物理學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/56
本系師資陣容堅強，現有教授15人、副教授12人、助理教授2人、名譽教授5人，每年國科會補助之專題研究計畫超過廿個，補助之經費每年約三千萬，研究成果耀眼，發表於國際著名期刊（SCI）的論文數每年約70篇。
近年來已在課程方面 著手變革，因應學子的各種不同的生涯規劃與需求，加強職業輔導與專業能力的提升，增加高科技相關課程，提供光電學程（光電半導體、半導體製程技術、近代光 學與光電科技等）、凝態物理、表面物理與奈米科技、高能與理論物理、生物物理、應用物理等研究發展專業人才，並配合博士逕讀辦法，讓大學部學生最快能在五 年內取的碩士（透過碩士班先修生），八年內取得博士，有助於提升本系基礎與應用研發能量，為各學術研究機構與業界高科技創新與研發人力（包括在光電業、半 導體製造業、電腦週邊產業等）。
本系亦推動網路教學（科學園）與數位科學研究，作為提供科學教學與學習系統平台的強化支援，並除了原先開設的教育學程外，多增強學生英語教學的能力，與世界科學教師系統連結，在教師從業方面，塑造世界級的物理科學教師，發揮教育影響力。
News
Browse
463 results
Search Results
Item Item Item Item Item 退火溫度對銩鐵石榴石磁異向性之影響(2025) 王偉丞; Wang, Wei-Cheng本研究利用脈衝雷射沉積法在 YAG(111) 與 GGG(111) 基板上製備 YIG 與 TmIG 薄膜，並系統性探討退火溫度對其結晶結構、磁性及磁光特性的影響。X光繞射結果顯示，所有薄膜皆沿(111)基板方向異質外延生長，並具有明顯的 (444) 繞射峰。成長於YAG基板的薄膜因高溫退火導致鋁離子進入薄膜，造成晶格收縮及壓縮應變加劇。GGG基板上的樣品則顯示出不同應力表現，YIG樣品中觀察到雙層結構對應拉伸與壓縮應力，而TmIG樣品則為壓縮應力，並隨退火溫度上升逐漸釋放，歸因於Ga³⁺與Fe³⁺半徑相近，使擴散效應微弱。高溫退火主要以應變鬆弛及缺陷修復為主，應變逐步釋放。磁性方面，隨著退火溫度升高，成長於 YAG 與 GGG 基板的 YIG 與 TmIG 薄膜，其飽和磁化量（Ms）均明顯下降，推測主因為高溫退火導致鐵離子向基板擴散，造成磁性離子缺失，進而削弱整體磁性表現。磁易軸方面，YIG/YAG 薄膜的磁易軸由垂直逐漸轉變為無明顯易軸，TmIG/YAG 與 TmIG/GGG 薄膜在各退火條件下皆無明顯磁易軸，而 YIG/GGG 薄膜則始終保持平行磁易軸。矯頑場（Hc）方面，成長於 YAG 基板之薄膜與 TmIG/GGG 薄膜皆隨退火溫度升高而增加，顯示其磁性由軟磁性逐漸轉為硬磁性，唯有 YIG/GGG 薄膜之Hc對退火溫度變化不具明顯趨勢。磁光分析顯示，所有樣品的法拉第旋轉角及磁圓二色性強度均隨退火溫度升高而下降，並觀察到對應O–Fe能階躍遷的吸收峰逐漸消失，佐證了鐵離子擴散現象。綜合而言，退火溫度為影響REIG薄膜結構與磁性的重要關鍵參數。適度退火有助於改善結晶品質及應變釋放，但過高溫度會導致結構劣化及性能下降。本研究結果有助於 REIG 薄膜磁異向性及磁光性能的進一步調控，並為其在自旋電子學與磁光元件之應用提供重要參考。Item 對二維易辛模型非平衡相變的綜合研究(2025) 李尚瑋; Li, Shang-Wei利用蒙地卡羅法以及監督式神經網路，我們研究在二維棋盤狀易辛模型的非平衡相變。非平衡相變是透過令模擬該模型時使用的Metropolis 演算法違反細緻平衡條件達成的。此篇研究所使用的神經網路模型是直接取自於過往研究曾經訓練過的模型，換句話說本次研究沒有訓練任何模型。值得注意的事情是蒙地卡羅法以及監督式神經網路獲得結果是一樣的。具體來說，取得的結果表明所研究的相變是屬於二維易辛普遍類別。此篇研究也同時詳細探討了傳統捲積神經網路模型(CNN)的性能會如何受到訓練過程以及訓練集相關的參數的影響。經過論證過，我們得到的結論為本研究所使用神經網路模型在估計臨界點比文獻中所使用的傳統CNN更有效率以及穩定。