微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 物理学家揭开炒饭的秘密

物理学家揭开炒饭的秘密

2020-03-02 20:27
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-03-02 20:27 科技行者

论文《The physics of tossing fried rice》

作者 | David L. Hu,Hungtang Ko

编译整理 | 科技行者

炒饭,几乎是每一家中餐馆的传统食物之一,而真正可口的炒饭需要「持续的高温」和「持续的翻炒」,最终制成一道美味的佳肴——烹饪过程总是与化学原理相关,但也经常涉及物理原理。

64.5%的中餐厅厨师在调查中称,调整翻勺正是导致该职业肩颈疼痛的核心原因之一。最近,来自乔治亚理工学院的物理学家教授David L. Hu和研究生Hungtang Ko,在《Royal Society: Interface》期刊发表了一篇论文《The physics of tossing fried rice》,他们设计出一套模型,用以解释炒饭的颠勺动作原理,希望帮助厨师减少重复劳动,介绍如何能制作出完美的炒饭。

物理学家揭开炒饭的秘密

炒饭的历史最早可追溯到1500年前。起初,在汉代(公元前206年至公元220年),颠勺的最初用途在于“烘干食物”,而非“烹饪食物”。而颠勺手法带来的高人气餐食之一,正是炒饭——这种色泽金黄诱人的食品,起源于1500年前的隋朝(公元581年至619年)。

颠勺,为人们带来了期待已久的焦香与锅气(镬气)。颠勺是一种褐变类型,只有在炒锅表面达到1000°C时,才会发生这种“美拉德反应”,即氨基酸与碳水化合物在高温下发生化学作用,从而导致肉类出现褐变。在高温下,厨师快速翻勺的动作能够确保米粒只发生褐变,而绝不致焦糊。

2018年夏季与2019年夏季,Ko与Hu先后在中国大陆以及中国台湾拍摄了五位专业厨师的炒饭过程,并从录像当中提取颠勺频率数据。(他们向受访者明确解释了录制素材的作用,即仅用于科学研究,绝不会在电视上公开放映)

在台湾的两家餐厅,厨师使用的炒锅重1.4公斤,宽39厘米,深13厘米。厨师们会烹制一份常规炒饭,主要成分包括大米、鸡蛋、猪肉、胡萝卜以及玉米,烹饪完成的炒饭重约0.3公斤。

在出锅之前,厨师们大概需要完成2分钟左右的炒制过程,平均每份炒饭需要颠勺276次,每次颠勺平均时长约0.3秒,具体步骤包括:预热炒锅,按顺序加入食材,用锅铲将食材混匀,翻勺颠炒。

在烹饪当中,翻勺颠炒的次数并不太多,只是偶尔出现。但在厨师加入所有食材之后,往往会连续进行五次颠炒,同时用锅铲将个别粘连在炒锅上的米粒除下。

整个过程的运行轨迹分两种:一种是,向前推动炒锅,并顺时针旋转,以接住颠勺腾空的米粒;另一种是,向后拉炒锅,以逆时针方式接住米粒。

本质上,炒饭相当于进行两种运行方向:平移(使米粒沿炒锅滑动),翻转(将米粒抛向空中)——“其中的要诀,是将灶台边缘作为活动支点。”另外,这两种运动具有相同的频率,但相位略有不同。

物理学家揭开炒饭的秘密

▲ 图:炒饭颠勺运动学。(a)在美国乔治亚州亚特兰大Chin Chin餐厅中,厨师正在进行颠勺,图片来源/Candler Hobbs;(b-e)显示颠勺过程中炒锅运动的图像序列,彩色的点显示出研究人员在视频中跟踪的点,注意,炒锅左端点沿顺时针方向行进,炒锅右端点则沿逆时针方向行进,两条轨迹皆标记为蓝色;炒锅中央位置的行动轨迹标记为红色,连杆摆动模型叠加在图像序列的上方,用以显示模型变量θ1与θ2的演变过程。

物理学家揭开炒饭的秘密

▲ 图:用于表达颠勺运动的数学模型。(a)展示数学模型示意图。(b)炒锅上各预设点的运动轨迹,在厨房坐标系中以灰色绘制。实验数据用蓝色实心点表示,模拟数据用灰线表示。炒锅最左侧与最右侧部分的运动轨迹,同模拟结果最为吻合。绿线定义炒锅参数。角度ζ 表示炒锅上的位置,角度区间从-ζmax到ζmax不等。常数L、D以及W分别代表炒锅的半径、深度与宽度。(c)摆角θ1 (red)与θ2 (blue)。各点表示实验,各线表示模型。灰色区域代表米粒在颠勺过程中的滞空阶段。(d)为炒饭过程中,五位专业厨师的各自颠炒次数,不同颜色代表不同厨师。

