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

Search Results

Now showing 1 - 2 of 2
  • Item
    空間各向異性與無序性之 (3+1)維量子海森堡模型的蒙地卡羅研究
    (2014) 高銘佐; Ming-Tso Kao
    本論文主要是使用蒙地卡羅方法 (Monte Carlo Method) 來模擬研究 (3+1) 維量子海森堡模型 (quantum Heisenberg model)。特別是我們探討了空間各向異性 (spatial anisotropy)與無序性 (disorder)對此模型特性之影響。 研究空間各向異性量子海森堡模型的動機是想要針對 dimerization 類別的海森堡模型,定量上去探討在量子臨界點附近 (quantum critical point) 新建立的普適關係 (universal relation),即 $T_N/\sqrt{c^3}\propto\sf{ M_s}$ 。其中 $T_N$ 是 Néel temperature ,$c$ 是自旋波速 (spin wave velocity)及 $M_s$ 是交錯磁化密度 (staggered magnetization density)。 我們所作的模擬結果與 Sushkov \cite{Sushkov:2012:PRB} 藉由級數展開法 (series expansion) 所得到的結果是一致的。 另外對無序性的研究,我們計算三維鍵結無序 (bond disorder) 量子海森堡模型的 $\overline{T_N}$ 和 $\overline{M_s}$ ,方法是引進兩個參數,即隨機耦合強度 $D$ 和隨機機率 $P$ ,來描述反鐵磁交換耦合 (exchange couplings) $J_{ij}$ 的隨機性。$D$ 和 $P$ 的值皆在 $0$ 和 $1$ 之間,每個交換耦合強度為 $J_{ij}(1+D)$ 或 $J_{ij}(1-D)$ 的機率分別為 $P $ 及 $(1-P)$ 。 我們發現對這種無序性模型在靠近乾淨系統附近,用平均交換耦合強度 $\overline{J}$ 歸一化的 $\overline{T_N}$ (即 $\overline{T_N}/\overline{J}$) 和交錯磁化密度 $\overline{M_s}$ 之間也呈現一種線性關係。
  • Item
    人工神經網路在物理上的應用:二維正方形晶格上Potts model 相變之研究
    (2018) 李建德; Li, Chien-De
    這篇論文主要探討了卷積神經網路(convolutional neural network)在二維正方形晶格上的Potts model之應用。我們使用卷積神經網路對蒙地卡羅演算法模擬出的自旋狀態加以分析。不同於相關文獻中常用的方法,在本次研究中,我們使用低溫有序相中的自旋狀態作為訓練集,並以輸出向量O ⃗之長度R做為主要觀測量。藉由此方法,我們得到了和已知文獻上一致的結果。此方法減少了以人工神經網路研究凝態模型時所耗費的計算資源。使用此方式訓練出的卷積神經網路除了可以偵測臨界溫度T_c外,亦可用來辨識相變的類型為一階或二階。