理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 10 of 203
  • Item
    基於 AI 硬體加速器的自動化類神經網路設計與部署之研究
    (2023) 黃任慶; Huang, Ren-Ching
    由於大多邊緣裝置由於對於類神經模型推理的運算效率不佳,因此邊緣裝置通常會搭配上AI硬體加速器,來進行更有效率的運算。然而如何將類神經模型推理應用至AI硬體加速器進行加速,必須從軟體端加速器的使用,到硬體端加速器的架構,都要有深刻理解,這對於開發者來說是一個不小的挑戰。本論文研究基於RISC-V架構下的 Gemmini 硬體加速器平台,開發一套圖形介面工具。開發者根據自身的需求,在工具中選擇需求的模型架構,將其轉換成中間表達式,藉此生成模型架構程式碼,以及硬體推理程式碼。模型架構程式碼供軟體端模型訓練以及模型量化用;硬體推理程式碼供邊緣裝置利用硬體加速器進行模型推理。本論文將透過圖形介面生成之程式碼,生成基於CNN,以及GRU的兩種不同模型架構,執行於含Gemmini加速器平台的FPGA板上,以Clock Cycles為運算速度的根據,比較模型運算時使用加速器與否的差別。藉由兩種不同種類模型的比較,驗證Gemmini的加速效果及使用本研究開發之圖形介面的可行性。
  • Item
    用於理解和比較變壓器模型的可視化分析系統
    (2022) 吳建霖; Wu, Jian-Lin
    近年來,自然語言處理(NLP)技術取得了長足的進步。基於轉換器的模型在 各種自然語言處理問題中表現良好。然而,一個自然語言任務可以由多個不同的模 型來完成,它們的架構略有不同,例如不同的層數和注意力頭。除了量化指標作為 選擇模型的依據外,很多用戶還考慮了理解模型語言的能力以及它所需要的計算資 源。然而,對兩個不同層數和注意力頭的基於transformer的模型進行比較和深入的 分析並不容易,因為它缺乏模型之間固有的一對一匹配。因此,當用戶為NLP 任務 訓練、選擇或改進模型時,比較具有不同架構的模型是一項至關重要且具有挑戰性 的任務。在本文中,我們提出了一個可視化分析系統來探索語言模型之間的差異, 並幫助用戶選擇模型或找出模型可以改進的地方。我們的系統支持兩個模型的比 較,用戶可以交互地探索不同模型下的特定層或頭部,並識別異同。使用我們的工 具,用戶不僅可以通過模型學習到哪些語言特徵,還可以深入分析兩個不同層數和 頭的基於轉換器的模型之間的細微差別。用戶的用例和反饋表明,我們的工具可以 幫助人們深入了解並促進模型比較任務。
  • Item
    以多目標演化演算法求解動態電力調度之成本及汙染問題
    (2022) 柯炫任; Ko, Hsuan-Jen
    在科技發達的社會中,人類對電力的依賴日漸增加。由於目前綠色能源之發展仍在進行,火力發電仍為電力供給的主要方法。動態電力調度之成本及汙染問題為有限制的多目標連續型最佳化問題,給定若干個發電機組資訊和一天二十四小時的電力需求,需求取每小時中各機組的發電量配置。發電配置必須滿足每小時的電力需求,也必須符合各發電機組的負載範圍及調降安全範圍;目標則為同時最小化發電成本和空污排放量。綜合上述,動態電力調度之成本及汙染問題為一具挑戰性之最佳化問題,且有實務應用價值,是非常值得研究的問題。本論文提出多目標差分演化演算法以求解動態電力調度之成本及汙染問題,針對演算法中的合法性修復、環境選擇、計算資源分配及突變選擇四項重要機制進行探究。我們以六組公開測試模型檢驗上述四項機制對求解效能之影響,實驗結果顯示本論文所使用之機制均有良好成效。最後,本論文之方法和十五個既有方法相比,展現優秀的求解能力。
  • Item
    以改良式粒子群演算法進行分類問題之特徵選擇
    (2023) 呂政儒; Lu, Cheng-Ju
    特徵選擇是分類問題中降低問題維度的一種重要前處理技術,能消除冗餘和不相關的特徵,留下有用的特徵進行分類,提高分類準確率。隨著資料集維度增加,搜尋空間將急遽加大,這對各種最佳化演算法來說是一個挑戰。本研究希望能提出演算法,以小量計算資源找到一組少量且具有良好分類效果的特徵子集。研究基於當今主流的粒子群演算法,加入搜尋空間調整相關設計、參考相對優秀粒子的較差粒子調整策略,以及一個具方向性的新粒子群產生策略,該策略使用外部族群更新與紀錄演化過程中找到的多組特徵子集,並將其作為產生新粒子群的參考點。實驗結果與文獻演算法比較後,顯示所提出之演算法機制與設計具有良好的分類效能與較少的特徵數。
  • Item
    利用室內空氣資料進行呼吸道疾病預測模型
    (2022) 陳昱如; Chen, Yu-Ru
