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 231
  • Item
    微生物在臺灣小毛氈苔的分布及其影響
    (2024) 孫培峰; Sun, Pei-Feng
    none
  • Item
    使用定位摩克樹作資料存證的應用研究
    (2024) 黃鯤義; Huang, Kun-Yih
    在大數據(big data)的網路時代,由於各種原因,無論是人為造成的或意外發生的情況,都可能導致有價值的資訊遭受損壞、竄改或竊取等危害。因此,確認各種活動或資訊交易的身份正確性,以及保障其內容、結果的安全性、以及日後追查稽核或即時稽核與驗證的相互不可否認性與可歸責性,成為大數據網路時代資訊安全的核心工作。公有區塊鏈(public blockchains)憑藉其去中心化的分散式架構,具有不可竄改性與透明性,透過共識協定使得網路節點能夠相互監督,進而達到資料的可信任性。然而,受限於區塊鏈高額礦工費與每秒交易筆數(TPS)的低限制,大量的資訊難以儲存於區塊鏈中。因此,本論文採用了Hwang等人提出的定位摩克樹(transaction positioned Merkle tree)[ 83, 97, 98, 100]作為存證的基礎技術。在對定位摩克樹的效能進行一般性測試之後,筆者選擇了兩個代表性的情境進行深入研究。第一項研究提出了雲端服務執行環境完整性即時稽核的架構,這不僅可以避免執行環境因遭攻擊、竄改或損壞所造成的意外,同時也能夠在系統運作時即時發現是否有遭受攻擊、竄改、遺失檔案或惡意軟體的植入,例如電腦病毒或木馬程式。第二項研究模擬了如何在真實人類情境中,利用定位摩克樹與公有區塊鏈,實現基於公有區塊鏈的自動給付與申訴賠償機制。結果證明了利用定位摩克樹的證據存證技術可以完全解決情境中的信任問題,且不受限於公有區塊鏈效能瓶頸。總結而言,本研究提供了一個具體而有效的方法,結合定位摩克樹與公有區塊鏈,以應對大數據網路時代資訊安全的挑戰。這些方法不僅具有實用性,同時突破了公有區塊鏈效能的桎梏。
  • Item
    Human-Aware Edge Computing Scheduling for Cyber-Physical Systems
    (2024) Gabor Szolnok; Gábor Szolnok
    -
  • Item
    利用硬體加速器在RISC-V平台實現智慧手勢識別之研究
    (2024) 田敬瑄; Tien, Ching-Hsuan
    隨著手勢辨識技術在多媒體娛樂和智慧家電控制等領域的廣泛應用,隱私保護和低延遲推論速度已成為提升用戶體驗的關鍵因素。邊緣計算,由於其能在本地設備上即時處理數據,強化了數據的隱私保護並顯著減少數據傳輸和處理的延時,因而被重視。本研究開發的智慧手套手勢辨識系統採用開源的RISC-V指令集架構SoC,並在FPGA平台上實現了低成本及高效能的部署。透過整合Gemmini硬體加速器,本系統顯著提升了邊緣設備的計算效能及模型的推論速度。實驗結果顯示,配備硬體加速器的SoC相較於未搭載加速器的SoC,推論速度提升達55倍,同時維持了手勢識別的高準確度。該邊緣系統的實施不僅確保了用戶數據的安全,也通過硬體加速器顯著降低了推論時間,進一步提升了用戶體驗。本研究證明了開源技術和硬體加速器在邊緣計算領域的有效性,為未來智慧裝置的技術進步提供了一個經濟且高效的解決方案。
  • Item
    以IPA增強之KZG10的批次狀態更新驗證技術
    (2024) 何明諭; Ho, Ming-Yu
    自從區塊鏈技術問世以來, 擴展性問題一直是其發展中的一大挑戰。為了提升區塊鏈的交易處理能力, Vitalik Buterin 和 Barry Whitehat 等先驅提出了 ZK-Rollup 作為一種 Layer 2 技術, 因其能夠在不犧牲安全性的前提下大幅提高交易吞吐量而備受矚目。ZK-Rollup 透過將大量交易捆綁成一個批次並生成零知識證明, 使得區塊鏈主網僅需驗證該證明即可確保交易的有效性, 從而大幅減少了鏈上數據的處理壓力。本研究針對區塊鏈 Layer 2 擴展技術中的 ZK-Rollup 狀態轉移效率問題, 提出了一種結合 Inner Product Argument (IPA) 和 KZG10 Polynomial Commitment Scheme 的創新方法。在大規模數據的批次更新的情境下, 此方法可以透過可接受範圍內證明者 (Prover) 運算負擔的增加, 提升了驗證者 (Verifier) 運算效率。這項特性無論對於智能合約的驗證, 或這要結合 zkSNARKs 技術都有著重要的意義。實驗結果證明了 Prover 所增加的運算負擔依舊使整套流程保持可行性, 並且確實降低了驗證過程的運算成本。本研究提供了一種新的權衡方案, 展示了在 Prover 運算效率與 Verifier 運算成本之間的平衡可能性。
  • Item
    英語口說精熟度之自動化評測技術研究
