中心近期研究亮點 (Research Highlights)
本中心近年之尖端研究成果，主要涵蓋三大前瞻科技領域：
🏛️ 領域一：前瞻半導體材料與元件物理
- 矽鍺（SiGe）外延生長技術：成功利用外延橫向過生長（Epitaxial Lateral Overgrowth, ELO）技術，於 $SiO_2$/矽（111）圖案化襯底上，順利製備出高鍺（Ge）濃度的矽鍺薄膜。
- 鐵電半導體場效電晶體（FeSFETs）： 揭示了工程化疇壁（Domain Wall Engineering）的雙重機制，成功解決雙層 3R-$MoS_2$ 鐵電半導體場效電晶體中「開關比（On-Off Ratio）」不一致的關鍵瓶頸。
- 深度學習應用於硼烯（Borophene）儲能研究： 結合密度泛函理論（DFT）訓練之深度學習勢能模型（Deep-Learning Potential），深入探討金屬摻雜雙層硼烯於儲能應用中之強度機制、熱穩定性與摻雜效應。
- 力學與失效機制分析： 透過深度學習分子動力學（DL-MD）模擬，精準繪製出雙層硼烯的各向異性力學行為及其失效路徑圖譜。
- 平面霍爾效應（Planar Hall Effect）： 於鐵磁薄膜中成功展示級聯式平面霍爾效應電壓陣列，為高階磁性感測應用開創全新途徑。
💡 領域二：前瞻光學與奈米光子學
Advanced Optics & Nano-Photonics 本領域聚焦於次波長尺度下「光與物質互動」之研究，並透過結構設計之優化，大幅提升資訊處理與訊號傳遞之清晰度。
- 電漿子波導（Plasmonic Waveguides）： 探索整合次波長微柱（Subwavelength Stub）結構之金/介電質/金（Au/Dielectric/Au）電漿子波導中的色散定向耦合效應。
- 聲學訊號處理： 開發基於雙重遮罩（Double Masking）與排列不變性訓練（Permutation-Invariant Training, PIT）之高階風噪抑制系統。
🌿 領域三：單/雙原子電催化與綠能應用
Single/Dual-Atom Electrocatalysis for Green Energy 結合密度泛函理論（DFT）計算與機器學習（ML），精準設計高效能催化劑表面，以驅動關鍵之綠色化學反應。
- 硝酸鹽與氮氣還原反應（$NO_3^-RR$ / NRR）：
▲建立雙聯苯（Biphenylene）載體支撐之雙原子催化劑設計準則，實現高效率且具選擇性之硝酸鹽還原合成氨。
▲針對氮化銦（InN）載體支撐之過渡金屬單原子催化劑，掌握其高效氮氣還原之反應機制。
▲揭示過渡金屬摻雜之卟啉基金屬有機骨架（Porphyrinic MOFs）於電催化氮氣還原中之「電子結構與活性」關聯性。
- 二氧化碳還原反應（$CO_2$RR）：
▲結合 DFT 與機器學習，理性設計用於將二氧化碳電化學還原為 $C_1$ 產物之雙原子催化劑。
▲評估金屬摻雜富勒烯（Fullerenes）上之電催化二氧化碳還原機制。
- 多功能催化（HER、OER、ORR）：
▲評估過渡金屬摻雜雙聯苯上之多功能電催化效能，篩選出可用於產氫（HER）、析氧（OER）與氧還原（ORR）反應之單原子催化劑。
