運算思維發展特徵及其與技術技能的關係研究

112年09月09日

【本篇報導由工業教育學系  周 明 教授研究團隊提供】 　　運算思維活動並不是孤立存在，它往往與學科問題聯結出現，在以往的研究中，較為偏向研究運算思維與認知的關聯性，對於運算思維與動作技能的關聯研究分析甚少，從具身認知（Embodied cognition）理論而言，運算思維與動作技能之間必然存在關聯，但是其中的規律為何仍未被學界揭示。對於工程技術教育而言，動作技能極為重要，因此，有必要了解運算思維與動作技能的關係為何，進而在工程技術教育課程中，運用教學策略以提升工科學生運算思維能力。本研究對科技大學和一般大學被試者的運算思維和動作技能各項指標之間是否存在顯著相關性進行了分析。研究結果顯示，科技大學學生之運算思維的指標與動作技能的指標在高階水準的能力上有更多和更強的相關性，對於一般大學的學生而言，在運算思維與動作技能的中階水準的指標上也是有更多和更強的相關性，此結果顯示，運算思維與動作技能存在一定關聯性，未來在教學及課程設計上應該適切地考量二者的相互作用關係，如此才能增進學生的學習成效。研究發現，創造性問題解決（CPS）教學策略不僅可以提升工科學生運算思維的能力，還可以促進相應的動作技能的提升，但是學生的先前學科背景對他們的學習成效有一定影響，對於科技大學的學生而言，在運算思維的提升及其對動作技能的促進作用方面相對於一般大學具有更好的效果，尤其表現在高階能力的提升上。   　　運算思維（Computational Thinking，CT）是運用演算方法進行問題解決的思考歷程，是促進各學科發展的關鍵能力，因此，各國學者努力研究如何培養學生CT基本素養能力，如何在課程進行中融入運算思維概念化的過程，以有效培養學生問題解決的能力。然而，運算思維活動並不是孤立存在，它往往與學科問題聯結出現，在以往的研究中，較為偏向研究運算思維與認知的關聯性，對於運算思維與動作技能的關聯研究分析甚少，從具身認知（Embodied cognition）理論而言，運算思維與動作技能之間必然存在關聯，但是其中的規律為何仍未被學界揭示，對於工程技術教育而言，動作技能極為重要，因此，有必要了解運算思維與動作技能的關係為何，進而在工程技術教育課程中，運用教學策略以提升工科學生運算思維能力。 　　本研究對科技大學和一般大學被試者的運算思維和動作技能各項指標之間是否存在顯著相關性進行了分析，研究結果顯示，科技大學學生之運算思維的指標與動作技能的指標在高階水準的能力上有更多和更強的相關性，對於一般大學的學生而言，在運算思維與動作技能的中階水準的指標上也是有更多和更強的相關性，此結果顯示，運算思維與動作技能存在一定關聯性，未來在教學及課程設計上應該適切地考量二者的相互作用關係，如此才能增進學生的學習成效，這是本研究在工程技術差異化教學以及學術上的貢獻。 　　本研究在實施創造性問題解決（CPS）教學策略下，探討CPS對於運算思維的提升效果及其與技術技能的內在關聯，創造性問題解決教學策略對科技大學和一般大學在課程前後的運算思維影響存在差異。從整體上看，對一般大學學生的運算概念和運算實踐影響較大，對科技大學的運算創意影響較大，並且在前後測中，一般大學學生的運算實踐要明顯好於科技大學。進一步分析中低高分組學生的運算思維和動作技能受到課程影響的效果，研究發現，創造性問題解決的教學模式不僅可以提升工科學生運算思維的能力，還可以促進相應的動作技能的提升，但是學生的先前學科背景對他們的學習成效有一定影響。對於科技大學的學生而言，在運算思維的提升及其對動作技能的促進作用方面相對於一般大學具有更好的效果，尤其表現在高階能力的提升上，此乃是本研究關於實施脈絡化的創造性問題解決教學策略對於工程技術在教學實務以及學術上的貢獻。   原文出處： Jou, M., Chen, P. C., & Wang, J. (2021). The developmental characteristics of computational thinking and its relationship with technical skills: taking the department of engineering as an example. Interactive Learning Environments. https://doi.org/10.1080/10494820.2021.1928236

