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 - 5 of 5
  • Item
    LabVIEW程式架構氣相層析譜峰模式辨識法對薰衣草精油之比對
    (2011) 吳昇鴻; Sheng-Hong Wu
    本實驗利用氣相層析質譜法(GC/MS),得到十六種市售薰衣草香精油層析圖譜,以常見的統計軟體SPSS(Statistical Product and Service Solutions)依照精油成份進行分類。先將層析圖譜中幾個重要成份的譜峰面積取出,分別為1,8桉油醇(1,8-cineol)、沈香醇(linalool)、樟腦(camphor)、龍腦(borneol)、4-松油烯醇(terpinen-4-ol)、α-松油醇(α-terpineol)、乙酸沉香酯(linalyl acetate)、乙酸薰衣草酯(lavandulyl acetate)。將得到的面積利用主成份分析法(Principal Comonents Analysis, PCA)以及群集分析法(Cluster Analysis)進行統計分類,結果各品牌精油有明顯分群,而越是聚集成一群的樣品代表樣品間的相似度越接近,且主成份分析法得到的分群結果與群集分析法得到的分群結果幾乎完全一樣,發現聚集在同群裡的香精油其價格和商譽皆優於分散群外的精油,表示這兩個方法可依照成份比例的不同確實分類各品牌的香精油。 接著利用LabVIEW(Laboratory Virtual Instrumentation Engineering Workbench)開發出具有圖譜比對功能的程式,兩圖譜輸入後可得到一數值,此為彼此的相似度,將結果與主成份分析法以及群集分析法做比對,發現被前兩個分析法分在同一群內的樣品彼此相似度高,位於群外和群內的樣品彼此間相似度低,高價格樣品彼此相似度高,高價格與低價格彼此相似度低,這樣的結果和主成份分析法以及群集分析法非常相近。
  • Item
    阿達瑪轉換/氣相層析質譜術對揮發性氣體偵測法的開發與研究
    (2011) 鄭元凱; Yuan-Kai Cheng
      本研究利用阿達瑪轉換/氣相層析質譜術 (HT-GC/MS) 成功偵測到人體呼出氣體內及晶圓廠中無塵室內的揮發性有機氣體。將編碼的層析圖譜阿達瑪轉換後與大多數 GC/MS 系統單次進樣比較,可使得訊號與雜訊比值 (signal-to-noise ratio) 大幅提升。在第一個飲酒者的呼出氣體情況下,使用傳統單次進樣得到的小離子強度 (相當於 ~0.1 ng 乙醇)約等於或低於偵測極限。在第二個吸菸者的呼出氣體情況下,使用傳統單次進樣只得到微弱離子訊號 (相當於 ~0.7 pg 甲苯) 的偵測邊緣。在這兩個實驗中,當加入阿達瑪轉換技術時,便能讓 S/N 比分別得到 8.0 及 7.9 倍的提升,雖然利用此技術偵測出的呼出氣體成分有待確認,但卻不需要任何前處理的步驟。另外在無塵室內環境空氣情況下,利用更高進樣次數的阿達瑪矩陣 255、1023、2047 分析 HMDSO,其提升的 S/N 比分別得到 7.4、15.1、20.1 倍,與理論值(8.0、16.0、22.6 倍) 皆相當地接近。在未經過前處理的 HMDSO 樣品,其單次進樣 (4 uL) 的濃度偵測極限在 20 ppbv。然而在使用了阿達瑪 2047 次的轉換後,其偵測濃度可達 1 ppbv (S/N = 3)。與此相比,當加入吸附/脫附系統時,其 HMDSO 濃度偵測極限可改善至 0.03 ppbv。實驗結果發現,此技術大幅改善了 S/N 比,並也提高了偵測靈敏度。
  • Item
    阿達瑪進樣器的設計及其在氣相層析質譜法對揮發性有機物偵測上的應用
    (2009) 范貞貞; Zenzen Fan
    本研究設計並製造一個新型阿達瑪進樣器(Hadamard injector),能使待分析的揮發性有機物(volatile organic compounds, VOCs)依據阿達瑪序列(Hadamard code)注射到氣相層析質譜儀(gas chromatography/mass spectrometry)中。配合阿達瑪轉換(Hadamard transformation)技術,相較於傳統的單一注射方式,能更有效地提高訊號的雜訊比值(signal-to-noise ratio)。此阿達瑪進樣器本身構造類似脈衝噴嘴(pulse nozzle),可由電腦控制開放的時間與樣品進入氣相層析氣化管(inlet liner)的量。