距介乎11到36天文單位之間,而C星環繞A、B兩星轉動的軌道則約13,000天文單位遠處,公轉週期長達55萬年。因此可以近乎看成是半人馬座α的(A、B星)與(C星)的雙星系統。
而半人馬座α C星在現階段正好位於靠近太陽系的一邊,因此比其餘二星更接近地球,天文學家就引用王勃的詩句,把它稱為比鄰星。比鄰星是一顆暗淡的紅矮星,至今發現了兩顆行星,叫做比鄰星b和比鄰星c,因此也是最接近地球的兩顆太陽系外行星(exoplanet)。
從我們的太陽飛到比鄰星要多久呢?這要看看它距離我們多遠,以及我們飛得有多快。比鄰星離太陽大約4.24光年遠,光年的意思是光線在一年之中走過的距離。所以,如果我們飛得像光一樣快(一秒鐘能夠環繞地球跑差不多八個圈),我們只需要4.24年就可以飛到比鄰星了。
之不過,人類的科技還未進步得足夠在短時間之間把太空船加速至光速。人類所造迄今最快的太空探測器是美國太空總署的柏克太陽探測器(Parker Solar Probe),它的速度達到時速69萬2千公里!試想像用這個速度從香港出發,只需要67秒就能夠抵達美國紐約!然而,相對於時速10億7千9百萬公里的光速,柏克太陽探測器的速度可只能算是「龜速」,需要飛超過5千8百萬年才能抵達比鄰星。
不過,以上計算都是以地球為準的。可是,愛因斯坦發現的相對論告訴我們,當我們的速度越快,相對於靜止不動的其他人,時間就流逝得越慢。如果我們與柏克一起飛往比鄰星,相對於在留在地球上用望遠鏡看著我們的人,我們可以節省0.0001%的時間,即大約比5千8百萬年提早10年就可以到達了⋯⋯
同時也有1部Youtube影片,追蹤數超過13萬的網紅小翔 XIANG,也在其Youtube影片中提到,Sony 在台灣時間的 4 月 14 日,發表了 2021 年最新的旗艦手機以及中階新機,而今年也將繼續採用產品精簡化戰術,不過比較特別的是,依照過去來看,上下半年通常會各自發表一款旗艦,但今年除了推出 4K HDR 旗艦的 Xperia 1 III 之外,也把通常在下半年推出的小旗艦提前發表,也就...
望遠鏡解析力計算 在 Facebook 的最讚貼文
「它將改變一切!」
DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子折疊問題。
本週振奮全球AI界的消息:Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果,這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中,全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題,這項AI帶來的重大突破,將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因(比如今年的全球新冠大流行),促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。
我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月,這真是一個讓人懷抱希望的全新技術可能性,期待 AlphaFold之後締造更多 AI for Good 落地應用。
以下文章詳盡解釋了這項突破,內容經《機器之心》微信公眾號授權轉載。
▎生物學界最大的謎團之一,蛋白質折疊問題被 AI 破解了。
11 月 30 日,一條重磅消息引發了科技界所有人的關注:谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。
最新一代算法 Alphafold 2,現在已經擁有了預測蛋白質 3D 折疊形狀的能力,這一複雜的過程對於人們理解生命形成的機制至關重要。
DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導,新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。
科學家們表示,Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制,並為設計藥物、農作物增產,以及可降解塑料的「超級酶」研發鋪平道路。
「這是該研究領域激動人心的一刻,」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大,足以被應用於真正具有挑戰性的科學問題上了。」
蛋白質對於生命至關重要,它們是由氨基酸鏈組成的大型複雜分子,其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡,蛋白質折疊一直是生物學領域的重大挑戰。
DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中,DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手,在準確性方面比肩人類實驗結果,被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現,尤其是基礎科學研究的影響。
在兩年一次的 CASP 競賽中,各組爭先預測蛋白質的 3D 結構。今年,AlphaFold 擊敗了所有其他小組,並在準確性方面與實驗結果相匹配。
對於不熟悉生物領域的人來說,CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction,旨在對蛋白質結構預測進行評估,被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦,每兩年一屆,目前正在進行的一屆是 11 月 30 日開始的 CASP14。
而 DeepMind 這一突破有什麼影響?
