專業 物理
-
從鳥群與細菌群開始： 無序､有序､漲落､穩定與不穩定-Active soft matter
為了研究生物集體運動，統計力學與流體動力學被推廣，發展出新領域active soft matter。現在我們用active soft matter 中的標準觀念來理解細胞爬行，胚胎成長，細菌聚落，以及染色體在細胞核內的型態。
-
熱電於再生能源之運用
由於人類發現已經不能再無止盡的長期依賴石化能源，取而代之的則是發展再生能源。在諸多發展的再生能源研究中，因熱電材料具有熱電互相轉換功能，因此有了運用熱電材料將廢熱或再生能源轉換成電力的方案。
-
當摩擦起電效應不再惱人－摩擦奈米發電機的誕生與演化
摩擦奈米發電機發展至今，已被成功驗證不僅具能源收集功能，更因其本身轉換的電輸出會隨施加的環境因素程度而有所不同。即意味本身也可以用來感測施加的環境因素，且不需外部電源即可工作。這種特性，就是自驅動感測器 (Self-Powered Sensor) 的精髓。製作摩擦奈米發電機所需的設備及流程並不複雜，且元件的大小及規格可輕易變換，幫助其在不同領域的應用都可以提供切入點做結合。因此在這幾年已演變成機械能收集及自驅動感測器等研究領域最熱門的技術。
-
光能轉換成電能：材料的光、熱、電特性之影響
1839年，19歲的法國科學家亞歷山大．愛德蒙．貝克勒爾 (Alexandre-Edmond Becquuerel) 首先發現材料吸收光產生電壓的現象，即為目前熟知的光伏打效應 (Photovoltaic Effect)；1961年，美國物理學家威廉．蕭克力 (William Shockley) 與德國物理學家漢斯．約阿希．奎瑟 (Hans-Joachim Queisser) 在美國貝克曼儀器公司的蕭克力半導體實驗室發展出單一p-n接面的太陽能電池轉換效率之物理模型：蕭克力-奎瑟極限 (Shockley-Qussier (S.-Q.) limit) [1]。
-
108年度諾貝爾化學獎與鋰離子電池之發明
早期鋰電池因其放電電壓與電流穩定而受矚目，然鋰金屬本身活性強，無法輕易加工與保存並使用，直至20世紀才漸漸使鋰電池進入實用階段。1至此鋰電池仍為一次電池，意即其放電完即無法再使用。因於充電將導致鋰金屬枝晶(lithium dendrite)產生，此將使電池短路且再充電效率相當差。鋰離子電池(lithium-ion battery)乃將鋰電池僅可一次使用之缺點改良，而可再充電重複使用。
-
系外行星科學：天文新時代
我們並不孤單。筆者撰寫本文時，天文學家已發現4151顆在太陽系以外的『系外行星』。這是一個驚人的數字：首顆系外行星在1992年才被發現 (一顆環繞脈衝星的行星)，而第一個圍繞類似太陽恆星的系外行星則是1995年發現的。即使在2011年，當筆者正在完成博士論文時，系外行星數量也才約為600顆。在不到十年的時間裡，系外行星數量增加了7倍。而2019年台灣也透過國際天文協會命名了一顆系外行星『水沙連』。觀測技術不斷的進步，使得系外行星科學日新月異。它的快速發展使得我們幾乎每天都會發現新的星球、從未想過的新世界。人類對生命起源以及尋找『地球 2.0』的好奇心促使了系外行星科學迅速成為最令人興奮的天文領域之一。
