化學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/57

國立臺灣師範大學化學系座落於公館校區理學院大樓。本系成立於民國五十一年,最初僅設大學部。之後於民國六十三年、七十八年陸續成立化學研究所碩士班和博士班。本系教育目標旨在培養化學專業人才與中等學校自然及化學專業師資,授課著重理論及應用性。本系所現有師資為專任教授25人,另外尚有與中央研究院合聘教授3位,在分析、有機、無機及物理化學四個學門的基礎上發展跨領域之教學研究合作計畫。此外,本系另有助教13位,職技員工1位,協助處理一般學生實驗及行政事務。學生方面,大學部現實際共322人,碩士班現實際就學研究生共174人,博士班現實際就學共55人。

本系一向秉持著教學與研究並重,近年來為配合許多研究計畫的需求,研究設備亦不斷的更新。本系所的研究計畫大部分來自國科會的經費補助。此外,本系提供研究生獎助學金,研究生可支領助教獎學金(TA)、研究獎學金(RA)和部分的個別教授所提供的博士班學生獎學金(fellowships)。成績優良的大學部學生也可以申請獎學金。

本校圖書館藏書豐富,除了本部圖書館外,分部理學院圖書館西文藏書現有13萬餘冊,西文期刊合訂本有911餘種期刊,將近約3萬冊。此外,西文現期期刊約450種,涵蓋化學、生化、生物科技、材料及其他科學類等領域。目前本系各研究室連接校園網路,將館藏查詢、圖書流通、期刊目錄轉載等功能,納入圖書館資訊系統中,並提供多種光碟資料庫之檢索及線上資料庫如Science Citation Index,Chemical Citation Index,Chemical Abstracts,Beilstein,MDL資料庫與STICNET全國科技資訊網路之查詢。

News

Browse

Search Results

Now showing 1 - 2 of 2
  • Item
    以機器學習方法預測溶劑對其有機螢光分子之放光波長
    (2023) 董景華; Tung, Ching-Hua
    在19、20世紀,定量構效關係之方法逐漸發展,以機器學習方法對於預測化學分子的生物活性、藥物性質等的研究也與日俱增。許多軟體可以用於計算分子描述符,描述符為用於表示分子的物理化學性質。透過機器學習方法,我們可以預測有機螢光分子之放光波長,對於不同分子描述符以及溶劑效應之影響。本研究中,為使用SKlearn作為機器學習的方法。並使用線性迴歸、LASSO、隨機森林三種不同的迴歸方法訓練模型,且搭配K-means分群法及聚合階層式分群法來探討其模型訓練之表現。對於11146種SMILES分子,加入8種溶劑描述符後,以隨機森林迴歸方法進行模型訓練,或基於K-means分群及LASSO迴歸方法進行隨機森林迴歸方法之模型訓練,亦或是基於沃德法及LASSO迴歸方法進行隨機森林迴歸方法之模型訓練。其R^2分別有0.01至0.02的不等提升,且分別在各模型之重要性特徵,8種溶劑描述符有包含在其中,且有與共軛π鍵相關的描述符,對於預測放光波長有顯著的貢獻,與參考文獻結果具一致的解釋性。
  • Item
    基於機器學習預測有機分子之最高佔據分子軌域與最低未佔據分子軌域及其能隙
    (2023) 蘇柏豪; Sue, Bo-Hao
    近年來科技發展迅速,以大數據的電腦模擬研究也跟著興起,利用機器學習的方式透過演算法來精準預測結果,並輔佐實驗進展,從中尋找出新的可能性已然是種趨勢,而傳統的量化計算耗時長,成本相對高,且只能做少量的分子。HOMO、LUMO和Energy gap性質用於化學領域中,因其放光波長、電子傳遞、化學反應性等特性,廣泛應用於有機化學,本研究基於上述問題,使用了機器學習中的分群法、線性及非線性回歸的方式建立模型,逐步針對大量種類的有機化合物進行分析與探討。本研究利用機器學習中的Lasso回歸、K-means分群法、隨機森林演算法,用於預測114896種有機化學分子的HOMO、LUMO和能隙(Energy gap)性質,透過本研究之模型,得出:HOMO、LUMO、Energy gap的理論與預測值之MAE小於 0.3 eV,並且非線性回歸模型之校正R2值大於 0.93,顯示模型預測結果高度符合吾人預期之化學性質。透過本研究之分析結果,顯示本研究所建立之模型,除了有著良好的預測效果,其篩選出來的描述特徵與一般化學界的認知相吻合,未來可期運用本研究之相關概念與分析方法,對相關領域之數值分析有所貢獻。