用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說,「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域,因為核心問題已經解決。這是一流的科學突破,是我一生中最重要的科學成果之一。」
▎蛋白質折疊問題
蛋白質的形狀與它的功能密切相關,而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題(如尋找分解工業廢料的酶)基本上都與蛋白質及其扮演的角色有關。
多年以來,蛋白質結構一直是熱門的研究話題,研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備,每種結構的研究都要花數年時間。
1972 年,美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究,特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上,他提出了一個著名的假設:從理論上來說,蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索,即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。
但這一思路的挑戰在於,在形成三維結構之前,蛋白質的理論折疊方式是一個天文數字。 1969 年,Cyrus Levinthal 指出,如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象,要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計,一種蛋白質大約存在 10^300 種可能構象。但在自然界中,蛋白質會自發折疊,有些只需幾毫秒,這被稱為 Levinthal 悖論。
CASP 14 比賽最新結果:AlphaFold 中位 GDT 高達 92.4
CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立,每兩年進行一次盲審,以促進蛋白質結構預測方面的新 SOTA 研究。
一直以來,CASP 選擇近期才經過實驗確定的蛋白質結構,作為參賽團隊測試其蛋白質結構預測方法的目標(有些結構即使在評估時仍然處於待確定狀態)。這些蛋白質結構不會事先公佈,參賽者也必須對其結構進行盲測,最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則,CASP 一直被稱為預測技術評估方面的「黃金標準」。
CASP 衡量預測準確率的主要指標是 GDT(Global Distance Test),範圍從 0 到 100,可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示,GDT 分數在 90 分左右,即可視為對人類實驗方法具備競爭力。
在剛剛公佈的第14 屆CASP 評估結果中,DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4,意味其平均誤差大概為1.6 埃(Angstrom),相當於一個原子的寬度(或0.1納米)。即使在難度最高的自由建模類別中,AlphaFold 的中位 GDT 也達到了 87.0。
歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況,度量指標為 BEST-OF-5 GDT。
CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。
這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用,例如膜蛋白(membrane protein)。膜蛋白很難結晶,因此很難通過實驗方法來確定其結構。
該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展,比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮,它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授(諾貝爾獎得主,英國皇家學會會長)
▎DeepMind 這樣解決蛋白質折疊問題
2018 年,DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽,取得了最高的準確率。之後,DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在,DeepMind 團隊開發出新的深度學習架構,並使用該架構參加 CASP14 比賽,達到了空前的準確率水平。這些方法從生物學、物理學、機器學習,以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。
我們可以把蛋白質折疊看作一個「空間圖」,節點表示殘基(residue),邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold,DeepMind 團隊創建了一個基於注意力的神經網絡系統,並用端到端的方式進行訓練,以理解圖結構,同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對(MSA)和氨基酸殘基對的表示來細化該圖。
通過迭代這一過程,該系統能夠較強地預測蛋白質的底層物理結構,並在幾天內確定高度準確的結構。此外,AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。
DeepMind 團隊在公開數據上訓練這一系統,這些數據來自蛋白質結構數據庫(PDB)和包含未知結構蛋白質序列的大型數據庫,共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核(相當於 100-200 個 GPU)運行數週,與現今機器學習領域出現的大型 SOTA 模型相比,該系統所用算力相對較少。
此外,DeepMind 團隊透露,他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。
AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行,迭代地在二者的表示之間傳遞信息,從而生成蛋白質結構。
▎對現實世界的潛在影響
「讓 AI 突破幫助人們進一步理解基礎科學問題」,經過 4 年的研究攻關,現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景,在藥物設計和環境可持續性等領域都產生了重要的影響。
馬克斯· 普朗克演化生物學研究所所長,CASP 評估員Andrei Lupas 教授表示:「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構,重新啟動關於信號如何跨細胞膜傳輸的研究。 」
DeepMind 表示願與其他研究者合作,以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外,DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。
同時,DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如,通過幫助識別存在故障的蛋白質,並推斷其相互作用的方式,來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確,從而補充現有的實驗方法,並更快找到更有希望的治療方法。
AlphaFold 是十分卓越的,它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究,加速藥物研發過程都具有廣闊的前景。
同時許多證據也表明,蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候,DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中,AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前,實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性,並且相關序列很少,但與實驗確定的結構相比,AlphaFold 在兩種預測上都獲得了較高的準確率。
除了加速對已知疾病的了解,AlphaFold 還具備很多令人興奮的技術潛力:探索數億個目前還沒有模型的數億蛋白質,以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列,基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫(UniProt)中有 1.8 億個蛋白質序列。相比之下,考慮到從序列到結構所需的實驗工作,蛋白質數據庫(PDB)中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣,像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。
▎開創新的可能
AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一,但隨著後續科學研究的開展,依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方,包括多蛋白如何形成複合體,如何與 DNA、RNA 或者小分子交互,以及如何確定所有氨基酸側鏈的精確位置。此外,在與他方合作的過程中,還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。
對於所有致力於科學領域中計算和機器學習方法的人而言,像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣,這個世界依然有諸多未知的方面。
DeepMind 取得的這一進展令人們更加堅信,AI 將成為人類擴展科學知識邊界的最有用工具之一,同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。
影片及原文,參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
望遠鏡解析力計算 在 XXY 視覺動物 Facebook 的最讚貼文
【歷史上的今天 vs 推薦電影】1846-SEPTEMBER-23
海王星 Neptune /《星際救援》Ad Astra, 2019
.