在确定了基本运动轨迹之后,Ko与Hu写道,事实证明,只需要两个变量就能准确模拟炒锅的运动,且运动轨迹可通过双连杆摆锤实现。

而由于厨师很少会在炒饭过程中将锅从炉子上取下,因此整套运作可以只涉及“单一滑动接触点”。他们的模型利用三项指标,基于弹丸运动特性,预测了炒饭过程中米粒的运动轨迹,分别为:抛掷起的米粒比例,米粒的飞行高度,以及米粒的角位移。

Hu解释道,在经过简化之后,整个运动轨迹类似于“翻转煎饼或者米粒杂耍”,其中的诀窍,在于炒锅内的温度可达到1200摄氏度,为了避免快速焦糊,厨师必须确保米粒不断离开锅体,以稍稍得到冷却,如此一来,米粒本身的水分将慢慢收干,而由此炒出的米饭既可充分褐变,但又不致焦糊。

根据Hu与Ko的分析,他们建议,厨师们进一步增加炒饭过程中的颠勺频率,以保证两种不同运动之间出现“相位滞后”——即尽可能让米粒的滞空时间更长,促进充分冷却与充分混合。

Hu与Ko希望,通过这套数学模型,可以总结出烹饪炒饭的最佳方案,并提出对现有炒锅结构加以改进的方法,更重要的一大目标在于,通过这项研究,衍生出颠勺机器人,以及厨师专用“可穿戴式外骨骼或者类似装置”,以减少厨师罹患肌肉拉伤的几率。

事实上,大多数亚洲美食均采用颠勺工艺,而在中式餐厅,厨师需要完成大量颠勺。长期以来,人们怀疑炒锅本身的重量加上操作速度,正是引发从业者高劳损几率的重要原因。在面向中式厨师的肌肉骨骼疾病研究中,炒锅成为经常被提及的“罪魁祸首”。2014年,炒锅被归纳为需要研究并调整设计工艺的几项核心风险因素之一。颠勺动作需要的精确肌肉活动并不确切,但很可能严重依赖于肩部。由于烹饪过程大量使用肩部发力,因此肩颈不适成为中式餐厅厨师群体中最常见的疾病之一,患病率高达64.5%,有九分之一的厨师因肩部不适而被迫选择离职。从这个角度来看,了解颠勺动作中的基本原理,将成为解析相关身体劳损难题的重要前提。

自上世纪五十年代以来,人们开始对烹饪自动化产生浓厚兴趣。最近几年出现的烹饪机器人技术研究,主要集中在利用机器人模仿人类厨师完成烹饪操作,例如切割、炖煮、油炸以及添加配料等。对于诸如翻转煎饼等动态任务,机器人也能够利用机器学习算法,快速掌握个中窍门。

也有人尝试实现炒饭的自动化,但目前来看效果不够理想。

一方面,大多数颠勺设备采用旋转,搅拌,或者摇动等方式,实现配料混合。1957年,Wang发明出一种搅拌机器人,能够利用旋转滚筒,以类似于洗衣机的方式实现配料混合;上世纪八十年代末,新的设计则开始引入自动搅拌工具,例如锅铲等;到九十年代,工程师们着手将这些方法结合起来,开发出一种“翻铲一体炒锅”,能够像翻转煎饼一样翻转食材,并利用自动锅铲,防止食材在高温下相互粘连。然而,虽然这类设备能够通过旋转或摇动实现食材的充分混合,但由于缺少颠勺环节,因此无法实现决定高温烹饪风味的谷物碳化过程。

另一方面,还有一些餐厅利用机器人准备食物,但效果依然差异。比如,一家位于美国马萨诸塞州波士顿市的餐厅Spyce,利用转筒以0.5 Hz的频率混合并加热中餐,能够将专业厨师的颠勺动作缩减至原先的六分之一——由于翻动速率较低,食物未能得到充分抛掷,因此有理由怀疑,这套设备需要降低炒锅温度以避免焦糊,但这同时也令美拉德反应变得无法实现;再比如,来自新加坡樟宜机场的Ruyi餐厅,他们于2014年展出了自己的最新颠勺机,然而尽管这台颠勺机将翻动频率提升到了2 Hz,但仍然不足以让食材如人工操作般得到充分抛掷。

Hu指出,“如果能开发出一种理想的自动化方案,可能会给厨师带来新的希望。”

该论文这项工作出自乔治亚理工学院David Hu实验室,作者为David L. Hu和研究生Hungtang Ko(Ko也是2019年一篇“关于火蚁集体建造木筏中的物理学原理论文”的联合作者)。该实验室主要对蚂蚁、水黾、蛇、各类爬行动物,蚊子,猫舌独特属性,以及动物体的排泄等活动特性开展研究,并凭借“关于袋熊为何会排出方形粪便”的研究获得2019年搞笑诺贝尔奖。

【注】该论文《The physics of tossing fried rice》下载方式:关注科技行者(ID:itechwalker),回复关键词“炒饭”,即可获取。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-