-
聆聽宇宙氣笛 垂釣系外行星
人類對於太陽系以外是否有第二顆地球甚至系外生命的存在，一直感到莫名的好奇。早在18世紀，英國藝術家John Pass以雕刀勾勒出他所想像其他太陽系的樣貌，他奇想中的系外行星系統好像充斥著整個宇宙，卻和太陽系內的行星分佈大相逕庭
-
探索量子與古典間的灰色地帶
在本文中我們探討了，如何透過哈密頓量係綜集合模擬一個開放性量子系統時間演化藉此展現出非古典特性。
-
量子追想曲--成大前沿量子科技研究中心
成大前沿量子科技研究中心的主要三大研究主軸：量子理論、量子材料、量子元件與電腦 都是當前量子科技之重大問題。
-
眼見為憑：黑洞確實存在
4組獨立團隊所得到黑洞剪影圖像的成像結果都非常類似。基於這種相似性，我們做成的結論是：「得到的圖像有非常高的可靠度。」
-
望向天際的大眼睛—格陵蘭望遠鏡裡的天線與接收機系統
這裏透過介紹格陵蘭望遠鏡接收機系統的設計測試與實際部署，讓大家更進一步了解格陵蘭望遠鏡。
-
望向天際的大眼睛 — 格陵蘭計畫初始
更多的望遠鏡一起參與 VLBI的觀測將會大大地提高訊號的靈敏度，而且只要能夠把這些位在地球不同角落的望遠鏡全部連線成為 VLBI 陣列，將會形成一座具有地球一般大小的「合成孔徑望遠鏡」，其所提供的影像解析力足以「看清楚」黑洞是否存在。
-
凝視時空的深淵：黑洞剪影的故事
黑洞影像的成功觀測也正式宣告了黑洞在事件視界尺度的天文物理研究即將進入讓人振奮的新時代！
-
如何跟物理做朋友 ?
當一個人忘了學校裡所學的一切，如果還剩下什麼，那個剩下的就是教育。
-
光電效應也可以照相！
藉由同步輻射的掃描式光電子能譜顯微儀我們可以系統性地探討單層凡得瓦材料與基材的交互作用，以及單層凡得瓦材料的本徵及其異質介面的物理化學結構。
-
光電效應大展身手：角解析光電子能譜學
利用光電子能譜技術，發現了材料中 Chemical Shift 的現象，這個發現對於材料科學發展的影響，悠久而深遠，時至今日，科學家仍舊持續利用這項技術，探測各種新穎材料的原子鍵結狀態，為各種材料的發現做出貢獻。
-
點亮台灣之光，耀眼全世界：國家同步輻射研究中心
同步輻射讓科學研究可以往更小的尺度邁進，支持著許多研究團隊進行基礎的科學研究。
-
超越摩爾定律的二維電子元件
進入到數位資訊時代,人類的生活越來越離不開數位裝置的輔助。無論是個人的工作學習,娛樂常用的電腦,甚至社交往來所依賴的行動裝置,都因為數位裝置強大的計算效能,已經滲透到現代人們生活的每一個角落。
-
非平衡統計物理近年來的進展 - 對布朗粒子體系的操控
熱力學第二定律中熵不減少代表的意義是“時間之箭”,指出宏觀非平衡過程中的不可逆性。但微觀的物理定律都是時間可逆的,這表面上的矛盾困擾了百多年前的科學家好一陣子,這就是著名的Loschmidt's paradox[2],其謬誤的原因主要是忽略了大部分背景粒子的自由度(如熱庫)。另一方面,隨著系統和裝置的微細化和實驗能測量的尺度更趨微奈米,我們不得不重新考慮宏觀平衡態描述漲落的原理,而進入近代非平衡統計物理的範疇。
-
二維電子元件的發展可否成為下一世代的希望 ?!