    (2024) 吳姿儀; Wu, Tzu-I
    none
  • Item
    以 RISC-V SoC 為基礎的類神經網路模型部署工具
    (2024) 鄭翔升; Cheng, Hsiang-Sheng
    本論文實做一個適用於 RISC-V SoC 的模型部署工具,將建立模型、量化模型、部署模型功能整合成一套軟體工具,使用自訂義之 Intermedia Representation 將神經網路自動轉換為可以在 SoC 執行的 C 語言,主要目的是簡化 TinyML 系統開發階段的模型部署流程。使用 Genesys2 FPGA 實現 Rocket Core 與 AI accelerator Gemmini 為基礎的 SoC 驗證此工具的部署結果,包括神經網路推理資料流以及效能。
  • Item
    以Flex感測器為基礎的智慧手套設計
    (2024) 邵蓁玓; SHAO, Zhen-Di
    手勢辨識的技術目前逐漸廣泛應用於AI領域中,尤其穿戴式裝置的研究推動了這一領域的發展。透過穿戴式裝置的方式,來偵測手勢的動作並進行辨識;儘管目前有許多手勢辨識的研究,但鮮少有涉及到五隻手指感測器的研究,由於使用五隻手指來完成智慧手套會遇到各種不同的問題,例如:手套製作系統複雜或是選擇的感測器應用等等問題;因此,本論文將探討以精簡的方式製作具有五隻手指的智慧手套。本論文使用了兩種主動式彎曲感測器為主體,分別以Bend Lab的Digital Flex Sensor和Sparkfun的Qwiic Flex Glove Controller兩種彎曲感測器來完成五隻手指的智慧手套;利用這兩種彎曲感測器不僅解決了手套感測器數量的問題,同時也降低了手套製作及系統的複雜度問題。最後,則透過神經網路來辨識出手勢的種類,以實現五隻手指的手勢辨識。
  • Item
    改進提示學習訓練架構以偵測社交媒體文本之心理健康面向
    (2024) 黃筱婷; HUANG, Hsiao-Ting
    本研究針對從中文社交媒體文本分析發文者心理健康面向的需求,探討如何從發文內容自動偵測發文者的心理健康狀態,包括是否有精神疾病或情緒問題,以及是否出現尋求協助的行為等三個面向。本論文改良提示學習中的訓練架構,提出漸次增加與策略挑選訓練資料的方法,對預訓練遮蔽語言模型微調的訓練方式進行改進,稱為IS訓練策略。此外,為了加強模型區別正負類別資料間的差異,額外採計邊界差異損失值。本研究在臺灣電子佈告欄上蒐集的三個心理健康面向資料集上進行實驗,結果顯示結合本論文所提出的IS訓練策略,可使PET和iPET所訓練出的面向偵測器,在Precision至少提升10%。當控制訓練資料樣本數減少至一半的情況下採用IS訓練策略,相較於原訓練樣本數未採用IS訓練策略,各面向偵測器的Precision仍提升至少5%,顯示IS訓練策略能從訓練集中有效挑選出對增進模型正確率學習有幫助的資料。在模擬開放環境測試集中,各目標面向的偵測效果皆可達0.8以上,顯示本論文所提出之提示學習訓練架構用於偵測社交媒體文本中心理健康面向的實用性。
  • Item
    探討提升自動英語口語評估準確性之方法- 以會話測試為例
    (2024) 李俊廷; Li, Jiun-Ting
    由於全球化與網路的普及,人們需要學習第二語言的需求急劇增加,尤其是英文作為最主要的知識傳遞語言。雖然現今有許多免費或付費的英文教學影片、補習班等資源可供選擇,然而語言教師的增加速度卻跟不上學習者的需求。因此,為了解決此問題,我們需要有效率的方式處理學習者在語言學習過程中獲得的資訊,協助非母語者在沒有足夠語言教師的情況下,仍能順利地學習第二語言。在各種補足人力的方法中,電腦作為人力輔助的角色最為適合,尤其是語音辨識技術已經成熟,並出現許多商業應用案例,如電腦輔助語言學習 (Computer Assisted Language Learning, CALL) 的錯誤發音偵測與診斷 (Mispronunciation Detection and Diagnosis, MDD)、可讀性評量,以及我們本研究的主題:自動口說評量。自動口說評量是英文評量中的一個方面,透過受訪者的口說聲音和內容來進行能力評估,但需要英文專家花費時間進行評分。如果可以藉由電腦完成相同任務,將節省大量的人力、時間和金錢。然而,目前在此領域的研究遇到幾個問題,例如不同等級的語者數量不平衡,尤其是在最高和最低等級的語者數量和其他等級之間呈倍數差距,以及自由口說容需要考慮更細緻的子句關係代名詞關係和面試官的資訊。我們嘗試從資料、訓練技巧和模型架構等方面入手,提升整體效能,同時兼顧可解釋性,使本研究能夠真正在實際應用中被接受。模型的程式碼在 \url{https://github.com/a2d8a4v/HierarchicalContextASA/}、資料前處理的程式碼在 \url{https://github.com/a2d8a4v/local_for_nict_jle}。