【太陽系的邊緣,最遙遠的行星】
.
法國數學天文家 奧本勒維耶,在1846年利用天王星軌道的攝動線像,以數學計算推測存在一顆未知行星;他將這顆行星的軌道、位置、大小,送請柏林天文台的伽勒協助尋找,最終在1846年9月23日晚間發現了海王星,而伽勒發現海王星的位置,正是勒維耶所預測的位置誤差不到一度。
.
海王星是目前太陽系八大行星中距離太陽最遠的行星,體積是太陽系第四大、質量排名第三,以羅馬神話中的海神尼普頓,天文符號則以海神的三叉戟 ♆ 表示。
.
.
【目前所知的海王星】
.
美國NASA在1977年發射並於1989年8月25日抵達海王星的航海家2號,是目前唯一一個最接近海王星的人造物。海王星是個藍色氣體行星,大氣以85%氫氣為主,其餘13%為氦氣,而藍色外觀則是因為大氣中的2%甲烷所致。
.
值得注意的是,海王星上有個類似木星大紅斑的大黑斑,後來哈伯太空望遠鏡在1994年觀測時消失;海王星的大黑斑並不像木星大紅斑是個巨型風暴,而是如地球臭氧層破洞般的大氣空洞;同時,海王星的北半球又出現了另一個大黑斑,並持續存在數年。
.
.
【推薦電影】
《星際救援》Ad Astra, 2019
導演 詹姆士葛雷
配音 布萊德彼特、湯米李瓊斯
產地 美國
.
曾以《殺手怨曲》獲威尼斯影展銀獅獎的美國導演 詹姆士葛雷執導,布萊德彼特主演一位獨自前往海王星搜尋失蹤父親的太空人。故事設定在太陽系星際旅行商業化,火星移民普及的近未來;電影呈現了大量科幻場警,包括月球和火星建有人類基地,並深入探討了太空人在經歷太空旅行時需要面臨的心理壓力。就電影的藝術層面而言,可說是相當深刻。
.
.
【太空老大哥】
在《星際救援》中飾演老父親的湯米李瓊斯,再次展現了他驚人的演技;巧合的是,電影中出現了一幕湯米李瓊斯穿著舊款的NASA太空服,與2000年他與克林伊斯威特、唐納蘇德蘭、詹姆士加納共演的另一部太空冒險電影《太空大哥大》相類似;有趣的是,劇組特別利用數位修復技術,將衣服上的徽章修改,更將太空衣顯得更合身。
.
.
.
看完這則「歷史上的今天」你有什麼想法呢?
歡迎留言分享與我討論唷!
.
.
.
**************
歡迎加入【 有梗電影俱樂部 】臉書社團,不錯過任何電影實體聚會與活動喔!(需回答問題審核)
.
也別忘了按讚追蹤更多不同平台內容唷!
📣 PODCAST:https://open.firstory.me/user/xxymovie
📣 YouTube:http://pcse.pw/9ZNYT
📣 IG:xxy_djfishmb
📣 XXY @方格子 https://vocus.cc/user/@XXY2018
.