應用奈米纖維混摻石墨烯於高靈敏度濕度檢測

112年08月09日

【本篇報導由機電工程學系  張天立特聘教授研究團隊提供】 　　本研究為應用奈米纖維（Nanofibers）混摻自熱（Self-heating）石墨烯（Graphene,G）之結構，以進行檢測材料元件之特性與測試，達成該結構元件於濕度之高靈敏度偵測目標，該檢測主要是透過自熱導電共軛奈米複合纖維之電性變化的機制，以能獲得環境待測的濕度濃度值。本研究是利用電紡絲（Electrospinning）製作奈米纖維結構（Nanofiber structures），並採以不同濃度的混摻石墨烯片材於奈米複合纖維的結構成型，完成該材料結構特性之探討及結構元件在調控溫度之濕度偵測（Humidity detection）。   　　在檢測晶片及系統技術於監測濕度之應用，開發具有成本效益的方式有其必要，而以薄膜電阻式元件本身的自熱效應，是有機會準確與可靠的偵測在不同領域環境下獲得其相對濕度(Relative humidity, RH)值，該相關範圍包含半導體工業、電子機械設備、種植保護、化學加工和氣象測量等。一般而言，薄膜電阻式感測器於其偵測應用是具有多個優點，如低功耗、高靈敏度、良好的穩定性以及響應（或恢復時間）。 　　相較於金屬電極檢測元件，本研究會開發具導電特性之奈米複合纖維結構元件，是利用電紡絲的製程方式製作奈米纖維（奈米線）結構，該製程是利用高壓靜電將聚乙烯醇（Polyvinyl alcohol, PVA）溶液製備成為微米甚至奈米尺寸纖維，其結構是具有高比表面積、大孔隙率、較高的導熱及導電性能的優點。在此，奈米纖維會混摻自熱石墨烯(G)材料，由於考慮該材料其電性、機械強度及熱穩定性，該成型的奈米複合纖維結構可增加元件電性檢測，提高其濕度偵測之靈敏度，如圖1所示。 　　本研究證明檢測奈米複合纖維結構元件於濕度偵測具創新性，該研究是奈米複合纖維製程與電紡絲機制，提供PVA-G奈米複合纖維薄膜材料於檢測結構元件技術，經成型導電奈米纖維結構元件於濕度偵測應用。研究團隊在此相關研究已有多年經驗，且多數研究成果皆已發表於著名國際期刊，所作的學術研究是深具前瞻及潛力。關於本篇複合纖維結構元件於濕度偵測成果，張教授研究團隊已將於2021年1月發表在該領域之國際頂尖期刊（Sensors and Actuators B: Chemical）。本研究提出與證明以複合纖維結構元件之濕度偵測平臺技術，其具有成本低、製造容易及偵測反響應良好等優點，能有機會進一步整合檢測模組，並透過實際佈局於濕度偵測應用。 圖1：PVA-G奈米複合纖維薄膜結構元件於濕度偵測   原文出處： Chen, Z. C., Chang, T. L., Su, K. W., Lee, H. S., Wang, J. C. (2021). Application of self-heating graphene reinforced polyvinyl alcohol nanowires to high-sensitivity humidity detection. Sensors and Actuators, B: Chemical, 327, 128934. (SCI Journal) (Corresponding author) https://doi.org/10.1016/j.snb.2020.128934 

圖像化QR code之微結構對於辨識率之影響

112年05月09日

【本篇報導由圖文傳播學系  王希俊教授研究團隊提供】 　　QR code在以較小尺寸進行實體輸出時，印刷所產生的網點擴張使白色資訊點被遮掩，導致在錯誤分析中偽黑(原白點誤認為黑點)會大於偽白(原黑點誤認為白點)，進而影響解碼率。為了降低實體輸出所產生的偽黑並降低辨識錯誤率，本研究改變QR code之微結構，將其以不影響解碼的方式下予以不同程度縮小。研究結果顯示，經過調整的微結構成功降低偽黑之發生及使辨識錯誤率降低。此方法可應用在傳統及圖像化QR code之實體輸出。   　　隨著科技快速發展，資訊的傳播已從實體轉為數位化，而現代資訊傳播的方法眾多，其中二維條碼可在小面積儲存大量資訊，讓它被廣泛地應用於各領域，另傳統QR code為黑白點組成，並不美觀，故有許多經美化之圖像化QR code產生。而在實體輸出進行錯誤分析時，透過資訊點錯誤分析，因為印刷時的網點擴張導致偽黑情況大於偽白，得知網點擴張對於半色調圖像化QR code的解碼具有一定的影響(如圖a至d)。因此本研究將以抵消網點擴張的概念，縮小QR code中的黑色次模組，以降低辨識偽黑及錯誤率。 a) 圖像化二維條碼的數位影像.   b) 圖a之局部放大影像.  c) 列印輸出之圖像化二維條碼.  d)  圖c之局部放大影像   　　本研究提供了使較小尺寸之實體輸出QR code能夠被讀取的方法，透過辨識分析亦可以得知，將黑色次模組適當地縮小後，能有效抵消網點擴張進而降低偽黑情形及辨識錯誤率，並使用雷射印表機即可輸出。此方法除了用於圖像化QR code之外，亦可應用於傳統QR code，未來也建議在輸出QR code時可以將黑色次模組適當縮小，將會有助於提升解碼率。   原文出處： Liu, H.C., Chou, T.R., Lu, C.S., Wang, H.C. (2021). Improving readability by modifying graphic QR code microstructure. Electronics Letters, 57(23), 879-881. https://doi.org/10.1049/ell2.12301