視實驗情況所需,氣態樣品的單一注射量可控制在30 nL ~ 3 mL之間。同日與異日的RSD(related standard deviation)值分別為0.24 ~ 0.38%及0.27%,顯示本進樣器具有極佳的再現性。本實驗亦詳細探討氣相層析分離時進樣時間、進樣量與分流比等因素對阿達瑪轉換效率的影響。在最佳化進樣條件下,當測試樣品以阿達瑪序列次數為255、511、1023次分別進行實驗時,雜訊比值可得到7.7、10.8、14.8倍的改良效果。這樣的增加倍率與理論值(8.0、11.3、16.0)相當吻合。最後,本研究也對真實樣品進行實際偵測。將10.0 L的實驗室內空氣,以抽氣採樣方式,經活性碳吸附後,加熱脫附之同時,以阿達瑪進樣器將空氣樣品注射到氣相層析氣化管中,實際分析化學實驗室內揮發性有機物。實驗結果發現,有阿達瑪進樣器之協助,空氣中即使含有低濃度的丙酮、二氯甲烷及己烷,亦能輕易地被檢驗出來。
  • Item
    以微管陣列薄膜固化酵母菌量產化酒精之可行性研究
    (2018) 陳柏鈞; Chen, Bo-Jyun
    本實驗以新穎的微管陣列薄膜 (microtube array membrane; MTAM) 固化酵母菌進行發酵,發酵過後產物中的乙醇含量則以氣相層析質譜儀進行檢測。微管陣列薄膜是以靜電紡絲技術紡製而成的,這是利用二種不同性質的紡絲液體,在高壓電之下形成雙層結構。其中,親水性的中心核層材料為聚乙二醇(polyethylene oxide; PEO),親油性的外圍殼層則分別使用聚左旋乳酸(poly-L-lactide; PLLA) 及聚碸 (polysulfone; PSF) 來進行實驗。經靜電紡絲製成的薄膜先浸泡在水中,這步驟可以使中心核層的PEO溶於水而達成製得中空纖維的目的。酵母菌使用了Fermentis safale S-04及Kluyveromyces marxianus二種菌種。實驗進行之初,先將酵母菌的個數培養至 107-108 CFU/mL後,再把酵母菌以虹吸原理固化在膜裡面。實驗用每張薄膜的長寬分別為3公分及1公分。以掃描式電子顯微鏡可以觀測到薄膜的單一纖維:直徑約為 50微米,纖維表面的小孔洞為0.5 - 1.5微米。這樣的大小剛好可以關住酵母菌,又可以從微小洞提供養分給酵母菌。為了測試微管陣列薄膜固化酵母菌的效果以及日後量產的可能性,本實驗先應用在自釀啤酒的發酵,並將發酵瓶改為20升的發酵桶。實驗結果發現,本方法比起傳統發酵法效率更高,產能更多。酒精濃度至少提高 15% - 20%。原因是酵母菌固化在薄膜內的反應面積變大,能夠在短時間內充分使用到所有的養份。再者,酵母菌能回收並重複使用,不但可降低發酵時的成本,而且也和符合綠色化學。
  • Item
    以氣相層析圖及拉曼光譜圖之圖譜特徵在模式識別法下進行油品快篩的研究
    (2016) 陳瑩; Chen, Ying
    以質譜技術與拉曼光譜為基礎,使用 LabVIEW (Laboratory Virtual Instrumentation Engineering Workbench) 電腦語言程式,以模式識別 (pattern recognition) 的方法,成功開發了識別相似度的程式,可用來研究油品安全及摻偽快速篩選的判讀。藉由計算標準樣品和參考樣品之間的交叉相關係數 (cross correlation factor , CCF) 來評估相似度的值。程式中定義兩組圖譜的相似度, A 圖譜為標準品, B 圖譜為對照圖,值會在 100% 到 0% 之間。當標準樣品的圖譜特徵和參考樣品相似時, CFF 的值會接近1。當計算相同的兩圖譜的 CFF 值時會得到1;相反的,當兩樣品的圖譜特徵完全不同時,會得到接近0的值。也就是說,當 (A⋂B)/(A⋃B)=1 時,相似度為 100% ;當 (A⋂B)/(A⋃B)=0 時,相似度為 0% 。 CFF 是由個人電腦和用 LabVIEW 所寫出來的程式所計算得到。並可將此程式應用到層析圖譜及拉曼光譜上。以 Florihana 野生高地真正薰衣草香精油的氣相層析圖為標準圖譜,比對市售6種香精油在同條件下的氣相層析圖,相似度在 30% 到 85% 之間。此外,以拉曼光譜測量各種市售橄欖油,使用相同程式進行相似度的評估。選擇日清純橄欖油作為標準品,和其餘4種市售橄欖油做比對。發現高價格樣品相似度較高,低價格相似度較低,但都在 80% 以上。而最貴的松露橄欖油則因為添加松露只得 60.56% 的相似度。自行開發的程式具有簡單操作、將相似度量化、快速比對圖形結果等優點,且已成功應用在層析圖譜及拉曼光譜的比對上。