.
#電影 #歷史 #點評 #影評 #知識 #解析 #movie #history #歷史上的今天 #海王星 #neptine #星際救援 #adastra #布萊德彼特 #bradpitt #湯米李瓊斯 #tommyleejones #spacecowboys #太空大哥大
望遠鏡解析力計算 在 小翔 XIANG Youtube 的最佳貼文
Sony 在台灣時間的 4 月 14 日,發表了 2021 年最新的旗艦手機以及中階新機,而今年也將繼續採用產品精簡化戰術,不過比較特別的是,依照過去來看,上下半年通常會各自發表一款旗艦,但今年除了推出 4K HDR 旗艦的 Xperia 1 III 之外,也把通常在下半年推出的小旗艦提前發表,也就是主打單手好掌握的 Xperia 5 III,再來也發表了最新的防水中階機 Xperia 10 III,那麼這三款新機究竟有什麼差異?以及該怎麼選擇?我們趕緊看下去吧!
【影片更新】
15:16 - Xperia 10 III DisplayPort 有線輸出畫質只到 2560 x 1440 / 60fps。
【影片推薦】
►Xperia 1 系列三代同堂!Sony Xperia 1 III 開箱評測
https://youtu.be/cTYUak2IrGQ
► Sony Xperia 1 III vs Xperia 1 II / Xperia 1 - 你該升級嗎?
https://youtu.be/TkkhfAL_cKI
► Sony Xperia 10 III vs Xperia 10 II / Xperia 10 - 你該升級嗎?
https://youtu.be/3zDG5xXFNXo
【影片指引】
00:00 前言
01:00 設計 (尺寸、材質、機身顏色)
03:43 感應器 (側邊指紋辨識)
04:03 螢幕 (HDR OLED、120Hz刷新率、240Hz觸控採樣率)
05:23 主相機 (蔡司鏡頭、20fps高速連拍)
06:33 主相機 (潛望式望遠變焦鏡頭、AI超高解析度縮放)
07:56 主相機 (眼部追蹤對焦、物件追蹤對焦、Photo Pro)
10:03 主相機 (4K HDR 錄影、Cinema Pro、FlawlessEye)
11:06 前相機
11:26 音訊 (全段立體聲前置雙喇叭、360 空間模擬音效)
12:29 硬體 (系統、遊戲增強器、高通S888 / S690處理器)
14:08 硬體 (12GB記憶體、4500mAh電池、30W快充)
15:05 連結 (Wi-Fi 6、藍牙 5.2)
15:40 通訊 (5G+4G 雙卡雙待、5G頻段)
16:05 總結
【產品資訊】
►Xperia 1 III:12GB+256GB (黑/灰/紫)、NT$。
►Xperia 1 III:12GB+512GB (黑/紫)、NT$。
►Xperia 5 III:8GB+256GB (黑/粉/綠)、NT$。
►Xperia 10 III:6GB+128GB (黑/白/粉/藍)、NT$。
【影片類型】
小翔評測:「實機體驗」讓你更深入了解3C科技產品
小翔大對決:透過「規格表」讓你弄懂3C科技產品差異
小翔聊科技:整理「多方資訊」讓你弄懂科技產品、技術
小翔短新聞:整理「多方資訊」讓你提早獲得3C科技新消息
小翔來報榜:透過「排行榜單」讓你知道手機銷售趨勢
【影片聲明】
業配:無。
感謝:看影片的每一個朋友
來源:Sony…
製作:小翔 XIANG
【小翔專區】
小翔FB:https://www.facebook.com/Xiangblog/
小翔IG:https://www.instagram.com/xianglin0222/
小翔Twitter:https://twitter.com/xianglin0222
小翔痞客邦:http://xianglin0222.pixnet.net/blog
小翔信箱:xianglin0222@gmail.com
【官方網站】
※影片資訊僅供參考,想了解更多請前往
Sony:https://www.sonymobile.com/tw/
網路頻段查詢:https://www.frequencycheck.com/
-------------------------------------------------------------------------
【CC Music】
Nicolai Heidlas:https://soundcloud.com/nicolai-heidlas
MBB:https://soundcloud.com/mbbofficial