學習型物件姿態估測系統

111年06月09日

【本篇報導由電機工程學系  許陳鑑優聘教授研究團隊提供】 　　AI在機器視覺領域影響深遠，促使人們想運用機器來模仿人眼，感知所看到的物體在現實空間的姿態。當機器人能有人類對物體姿態的空間認知，物件夾取或情境描述等服務人類的相應應用勢必能帶進更多AI創新技術。近年來基於機器學習之姿態估測技術，多朝著「先概略估計再迭代修正」的流程來獲得最後的判定成果，但是，這些迭代模型大多只利用到幾何空間特徵，忽視了色彩特徵的價值。故本研究設計了一套同時利用幾何和色彩特徵資訊的迭代式姿態估測系統，實驗結果證明，能夠在知名的LINEMOD和YCB-VIDEO資料集上有優異表現。   　　人類的視覺感知如同照相機一般，隨時間不斷地拍下現實空間觀測的影像，而大腦則負責將這些影像統整分析，造就人類的空間認知，使我們能描述對所見物體的姿態，進而能夠使用工具改善生活。近年來工業化需求大幅提升，科學界藉由不斷的研究，希望也能藉由AI模仿人類大腦來感知物體姿態，讓機器人根據這些訊息判讀環境、挪移物體和完成特定任務。因此，物件姿態估測系統一直是機器人應用的重要關鍵之一。 　　傳統物件姿態估測方法分成基於特徵方法和基於範本方法兩種，前者會比對物體三維模型投影到二維影像之間的關聯性，但會受制於物體紋理不夠清晰使得判斷準確率降低；後者會查詢既有物體不同姿態的範本影像來做比對，但受制於真實場景複雜度太大，範本不易把所有的光影變化和物體姿態都考量進去。這議題延續至今日，因影像繪圖卡的計算能力不斷提升，帶動了基於機器學習型的方法的大幅發展。物件姿態估測代表性的方法多以一個概略估測網路，再串接一個迭代修正網路的學習模型呈現。然而，其迭代模型都只利用到幾何特徵成分，忽略了色彩特徵的價值。本研究團隊認為除了空間特徵之外，加上色彩特徵能提升物件姿態估測的準確度。  圖一：本研究團隊所提出的物件姿態估測系統模型   　　因此，本研究係利用影像和深度資訊，設計一套機器學習型物件姿態估測系統，其具備兩項特色：(1)過去迭代式姿態修正方法僅著重幾何成分，較少利用色彩成分，研究團隊藉由添加影像修正步驟，同時更新色彩和幾何成分以改良姿態修正網路，使準確率有所提升。(2)改良的影像修正步驟僅用OpenCV即可實現，不需要大量計算，執行時間約24ms/frame，且尚有用GPU進一步提升速度的可能性。實驗結果證明，本研究方法在LINEMOD dataset上的ADD準確率達到94.74%，勝過CVPR 2019的PVNet [R1] (86.27%)、DenseFusion [R2] (94%)、以及2020發表於ICRA的Tian [R3](92.87%)；在YCB-Video dataset上的ADD準確率達到93.2%，略勝過2018著名的PoseCNN+ICP [R4] (93%)、CVPR 2019的DenseFusion [R2] (93.1%)、以及Tian [R3](91.8%) 圖二：本研究團隊所提出的物件姿態估測系統迭代修正姿態估測。黃色立體線框為估測姿態成果，由(a)-(d)可看出黃色線框逐漸對準白色目標物件   　　綜上，本研究團隊設計了一個迭代式學習型物件姿態估測系統，利用幾何及色彩特徵資訊修正網路。實驗結果證明，其運算速度可達到24fps，在知名的LINEMOD和YCB-VIDEO資料集上有優異表現，本項技術未來可應用於機器手臂夾取物件和模擬人類空間感知進行情境判讀。     參考文獻： [R1] S. Peng et al, “Pvnet: pixel-wise voting network for 6dof pose estimation,” in Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 15–21 June 2019. [R2] C. Wang et al., “DenseFusion: 6D object pose estimation by iterative dense fusion,” in Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 15–21 June 2019, in press. [R3] M. Tian et al, “Robust 6D Object Pose Estimation by Learning RGB-D Features,” in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Paris, France, 31 May–4 June 2020, to be published. [R4] Y. Xiang et al, “Posecnn: A convolutional neural network for 6d object pose estimation in cluttered scenes,” in Proceedings of the Robotics: Science and System XIV, Pittsburgh, Pennsylvania, USA, 26–30 June 2018.   原文出處： S.-K. Huang, C.-C. Hsu*, W.-Y. Wang, and C.-H. Lin, “Iterative Pose Refinement for Object Pose Estimation Based on RGBD Data,” Sensors, vol. 20, no. 15, July 2020. https://doi.org/10.3390/s20154114 