    在高齡化時代,台灣約有1.5%的老人人口安置於長期照護機構內。隨著年齡增長,長者往往有較脆弱的免疫系統以及肺功能,因而也有較高的危險性罹患呼吸道相關的疾病。由於長照機構通常為較密閉的空間,因此室內通風與空氣品質較為不佳。當有長者感染呼吸道疾病,造成群聚感染的風險也相對較高,而同時呼吸道疾病也會加重長者衍生成合併症及致死程度的危險性。如果能在長者感染的初期就提出警訊,以及早警告醫護人員並對其進行診斷及隔離等措施,就能夠降低長照機構中群聚感染發生的機率。本研究提出了運用自動編碼器的無監督式異常檢測室內空氣品質方法 (Unsupervised Anomaly Detection using Indoor Air Quality with Autoencoder for Respiratory Disease Prevention, AutoUAD-IAQ)以預防呼吸系統疾病傳染。初期本研究利用微型空氣感測器-Airbox蒐集長照機構的室內空氣品質,同時記錄長照機構感染呼吸道疾病的人數與時間。結合蒐集的資料並利用提出的呼吸道疾病預測模型方法來預測罹患呼吸道疾病的可能性,並在感染初期提出警訊以預防群聚感染的發生。
  • Item
    以Chipyard為基礎的SoC設計平台FPGA實現之研究
    (2022) 黃維熙; Huang, Wei-Hsi
    近年來在軟體上的AI加速器發展越來越多元化,並且在硬體上也有一些的發展及實現,而硬體AI加速器的優勢在於對特定資料格式做運算可以大幅提升速度,僅需使用資料流的方式就可以實現。本論文針對柏克萊大學提出的硬體開源框架Chipyard,提出一個硬體建構的流程,將RISC-V為基礎的CPU搭配AI硬體加速器整合於FPGA平台,並且完善RISC-V軟體開機流程,讓我們可以通過硬體建構流程調整所需的硬體資源,做出客製化的硬體電路,快速的去對CPU及AI硬體加速器於FPGA開發板上做有效的效能評估。
  • Item
    使用排隊理論分析室外空氣品質與人口流動對於COVID-19 的爆發風險
    (2022) 蔣宜芳; Chiang, Yi-Fang
    自2019年12月首次被發現以來 COVID-19 已經席捲各個國家,因其高度傳染性使得各國難以預防,當相關機構要執行防疫措施時,其執行的時間點需要更多資訊進行評估。COVID-19 主要透過飛沫傳染,因此本研究將人口流動視為其中的關鍵影響,但是增加傳染的風險並不局限於人口流動一種。空氣汙染物也被認為與呼吸道相關疾病有著高度的相關性,先前研究也使用空氣品質以預測流感病毒爆發時間,此外研究也觀察到人口流動與空氣汙染物間存在一定的相關性,像是因為開車而造成 NO2 以及 PM2.5 的增加等。本研究所選擇的影響因素可以觀察到相關機構的防疫措施對於這些因素的影響性,例如是否強制規定戴口罩、居家令的執行以及重新開放等相關防疫措施。戴口罩可以減少飛沫傳染的風險也較能減少空氣汙染物的影響,而居家令則是會減少人口的流動也減少人與外面空氣的接觸,重新開放則是使得人口流動恢復也增加空氣污染物。因此本研究希望能透過所提出的影響因素來協助評估目前疫情爆發的風險並做為防疫措施的一參考數值。本研究使用美國加利福尼亞州、佛羅里達州、紐澤西州以及紐約州的人口流動、室外空氣汙染物及疫苗接種預測COVID-19 確診人數及活動病例,並以排隊理論預測其平均所需康復時間,將預測結果帶入的風險分析。最終以斜率來進行風險分析,獲取爆發閥值,預測可能存在的高風險時段,將這些時段與防疫措施結合,提供相關機構一個評估防疫措施的參考數據,期望達到對疫情有更好的控制。
  • Item
    Blockchain-based Reward for Data Delivery Service with Zero-Knowledge Proof
    (2022) 董郡麟; Tung, Chun-Lin
    隨著資訊化時代的來臨,網路上的資訊量有著爆炸性的成長,使得人們對於通訊相關軟體的使用需求愈趨增加,經過了逐年行動網際網路技術的蓬勃發展、進步,如智慧型手機、個人電腦等電子產品徹底成為了電子市場的主流硬體,已經與現今人們的生活有著密不可分的關係,不管是在學生時期又或是出社會工作每天幾乎都會接觸到電子產品,然而隨著手機上的應用程序與功能愈來愈多,為了確保使用者之資訊安全考量,各大公司通常會藉由OTA來發佈新的韌體版本以保障其客戶之資訊安全,因此OTA的需求也愈趨重要。儘管目前已有許多大公司致力於發展OTA技術,也已經有了相當成熟的功能以提供客戶使用,但現今尚有許多小公司無法支援如此大量的雲端更新系統,因此通常會委託一些大公司幫忙對其客戶做OTA服務並予以報酬,但不能保證每一次OTA委託皆有確實完成,所以要達到公平公正的論件計酬是非常困難的。我們希望藉由加入近年來熱門的主題「零知識證明技術」結合了以太坊區塊鏈中的智能合約,實現出一個由Vendor建構的OTA服務系統,並藉由零知識證明的技術將IoT device的一些私密資訊隱藏起來,同時由代理商證明他已完成相關的委託任務,並生成一組特定的有效證明交由區塊鏈系統上的智能合約進行此proof之驗證,讓合約自動判斷此代理商是否有達到領取報酬之條件,一旦判斷條件皆符合Vendor所制定的條件,合約會將報酬自動轉入代理商的以太坊錢包位址,同樣的若是合約判斷代理商不符合領取報酬之條件,則合約會直接結束程式的執行,並由給出錯誤proof的代理商支付本次呼叫合約的手續費給礦工.以達成一個公平公正的OTA服務系統。