FortyThr33:https://soundcloud.com/fortythr33-43
Tobu:http://www.youtube.com/tobuofficial
Peyruis:https://soundcloud.com/peyruis
FortyThr33:https://soundcloud.com/fortythr33-43
Lyfo:https://soundcloud.com/lyfomusic
A Himitsu:https://soundcloud.com/argofox/a-himitsu-adventures
Ehrling:https://soundcloud.com/ehrling
-------------------------------------------------------------------------
【索引】
#SonyXperia1III #Xperia1III #Xperia5III #Xperia10III #SonyXperia #Sony2021 #Xperia2021 #Sony手機 #Sony新機 #小翔大對決 #小翔XIANG
【關鍵字】
手機規格比較、手機推薦、你該選擇誰、透過規格比較、讓你了解究竟該選擇 Xperia 1 III、Xperia 5 III 還是 Xperia 10 III。外型規格比較:Xperia 1 III / 5 III / 10 III 延續21:9螢幕設計,1 III / 5 III 採用雙面玻璃結合鋁合金邊框,其中 I III 正面使用康寧 Victus 玻璃,10 III 則是採用雙面玻璃結合塑膠邊框,背面則搭載了主要的三鏡頭設計,而 Xperia 1 III 則還多出 3D iToF 鏡頭,其中旗艦機都具備實體相機鍵,Xperia 1 III 機身顏色消光黑、消光灰以及消光紫,Xperia 5 III 機身顏色鏡黑、鏡粉、鏡綠,Xperia 10 III 機身顏色水漾藍、水漾粉、水漾黑、水漾白,三款都側邊指紋結合電源鍵。螢幕規格比較:Xperia 1 III 採用 4K HDR OLED 螢幕、Xperia 5 III / 10 III 採用 Full HD+ HDR OLED 螢幕,X1 影像處理引擎、Bravia技術、Triluminos、導演模式、10 bit 平滑技術、120Hz 螢幕刷新率、240Hz 降低動態影像模糊、240Hz 觸控採樣率。主相機規格比較:Xperia 1 III / 5 III 主要搭載三鏡頭 (1200 萬畫素的廣角鏡頭、IMX555、1200 萬畫素的超廣角鏡頭、1200 萬畫素 潛望式望遠變焦鏡頭、1 III 多出 3D iToF),Xperia 10 III 也採用三鏡頭 (1200 萬畫素的廣角鏡頭、800萬畫素超廣角、800萬畫素 2 倍光學變焦望遠鏡頭)、20fps 高速連拍、60fps 自動對焦&自動曝光計算、Dual Pixel PDAF、4.4 倍光學變焦、混合式變焦12.5 倍、AI 超高解析度縮放、OIS 光學防震、蔡司光學鏡頭、蔡司鍍膜、即時眼部追蹤對焦、物件追蹤對焦,Photo Pro 新增 Basic 模式、智慧場景辨識、RAW 檔、寵物辨識、夜間模式,4K HDR 60fps 影片、4K HDR 120fps 慢動作影片、Cinema Pro、光學智慧防手震錄影 Optical SteadyShot、FlawlessEye。前相機規格比較:800萬畫素、f/2.0、手勢自拍、人像自拍、5軸數位防手震。音訊規格比較:全段立體聲前置雙喇叭、劇院級立體聲雙喇叭、360 reality audio、360 空間模擬音效、3.5 mm 耳機孔、杜比全景聲、DSEE Ultimate、Hi-Res、LDAC、aptxHD。系統規格比較:Android 11、遊戲增強器、H.S 電源控制。硬體規格比較:Xperia 1 III / 5 III 搭載Qualcomm Snapdragon 888、Xperia 10 III 採用 Qualcomm Snapdragon 690、 Xperia 1 III 12GB RAM/512GB ROM、記憶卡擴充。電池規格比較:4500 mAh 電池、30W 快充、XQZ-UC1快速充電器、無線充電、無線電力分享、PD 快充。連結:Wi-Fi 6、藍牙 5.2、NFC、Displayport。通訊:5G+4G雙卡雙待、載波聚合、5G通訊、5G手機、5G頻段。Xperia 1 III / 5 III / 10 III 價位。小翔大對決。小翔透過規格比較讓你更了解手機的差異。