能不能用人工智慧讀法院裁判：法律資料分析學

111年06月09日

【本篇報導由東亞學系  邵軒磊副教授研究團隊提供】 　　近期有許多人工智慧的研究，使電腦（機器）能夠部分模擬人類思考過程、輔助人類決策，並應用至法學領域。惟過去的研究較多著重在解析法官思考過程以及預測裁判結果，讓律師與當事人參考；而為了獲得高度正確的成果，必須倚賴法學專家先閱讀裁判或法律條文，抽取出關鍵因素，將之編碼之後，再由機器建立模型並預測。本研究嘗試不同的方法，直接將自然語言的文本（即法院裁判原文）輸入機器，觀察機器能否成功解析法官的語意，判斷裁判之結果。本文以三年期間地方法院第一審結果為「單獨親權」之裁判文書之部分段落作為樣本，使機器讀入這些文本後，以自動斷詞等文字探勘技術，製作出詞彙矩陣，再使用機器學習領域中的類神經網路方法，訓練機器「理解」法官的語氣與裁判方向（親權歸屬父親或母親）。接著以此為基礎，要求機器讀入其他未知裁判，並判斷結果。其準確率約77.25%，F1分數0.8674，如此證實了機器可以某種程度「讀懂」裁判文本並做出分類。由於機器的運算速度快，若結合法學資料搜尋系統，將能更快速地讓人們找到所需的裁判，達到「人機協作」，增進人類決策的效率與正確性，此稱為法律資料分析學。   　　人工智慧（artificial intelligence, AI）與機器學習（machine learning）在大數據（big data）的背景下，近期獲得飛躍式的發展，甚至成為我國科研戰略的一環。人工智慧逐漸進入生活的各個層面，除了帶來便利與效率外，也引發對市場秩序及政府權能之衝擊。為此，本研究試圖開展「法律資料分析學」，將2012年至2014年共三年期間的地方法院及少家法院關於親權酌定的第一審裁判共448件，經過「自然語言處理」（Natural Language Process, NLP、「文字探勘」（text mining, TM）與「類神經網路」（Neural Network），三個步驟，最後給出一個「裁判分類值」（即目標值，意味著電腦閱讀現有裁判的情狀之下，判斷親權酌定給父親母親），最後「機器分類結果」與「實際裁判結果」做比較，用來檢視模型的準確程度（如圖一、機器學習與文本探勘）。 圖一：機器學習與文字探勘    　　此舉將簡化甚至省卻人類編碼的流程，期望能節省許多勞動時間，儘快進入第三階段之後的訓練與預測。使法律資料分析流程更接近直接使用原始裁判文書，讓機器能「讀懂」法官所寫文字，並對照實際判決結果做出驗證。為了避免只隨機測試一次而發生測量結果的偏差，研究團隊重複運行模型50次（且訓練組與測試組的樣本不相混淆），測試組準確率多在80%前後徘徊，50次的平均為77.25%，在F1分數的表現也與此相近。總體而言，優於其他類似方法的研究。  　　過去「人工智慧與法律」領域發展的主要方向在於建立「法律專家系統（legal expert system）」，將專家的知識輸入於電腦系統，基於此知識，由電腦像專家般提供諮詢、建議解決方法。但此作法必須仰賴人工（專家）預先設定各種規則，耗時且昂貴，故僅在個別少數的法領域被運用。近期逐漸導向讓電腦從法律文件中提取語意資訊，「幫助」人們解決法律問題，包括「概念資訊提取（conceptual information retrieval）」與「認知運算（cognitive computing）」等技術。換言之，過去專家系統需要人類將規則寫在系統程式，才能讓電腦有某種功能；相較之下，本研究則是從自然語言文本的大數據中幫助人們找到適合的解答，強調「人機協作」（如圖二），機器可以提供百科全書般的知識與運算能力、可以理性推論與分析，人類則是提供專業、判斷、直覺、道德指引與創造力，如此共作以達成更好的決策。結合了上述技術的「法律資料分析學」，目的正是希望從法院裁判或法規當中，以機器自動提取有意義的資訊，進而協助專家回答法律問題、估計裁判結果、擬具訴訟攻防主張。  圖二：人機協作   原文出處：黃詩淳、邵軒磊(2020)，〈以人工智慧讀取親權酌定裁判文本：自然語言與文字探勘之實踐〉，《臺大法學論叢》，49卷1期，頁195-224。doi:10.6199/NTULJ.202003_49(1).0004

清除天空：基於深度學習之單張影像內雨紋去除技術

111年06月09日

【本篇報導由電機工程學系  康立威副教授研究團隊提供】 　　數位影像已於我們的生活中被廣泛的應用，例如：由室外監視器或行車紀錄器所拍攝的影像中進行人臉辨識、車牌辨識或其他物件辨識及追蹤，可用於環境安全監控或行為模式分析等相關應用。另外，近年來由於新興自駕車或安全輔助駕駛技術的發展，數位影像更是被廣泛使用於車輛周邊場景分析及鄰近車輛或行人之行為分析進而達成行車安全。然而，於惡劣天候下室外拍攝之數位影像往往因為起霧、下雨或下雪的影響而使得高度依賴數位影像的工作 (例如：影像內的物件辨識及分析) 效能下降。在本研究中，將探討雨天所拍攝之數位影像之雨紋去除及如何使用現今最熱門之人工智慧技術-深度學習 (deep learning) 來解決此問題。   　　數位影像已於我們的生活中被廣泛的應用，例如：行車紀錄器所拍攝之數位影像內之物件偵測相關應用。然而，當數位影像受到惡劣天候影響時，往往使其相關應用工作之效能大打折扣。以圖一為例，圖一(a)中的方框 (黃/藍方框) 為希望可以偵測到的物件 (亦即ground truths)、圖一(b)及圖一(c)為分別使用基於深度學習之物件偵測技術-Faster RCNN及YOLO之偵測結果。由圖一可以得知，惡劣天候對於基於數位影像之相關應用之效能影響甚鉅，即使如Faster RCNN及YOLO此等優異之物件偵測技術亦無法在下雨場景正常運作。另外，在我們過去的數位影像除霧研究中，研究團隊亦證實了在除霧後再對影像進行物件偵測會有較佳效能，如圖二所示。在本研究中，將深入探討數位影像之去雨技術，並提出基於深度學習的方法來解決此問題。 圖一：基於行車紀錄器數位影像之雨中物件偵測：(a) 理想中之偵測結果；(b) 基於Faster RCNN演算法之偵測結果；及(c) 基於YOLO演算法之偵測結果。本資料來源為：M. Hnewa and H. Radha, “Object detection under rainy conditions for autonomous vehicles: A review of state-of-the-art and emerging tech-niques,” IEEE Signal Process. Mag., vol. 38, no. 1, pp. 53-67, 2021。   　　在單張數位影像中去除雨紋的研究方面，本團隊早在2012年便提出國際學術界第一個雨紋去除方法。當時深度學習技術尚未蓬勃發展、亦無針對深度學習設計之電腦硬體且尚無公開之下雨影像資料集可供人工智慧模型訓練。因此，本團隊率先提出基於影像稀疏編碼法 (sparse coding) 及自我學習 (self-learning) 的影像分割 (image decomposition) 之去雨架構，發表於2012年的IEEE Transactions on Image Processing (已被引用652次)。接著本團隊陸續導入影像區域相似特性 (local similarity) 及基於視覺注意模型 (saliency model) 之非雨區域保護機制，將本架構進一步延伸且分別發表於2014年的IEEE Transactions on Multimedia (已被引用230次) 及IEEE Transactions on Cir-cuits and Systems for Video Technology (已被引用147次)。在2017年，Columbia University的Prof. John Paisley研究團隊利用本團隊的去雨架構並導入深度學習技術發表了第一個基於深度學習的去雨方法。接著本團隊開始思考如何利用深度學習架構及現有公開下雨影像資料集來達成更佳的去雨效能。   圖二：基於數位影像之霧中物件偵測：(a) 直接於霧中使用基於深度學習之YOLO v3物件偵測演算法之偵測結果；及 (b) 以本團隊研發之深度學習除霧演算法先進行除霧後，再使用YOLO v3物件偵測演算法之偵測結果 (效果較佳)。本資料來源為本團隊過去發表之：C.-H. Yeh, C.-H. Huang, and L.-W. Kang*, “Multi-scale deep residual learning-based single image haze removal via image decomposition,” IEEE Trans. Image Process., vol. 29, pp. 3153–3167, 2020 (與臺師大電機工程學系葉家宏教授研究團隊合作，本文作者為通訊作者)。   　　在本研究中，研究團隊捨棄過去的影像分割架構，提出充分利用深度學習網路來學習雨的紋路。本方法主要包含三個模組：(1) Residual Dense Module-整合現有殘差及稠密的網路架構達成更能保留學到的影像特徵及維持網路的低複雜度；(2) Dual Attention Module-整合空間域  (spatial) 及頻道域 (channel) 之知覺注意模型，用以精準學習影像內之下雨紋路；及 (3) Multi-Scale Feature Aggrega-tion Module-用以整合不同尺度之影像特徵。基於本深度學習架構，研究團隊已證實本方法優於現有的state-of-the-art深度學習架構 (如圖三所示) 且正研議將其應用於基於視覺之物件偵測及行為分析相關應用。 圖三：(a) 下雨影像；利用下列深度學習網路之去雨結果：(b) DDN (CVPR2017)；(c) SIRR (CVPR2019)；及(d) 本團隊提出之SSDRNet (Sequential dual attention-based Single image DeRaining deep Network) (TIP2020)。   原文出處： C.-Y. Lin, Z. Tao, A.-S. Xu, L.-W. Kang*, and F. Akhyar, “Sequential dual attention net-work for rain streak removal in a single image,” IEEE Trans. Image Process., vol. 29, pp. 9250-9265, 2020 (IF = 10.856, Rank = 5.64%, 本文作者為通訊作者).