半導體積體電路發展至今，其複雜程度早已遠遠超過六十年前科學家們的假設，1969 年 Simon Min Sze 出版全球最著名的半導體元件聖經一書『Physics of Semiconductor Devices』時，也未曾料想到積體電路可以微縮到目前的範疇，Simon Min Sze 新書發表的當下也僅認為微米尺度的電晶體微縮化，大概就是這個領域的邊界了吧。但隨著晶片縮小化過程，所導致的複雜度與成本的驟升，2018 年初英特爾於製造 10 奈米核心技術上，遇到良率大幅下降等嚴重問題，導致大規模量產時程延宕至 2019 年初；另一方面，著名的半導體廠 Global Foundries 也於近期宣布停止開發 7 奈米核心晶片技術 ( 一般相信 Global Foundries 的 7 奈米技術與英特爾 10 奈米技術相當 )，這些原因都歸咎於微縮過程，在矽晶片為主的互補式金屬 - 氧化物 - 半導體場效電晶體 (metal-oxide-semiconductor field-effect transistors, MOSTFETs) 技術變得越來越困難所致。
-
光鑷在生物系統之應用與重要性
從光鑷的現象開始,包含捕捉的方式、捕捉力的量測、捕捉粒子運動的觀測,並進一步談到它在生物系統上的貢獻,以一窺光鑷獲得諾貝爾獎的原因。
-
反其道而行的創新 - 啾頻脈衝放大
「在雷射物理領域的突破性發明」 ─ 這是 2018 年諾貝爾物理獎的得獎理由,由三位雷射科學的先驅共同獲得，這是繼 1999 年諾貝爾化學獎 ─ 將化學反應觀察尺度推進至飛秒級 (Femtosecond，10-15 s) 和 2005 年諾貝爾物理學獎 ─ 利用超快雷射鎖模機制 (Mode-locking) 發展的雷射光梳 (Optical Frequency Comb) 之後，超快光學史上第三座諾貝爾獎。
-
啾頻脈衝放大技術的發展與應用
回顧 1960 年第一台雷射被發明以來，至今已近一甲子，在其發明之後，雷射物理的研究與應用就急速成長，其影響範圍不僅及於科學研究，也深入工業技術與我們的日常生活。雷射光束相較於一般光源，有許多獨特的性質，例如非常高的相干性、明確的指向性、極高的強度、純淨的顏色 ( 極窄的頻寬 ) 或是非常短的脈衝時寬 ( 極寬的頻寬 )，全世界第一台的雷射 ( 紅寶石雷射 )[1] 就是以閃光燈管來激發的脈衝雷射。在雷射科技發展的初期，物理學家們的主要目標是要製造頻率非常純淨的雷射光，這種連續輸出、窄頻寬的雷射是發展高解析度雷射光譜學的必要工具，而這方面的研究成果也已多次獲得諾貝爾物理獎的肯定
-
聚焦的雷射光 - 光鑷物理
2018 諾貝爾物理學獎頒給了三位對雷射領域突破性發展有重要貢獻的科學家。其中在貝爾實驗室 (Bell Labs)付出了大半研究生涯的 Arthur Ashkin ，憑藉著「光鑷及其在生物領域的應用」個人獲得了一半的獎項，以96 歲高齡榮登諾貝爾獎最高齡得獎人。另一半的獎項則由 Gérard Mourou 和 Donna Strickland 兩人以「製造高強度且極短雷射脈衝技術」共同獲得。本文將會著墨於光鑷的發展和其在物理學中廣泛的應用。
-
深度學習及其在凝態物理上的應用 – 下篇: 深度學習與凝態物理
前面我們花了不少篇幅講述了深度學習的原理以及歷史，然而我們卻沒有提及深度學習究竟在物理上有何應用，所以這這篇裡面，我們就來好好聊聊深度學習究竟在凝態物理上有何應用。
-
深度學習及其在凝態物理上的應用 – 中篇: CNN與RNN
在上一篇文章中，我們簡單介紹了深度學習的觀念以及歷史，然而我們並沒有提及深度學習中最重要的兩個基本架構，也就是卷積神經網路(convolution neural network)以及循環神經網路(recurrent neural network)。這兩個神經網路分別用來處理了對空間有關聯性的數據以及時間有關聯性的數據，前者後來被廣泛地使用在影像識別上，後者則被廣泛地使用在自然語言處理以及時間序列等問題上。有了這兩個強大的武器，當代深度學習大爆發才有了牢固的基礎，因此要講深度學習，核心問題就是要理解這兩種神經網路架構。