本摘要及本碩士論文是根據以下之期刊論文的內容而編寫而成的.Eur. Phys. J. Plus (2024) 139:776 https://doi.org/10.1140/epjp/s13360-024-05563-8Item Item 錯亂方案在以類神經網絡研究相變上的有效性之檢驗(2025) 楊雅竹; Yang, Ya-Zhu本研究旨在探討類神經網路在物理系統相變偵測中的應用成效，以二維二態Ising模型以及三態與四態的反鐵磁 Potts 模型[1]研究，透過 Nieuwenburg 等人於 2017 年提出的錯亂方案（Confusion Scheme）方法[2]，結合卷積神經網路（Convolutional Neural Network, CNN）[3]，預測系統中潛在的分類邊界與相變行為。設定一系列假設相變點 T'c 並重新訓練分類器，透過繪製出機率隨 T'c 變化的 W 型曲線，以此辨識出神經網路最能正確分類樣本的相變點位置。 方法上，我們對每一假設相變點T'c 訓練一組分類模型，並繪製該模型在所有溫度樣本上的分類準確率。透過準確率與T'c 的關係圖，我們觀察到在 Ising 模型中出現典型的 W 字型結構，高峰值對應系統實際相變溫度 Tc，顯示錯亂方案能正確預測相變行為。然而，在 Q=3（Tc=0）與 Q=4（無相變點）模型中，我們觀察到的準確率曲線皆呈現 V 字型，表示分類邊界並未位於樣本數據範圍之內，與理論相符，卻無法由錯亂方案直接推得 Tc 為零或不存在的結論。 本研究將在結論中探討原始的confusion scheme是否可應用於有多重相變的未知系統中為未來研究方向之一，也可以結合無監督學習[4]、貝葉斯神經網路[5]與拓樸相變模型[6]等發展方向，驗證深度學習於物理相變辨識中的潛力與挑戰。本研究的計算是基於Tensorflow寫成[7] 。Item 掌性分子插層二維材料對發光二極體之影響(2025) 劉律緯; Liu, Lu-Wei為了製備掌性發光二極體元件，本研究討論將掌性分子插層至多種二維材料(MoS2、MoSe2、WS2、WSe2)中，以形成二維材料-掌性分子複合材料。論文大致分為三個部分。第一部份是二維材料的剝離，首先透過超音波液相剝離技術破壞塊材中層與層之間的凡德瓦力，使二維材料分散在溶液中。剝離後的溶液的顏色改變，並且透過其吸收光譜、XRD等數據可確認獲得單層或少層二維材料。第二部份分別添加兩種掌性分子(Methylbenzylamine,MBA)和(Naphthalenemethylamine,NEA)的R型和S型的鏡像異構物(R/S-MBA, R/S-NEA)進二維材料分散液，經退火形成掌性分子與二維材料交替堆疊的異質結構，利用AFM、XRD、元二色光譜儀等儀器證實該異質結構的形成。第三部份是製備WSe2_R/S-MBA與WSe2_R/S-NEA元件，探討添加不同比例的掌性分子或退火時間對元件產生的影響，進而找出更好的元件製備參數。最後可發現，以WSe2_R-MBA作為電動傳輸層的元件隨著退火時間的增加，元件的量子效率有上升的趨勢，在退火10分鐘後，其平均量子效率從原本的2.65%提升至2.82%，同時該元件具有圓偏振電致發光訊號，可為發展具有掌性自旋選擇性功能的光電元件提供更多研究方向。Item 具掌性分子摻雜之高分子材料及元件(2025) 洪宗廷; Hung, Tsung-Ting本研究針對不同Chiral Dopants（R/S-BINAP、R/S-811與R/S-5011）參雜於三種常見高分子材料（PFO、F8BT與F8T2）所形成之手性發光薄膜進行系統性研究，探討其在光致發光（CPL）與電致發光（CPEL）下的掌性行為與機制，並進一步製作元件進行性能評估。透過gabs與glum值的量測與比較，本研究成功篩選出具最佳掌性表現之材料組合，其中F8T2參雜R/S-5011的薄膜在gabs與glum表現上皆為最佳，顯示此材料系統具有極高的掌性誘發潛力。實驗結果亦顯示，不同Chiral Dopant與高分子主體間存在明顯的掌性耦合效應，能有效誘發材料產生旋光特性，並進一步體現在元件之電致圓偏振發光行為上。此外，透過CD與CPL光譜的分析，我們提出掌性誘發可能來自以下幾點機制：一為小分子與高分子鏈間的立體排布與交互作用導致的手性自組裝現象；二為薄膜形貌與膜厚所造成之干涉與旋光耦合效應；三為材料本身的電子結構在退火過程中受到誘導產生非對稱躍遷行為。這些因素交互影響最終導致薄膜與元件在參雜條件下仍保有可觀的掌性發光表現。本研究顯示有機高分子材料在經適當手性小分子摻雜與製程調控後，能展現穩定且明顯的掌性發光特性，未來可應用於多項先進光電元件中，例如：圓偏振OLED顯示器、旋光生物感測平台以及光學加密系統等。後續研究建議可針對材料結構最佳化、掌性訊號強度提升與元件壽命延長等方向深入探討，以利實現實用化與商業化應用。