高傳輸T-NB2O5陽極新材料在鋰電池科技上的機轉

110年11月10日

【本篇報導由化學系　王禎翰教授研究團隊提供】 　　隨著環保電動汽車和便攜式電子產品的加速發展，鋰電池（LIB）成為了一種不可或缺的儲能裝置，因而得到廣泛的研究。在我們最近的研究中發現T相五氧化二鈮（T-Nb2O5）的超快鋰離子存儲系統，並研究其充電/放電過程中的複雜反應機制：通過密度泛函（DFT）的計算，T-Nb2O5脫鋰/鋰化狀態的詳細結構變化、鋰離子遷移的振動特徵和動力學的研究，我們成功的獲得相關的反應機制。這些發現不僅顯示在穩定和高效 LIB中，新型材料T-Nb2O5的重要性，且提供有用的資訊來深入瞭解嵌入式氧化物基材在儲能設備市場上的應用。 機理性的探討鋰離子在T-Nb2O5的擴散與震動   　　由於電子設備和電動車輛的快速普及，鋰電池（LIB）的大功率儲能系統最近引起了極大的關注。LIB技術面臨的關鍵挑戰是找到有用的電極，讓電池能夠有效地儲存和穩定釋放能量，並且具有出色的耐用性。許多LIB候選的電極材料，包括碳質納米材料、半導體和過渡金屬氧化物等。其中，T相的五氧化二鈮（T-Nb2O5）因具有大容量、高工作電位，以及最重要的層狀晶體結構而被廣泛研究。在此研究中，我們利用振動分析和動態計算來解決詳細的反應機制，以便能更好地理解 T-Nb2O5超快鋰離子存儲的化學機制，並基於此機制合理的設計出更佳的陽極材料來進一步提高LIB的性能。 　　本研究中，未鋰化和鋰化的T-Nb2O5晶體結構已初步的優化，分別代表處於放電和充電狀態下的陽極材料。未鋰化的T-Nb2O5中因為具有鬆散的Nb-O鍵結而有大量的空隙，這些空隙是容納鋰離子的優先位置（4g層），可以緩解結構變化的應力和正電荷金屬元素間的排斥（圖一）。根據振動模式分析，鋰化的T-Nb2O5使鋰離子完全吸附在4g層的空隙上；單個鋰離子的吸附能在 -3.11 ～ -3.53 eV 範圍內，而完全吸附的平均吸附能為 -2.38 eV。在優化的結構下，我們進一步分析了鋰化和未鋰化T-Nb2O5的振動(拉曼振動模式如下所示)，以了解充放電過程中的結構演變。 拉曼振動模式 未鋰化：Γ= 28Ag+28B1g+14B2g+14B3g 鋰化：  Γ= 32Ag+32B1g+16B2g+16BB3g 圖一：未鋰化和鋰化T-Nb2O5的晶體結構與震動   　　此外，在振動態密度（VDOS）的研究中可將這些振動分為低（100-300 cm-1）、中（300-650 cm-1）和高（>650 cm-1）的頻率區域，分別對應於垂直於4g層的Nb-O拉伸模式（圖一），平行於ab平面的Nb-O拉伸模式和O-Nb-O的彎曲模式。在鋰化的T-Nb2O5（充電過程）上，高頻振動明顯減弱，更多的振動出現在中頻區域，低頻振動顯示出有限的變化。拉曼光譜更直接證實了高頻和中頻振動的顯著變化，這也是充電過程中在鬆散堆積的4g層中，鋰離子吸附的直接證據。 　　藉由研究鋰離子在T-Nb2O5中電荷遷移的動力學，我們發現鋰離子優先吸附在4g平面，而且遷移的路徑在平面內是具黏性的。此外，根據相鄰的Nb-O鍵結結構中可歸納出遷移可以分為四種簡單的路徑與拓撲結構；如圖二所示，鋰離子在路徑1和4中遷移至與「邊緣共享的氧」鍵結，並在路徑2和3中遷移至與「角共享的氧」鍵結。由於晶體結構空隙大，相鄰的ab平面之間的距離也長，因此，鋰離子遷移主要會受制於4g平面中的非橋連氧原子而產生能量障礙。然而障礙相當小（<0.4 eV），顯示鋰離子可以很容易地在4g平面中擴散。此外，遷移均在4g平面上也意味著鋰離子的遷移具有方向性。在仔細研究遷移拓撲和障礙之後，研究結果發現新型T-Nb2O5中鋰離子能快速傳輸的優點，並發揮其優異的電化學性能。這些發現不僅可用於了解新型材料T-Nb2O5在穩定和高效 LIB中的重要性，未來還能更深入理解嵌入式氧化物基材在儲能設備市場上的應用。   圖二：鋰離子在T-Nb2O5的擴散路徑與相對應的能量   原文出處： https://pubs.acs.org/doi/abs/10.1021/jacs.7b03141 https://pubs.acs.org/doi/abs/10.1021/acs.nanolett.9b00179 https://doi.org/10.1016/j.nanoen.2021.106398

研發高演色性螢光粉－創新應用LED產業

110年11月09日

【本篇報導由物理系　胡淑芬特聘教授研究團隊提供】 傳統的白光LED照明主要使用藍光LED晶片搭配黃光螢光粉來產生白光。然而，因為其光譜涵蓋性不夠完整，此方法的白光演色性欠佳；演色性為一種描述光源呈現真實物體顏色能力的量值，光源之演色性越高，其顏色表現就越接近理想光源或自然光。因此，研究團隊利用不同的燒結方式，合成高強度且寬放射峰之紅外線螢光粉，建立調控波長之機制，混合不同比例之高強度紅外線螢光粉，研發高強度且適合偵測器量測之紅外線LED裝置，並合成奈米級螢光粉，封裝於mini LED，評估其實際應用價值，此成果之高演色與高穩定性的螢光粉將可實際應用於LED產業。   (https://doi.org/10.1021/ja304754b)    　　人類照明工具經歷無數之改革，由火炬、煤油燈、蠟燭等較原始燈具，至白熾燈、螢光燈、發光二極體燈等須藉電轉換之燈具，說明人類對於照明需求之轉變。於第二次工業革命，人們已熟知如何使用電力並將其作為動力來源，愛迪生（Thomas Alva Edison）藉此為發電動力，並加上多次嘗試不同耐熱材料，於1880年，藉碳化竹絲作為燈絲材料，通電之燈絲可產生大量光與熱，其白熾燈可發亮達1200小時，致使人類進入電致照明時代，然而白熾燈將過多電能轉為熱能，僅少於10%能量轉換為光能，人們進而發展效率較高之螢光燈，玻璃管中含惰性氣體與低壓汞（mercury）蒸氣，經由增加電壓使燈絲釋放電子，受電子激發之汞放出253 nm與185 nm之紫外光，塗於管壁內之螢光粉藉吸收紫外光發出可見光，然其缺點為汞汙染、體積大、演色性差、閃頻等，促使人們追求更佳之照明工具，如發光二極體（light-emitting diode，LED）。 　　目前商用白光LED之主流，以單個晶片激發螢光粉（phosphor）混合產生白光，稱之為螢光粉轉換發光二極體 （phosphor-converted LED; pc-LED），亦可分為以紫外光晶片或以藍光晶片激發，以紫外光晶片激發常配合藍色、綠色與紅色螢光粉，其演色性較佳，然紫外光晶片能量過強，易破壞封裝材料環氧樹脂，人們亦擔心紫外光逸散之問題，因此發展高效率藍光晶片後，藍光晶片成為目前單晶型二極體之主流，如1997年，日亞化學申請之白光專利為US 5,998,925，藉氮化銦鎵（InGaN）二極體激發黃色螢光粉釔鋁石榴石（Y3Al5O12:Ce3+; YAG，其中YAG稱為主體晶格，Ce3+為發光中心），隨後，為因應各種領域之需求，而研發各種綠色與紅色螢光粉，提高演色性與增加色域之需求。 　　螢光粉為產生冷發光現象之物質，主要由主體晶格（host lattice）與活化中心（activator）所組成，如圖一所示，藉活化劑為放光中心，並少量摻雜於主體晶格中，活化劑放光特性受主體晶格之配位環境決定，部分螢光粉摻雜微量之增感劑（sensitizer），激發源之能量藉增感劑能量傳遞（energy transfer）至活化劑，以提升發光效率。 圖一：螢光粉主體結構與活化中心示意圖。   　　胡淑芬教授已於近十多年間建立完整之螢光粉合成及特性分析實驗室，如圖二所示為該實驗室所使用之儀器與分析方法示意圖。 圖二：胡淑芬教授建立之螢光粉特性分析實驗室之儀器與分析方法示意圖。   　　因人類電腦程式與科技的進步，人工智慧快速發展，並應用於許多領域，舉凡醫學、數學、神經科等領域，皆具人工智慧之身影。而紅外線LED，則為一備受矚目之發展，隨其精準度與亮度大幅提升，已被運用與眾多領域，如健康檢測、虹膜辨識、食品安全等。以健康檢測為例，早期如欲分析身體之基本訊息，如葡萄糖濃度與血氧含量，須借助高精準度之大型儀器，甚至侵入性之量測，然而近年得以運用紅外線照射身體後，以不同波長之吸收值大小，推測待測物質濃度，大幅降低量測門檻、量測時間與花費。然而，傳統之紅外線LED，受限於其放光半高寬較窄，單一顆LED所能提供資訊息有限，如欲量測多種訊息，則須以多顆紅外線LED裝置搭配，然而這將使得裝置大幅提高成本，亦難以微型化，電路設計亦較為複雜，使應用受限。因而此問題之最佳解決路徑，為發展以單顆LED晶片激發紅外線螢光粉之裝置。此方法之紅外線LED，得大幅減小裝置尺寸、降低成本與減少電路控制之設計。 　　故近年來胡淑芬教授已領導其團隊利用不同之燒結方式，合成高強度且寬放射峰之紅外線螢光粉，並分析其結構與放光特性，調控其放光波長，建立調控波長之機制，混合不同比例之高強度紅外線螢光粉，研發高強度且適合偵測器量測之紅外線LED裝置（圖三a），並利用空間縮限合成法（space-confinement method）合成奈米級螢光粉，封裝於mini LED，評估其實際應用價值（圖3b）。期望對國內LED產業推出新穎之應用方向。   圖三：藍光發光二極體激發產生寬放射峰之紅外線螢光粉之構想圖。   原文出處： Origin of Thermal Degradation of Sr2–xSi5N8:Eux Phosphors in Air for Light-Emitting Diodes, J. Am. Chem. Soc. 2012, 134, 14108−14117. https://doi.org/10.1021/ja304754b

開啟次世代電子元件新視野

110年07月12日

【本篇報導由物理系　藍彥文副教授研究團隊提供】 　　現行的磁記憶元件是透過多層金屬薄膜結構之間的交換耦合作用力來保持磁性金屬層的磁矩方向，藉此達到儲存資訊位元的能力。而本實驗報告創新之處在於，透過異質結構間的「軌域混成（Orbital hybridization）」，新穎二維材料二硫化鉬可以在室溫時將非晶相的鈷薄膜誘導出類似磁晶異向性般的「自發磁異向性」，此發現為磁異向性之起源與操控，增添了一個全新的可能，也為「自旋電子學」的發展及小型化搭建了新契機。    　　隨著半導體製程已邁向3奈米，後續發展也面臨瓶頸，國立臺灣師範大學物理系藍彥文副教授、呂俊毅博士後研究員，參與由國家同步輻射研究中心組成的臺灣、德國跨國研究團隊，以「鈷/二硫化鉬異質結構」進行特徵研究分析，發現透過異質結構「軌域混成」，可能導出「自發磁異向性」，未來若用在電子元件，可能得以在半導體及光電產業上獲得突破發展。 　　目前全球都面臨傳統半導體材料的物理瓶頸，要如何跨越電晶體微縮的物理極限，並趕上摩爾定律（Moore’s Law） 每2年電晶體數目增加1倍的速度，成為半導體業亟欲發展的技術關鍵。 　　厚度僅原子等級的二維材料（2D Material），例如石墨烯（Graphene）以及二硫化鉬（MoS2）等，被視為能突破物理極限並取代矽等傳統半導體材料的潛力新星，若再與其他材料結合成「異質結構」，將使得二維材料發展性變得更為廣泛與豐富，在原子尺度世界中，創造出無限的可能。   開啟次世代電子元件新視野 重大發現登國際頂尖期刊封面 　　國輻中心研究員魏德新所主導的國際研究團隊，與臺師大物理系副教授藍彥文、博士後研究員呂俊毅，以及德國彼得葛倫伯格研究中心（Peter Grünb’erg Institute）研究員Christian Tusche，歷時2年多，利用「臺灣光源」（Taiwan Light Source, TLS）與義大利同步輻射光源（Elettra），對「鈷/二硫化鉬異質結構」進行特徵研究分析。 　　研究結果發現，透過異質結構間的「軌域混成（Orbital hybridization）」，二硫化鉬可以在室溫時將非晶相的鈷薄膜誘導出類似磁晶異向性般的「自發磁異向性」，此發現為磁異向性之起源與操控，增添了一個全新的可能，也為「自旋電子學」的發展搭建了一個新契機。而這項成果也於2020年7月1日登上國際頂尖期刊《奈米視界》（Nanoscale Horizons），並獲選為期刊封面內頁（圖一）。 　　國輻中心7月16日說明，磁異向性指的是磁性材料之磁化方向容易沿某特定方向排列的特性，此性質可以用來定義數位記錄中的0與1。所以如何藉由新穎材料或是人工結構的製備來發現新奇的磁異向性，並加以控制其方向，是目前發展磁儲存與磁感應技術的重要關鍵。 　　國輻中心舉例，像是新穎的磁阻隨機存取記憶體（MRAM）、手機的電子羅盤、陀螺儀，甚至是量子電腦的計算單元，都會用到電子自旋的特性。而與傳統電子元件相比，自旋電子元件可以提供更高能源效率和更低功耗，被預測為下一世代的主流元件。 　　此研究首度發現了增進磁異向性的另一個成因—軌域混成，未來研究團隊將深入探討產生這個現象的關鍵機制，並進一步研究操控自旋電子磁區方向的新方法，有機會為半導體業與光電等產業，帶來突破性的發展。(資料來源：國家同步輻射研究中心 / 編輯：胡世澤 / 核稿：胡世澤) 圖一：本次研究報告被選為期刊封面之圖片   原文出處： Chun-I Lu, Chih-Heng Huang, Kui-Hon Ou yang, Kristan Bryan Simbulan, Kai-Shin Li, Feng Li, Junjie Qi, Matteo Jugovac, Iulia Cojocariu, Vitaliy Feyer, Christian Tusche, Minn-Tsong Lin, Tzu-Hung Chuang, YannWen Lan* and Der-Hsin Wei*, Spontaneously induced magnetic anisotropy in an ultrathin Co/MoS2 heterojunction. Nanoscale Horizons 2020, 5, 1058-1064.　https://doi.org/10.1039/D0NH00108B 

打造低成本高熱傳熱交換系統─碳系奈米流體之應用

110年05月10日

【本篇報導由車輛與能源學士學位學程工業教育學系　鄧敦平教授、蕭廷江碩士、鍾竣奇碩士研究團隊提供】 　　本研究使用石墨粉冷熱處理法（GP-HCPM）製備碳系奈米流體（CBNFs），並使用十二烷基苯磺酸鈉（SDBS）做為分散劑強化CBNFs的穩定性。以濃度分別為0.2 wt% （S1）與0.6 wt% （S2）的CBNFs為樣本，量測其熱傳導係數、黏度、比熱以及液滴接觸角。最後將CBNFs實際應用於硬銲板式熱交換器（BPHE）熱交換系統，評估在不同流體溫度與流量下的平均熱交換量（Qex,avg）、泵浦消耗電功率（Pp）以及系統效率因子（SEF）。研究結果顯示CBNFs具有比水高的Qex,avg ，S1與S2的最大Qex,avg分別比水高7.54%與9.19%，且S1的Pp略低於水，S2的Pp則在絕大多數的情況之下高於水，而最大SEF則分別比水高7.98% 與7.28%。在考量BPHE熱交換系統全部實驗參數整體系統效率的情況下，S1的表現優於S2且具有未來的應用潛力與實用性。    　　奈米流體是一種含有奈米顆粒的懸浮液，因為添加顆粒達到奈米級而具有穩定懸浮與優異的熱傳性能。奈米流體在製程技術、特性分析以及熱交換等領域的相關研究已經相當豐碩，然而不同材料與製程技術製備的奈米流體均有其獨特性，因此開發低成本製程與高熱傳性能的奈米流體對於未來能實際用於現有的熱交換系統實屬重要。 　　本研究使用石墨粉冷熱處理法（graphite-powder-based heating and cooling processing method, GP-HCPM）製備碳系奈米流體（carbon-based nanofluids, CBNFs）。此方法是將石墨粉（平均粒徑3.2 μm）以氧乙炔火焰加熱到600℃，然後將炙熱的石墨粉末倒入持續攪拌的冰水（3~5℃）之中，利用極大的溫差讓石墨粉急速地膨脹收縮產生破裂與層間剝離而獲得更細小的片狀奈米碳（圖一）並產製出1.2 wt%的CBNFs，接著使用攪拌與分散設備持續分散CBNFs來獲得穩定的懸浮狀態。為維持長期且優良的穩定性，CBNFs添加十二烷基苯磺酸鈉（sodium dodecyl benzenesulfonate, SDBS）做為分散劑，奈米碳與SDBS的比例為5:2（w/w），並添加SDBS重量35%的水性消泡劑抑制SDBS的起泡特性以符合熱交換工作流體的需求。製備完成的1.2 wt%的CBNFs加水稀釋成0.2 wt%（S1）與0.6 wt%（S2）的CBNFs，再經過長時間的分散攪拌即為本研究的實驗樣本。 　　完成的0.2 wt% （S1）、0.6 wt% （S2） CBNFs以及水做為工作流體，利用如圖二所示的硬銲板式熱交換器（BPHE）一次側（A）入口進行不同入口溫度（35、40、45℃）與流量（2.0、2.5、3.0 LPM）的熱交換性能實驗。BPHE的二次側（B）入口工作流體為水，且維持固定的入口溫度（30℃）與流量（2.5 LPM）。實驗過程使用資料擷取器與電力計記錄溫度、流量以及泵浦消耗電功率（Pp）以計算熱交換系統的平均熱交換量（Qex,avg）與系統效率因子（SEF; SEF= Qex,avg / Pp）。 　　研究結果顯示CBNFs具有比水高的Qex,avg，S1與S2的最大的Qex,avg分別比水高7.54%與9.19%，且S1的Pp略低於水，S2的Pp則在絕大多數的實驗參數之下高於水，而S1、S2最大的SEF則分別比水高7.98% 與7.28%。在考量BPHE熱交換系統全部實驗參數整體系統效率的情況之下，S1具有較高的Qex,avg與較低的Pp而能獲得較佳的SEF，因此S1在未來應用於實際的熱交換系統中將更具潛力與實用性。 圖一：奈米碳的TEM影像。   圖二：BPHE的實體照片與流道配置圖。   原文出處：https://www.sciencedirect.com/science/article/pii/S1359431118341012?via%3Dihub