因參加TYPT台灣青年物理辯論競賽，初步認識了此現象──當一個橫向放置的圓柱造波鼓在水面上垂直震盪時，引起的表面水流逆流。當造波鼓振動的最大加速度達到了臨界值，表面的粒子行進方向就會與波的傳播方向相反。我們查詢了有關此現象的文獻，驚訝的發現，此現象目前還沒有理論可解釋。於是我們便以自製的實驗設備，開始探討在不同的振動情形下，表面流會如何變化。 以目前所獲得的數據，我們推斷反向的流動與造波鼓排開水的體積及造波鼓前排列的波包有關，而回流只是補償流的性質，且水表循環之貢獻遠較水面的流動下顯著。根據為不同厚度的造波鼓有不同的回流臨界加速度，且縱向的水流循環強度遠較水表循環弱，前者速率大小約與後者相差一數量級。 我們也利用閃頻儀分析了不同條件下水波的波形，並利用Poincaré map將其分為兩類，分別對應到表面的出去流與回來流。

臨床上，人工血管與心血管支架常因血栓導致其使用壽命減短，甚至造成病人生命危險，而血栓起因乃為血小板活化。氧化石墨烯為新穎二維材料，其於醫學方面的應用也極具潛力。本研究藉由微流道觀測系統，透過光學顯微鏡直接觀測氧化石墨烯表面與血小板間之交互作用，再進一步使用紫外光還原氧化石墨烯表面，並使用原子力顯微鏡(AFM)、X光光電子能譜儀(XPS)、凱爾文探測力顯微鏡(Kelvin Probe)等檢測氧化石墨烯表面性質。 經實驗證實，鍍有氧化石墨烯之表面在流動狀態下，可有效地減少血小板的活化與貼附，並推測因氧化石墨烯表面帶有負電荷，可排斥同帶負電荷之血小板，以達到減少血栓生成的目的，未來可進一步應用在人工心血管支架上，延長其使用壽命。此研究突顯了改善人工血管與支架表面性質與其臨床上應用的重要性，而材料表面修飾也為優化臨床應用提供一個可行方法。

本研究在探討介面活性劑對二氧化矽電流變液在外加電場下黏度的影響。主要是用沉降法測試溶液的黏度。經甘油以及90%甘油水黏度的測量後，確定此方法可行。 測量二氧化矽電流變液的黏度後，發現黏度和電場的平方成正比。在電流變液中加入不同體積的介面活性劑triton X-100，發現介面活性劑體積百分濃度為3.75%、二氧化矽體積百分濃度20%和介面活性劑體積百分濃度為1.875%、二氧化矽體積百分濃度10%的流變效果最佳。研讀介面活性劑橋理論後，我推測造成上述差異是介於兩二氧化矽粒子間介面活性劑的量。當介面和法向量的夾角接近90度時其作用力為最大；而介面活性劑的量稍微多或少時，因為角度的改變，使其作用力減少而黏度減少。觀察電流變液中氧化鐵粒子在低電壓和高電壓的運動，發現粒徑較大的粒子在高電壓下無法運動，推測為高電場下鍊與鍊之間距離縮小造成。

不同於歷屆科展使用如浮沉子(2)、硬幣(3)、試管(5)等”沉體”在”凹”水面上對表面張力做研究，我們使用乒乓球作為”浮體” 並且於”凸”水面上做實驗，過去研究cheerios effect(6)的實驗多使用簡化的模型，忽略了沉體兩側的作用力只考慮沉體與容器邊壁的作用力，因此，我們強調的是，討論浮體兩側液面上因接觸角的差異所產生的水平側向力，並使用電流天平直接量測水平側向力的大小，我們釋放浮體使用影格分析法研究浮體的運動，最後我們得知浮體於液面上運動的機制。

本研究旨在探討正多角柱內所產生之肥皂泡膜形狀，以及改變正多角柱邊長與高度比例時，所發生的對稱破缺的現象。在初步研究中我們發現，正五角柱內的肥皂泡膜確實存在對稱破缺的現象，因此我們希望進一步確認並理解箇中奧秘。我們的研究將以實驗觀測做基礎，然後在理論上配合最小曲面的面積近似解來分析，為了將實驗與理論作結合，我們透過免費的數學軟體GeoGebra來進行數值模擬計算以及圖形展示，並使用薄膜干涉測量討論皂膜的厚度，對皂膜受力的影響。

奈米氣泡的大表面積比，表面帶負電，可以在水中停滯很長的時間等特性使得奈米氣泡水溶液異於一般氣泡水溶液。測量奈米氣泡水溶液的導電度，可得知水溶液的電荷密度，超聲處理時間可改變奈米氣泡水溶液的電荷密度，進而改變奈米氣泡水溶液的折射率、表面張力、以及黏滯係數。 利用兩個不同功率的超音波震盪儀(100W,43KHz；200W,40KHz)超聲處理氮、氧、和二氧化碳等三種氣體，震盪時間5分至30分，可以得到不同導電度的奈米氣泡水溶液。用自製的導電度測量器測量奈米氣泡水溶液的導電度；測量氯化鈉水溶液的導電度，用來和奈米氣泡水溶液的導電度做對照比較。 實驗探討超聲處理時間、水溶液的溫度、外加磁場的大小對導電度的影響；以及奈米氣泡水溶液的導電度對奈米氣泡水溶液的折射率、表面張力、以及黏滯係數的影響。

一個裝有水的玻璃杯，用喇叭撥出大聲的聲音，便能觀察到共振的現象發生，玻璃杯將會不停的震動，甚至導致破裂。本研究將會藉由傅立葉轉換(Fourier transform)來分析玻璃杯的振動的本徵頻率，並進一步探討頻譜的峰值。另外我們也研究了不同水位的高低以及液體密度對於共振頻率的影響，並以能量守恆的觀點進一步推導出玻璃杯的震動方程式。最後我們也近一步討論higher harmonic，並且發現non-linear dispersion relation的現象，有別於我們對於f∝n的觀念。

本研究中探討的是，超高疏水表面上微小水珠結合後並發生向上彈跳的物理現象。此現象近年來被視為能夠應用在眾多領域上，包括增加導熱效率、anti-icing surface等等。本研究從實驗和數值模擬的層面對此現象進行研究，探討水珠在結合中的的表面能的振盪行為以及結合過程中受到的作用力，並提出了一套力學振盪模型來解釋水珠的複雜運動，並且將利用模型討論的結果與模擬結果比較。 在模型驗證之中，我將建立模型中使用的假設給予理論上的誤差，並從兩種觀點進行和實驗數據比較，其中以受力觀點討論水珠碰撞，我所建立的模型誤差在2%以內。最後，對於水珠碰撞在增加導熱效率的應用，我以實驗結果推論並提出了在未來實際應用時應注意的細節。

In all experiments for detection of WIMP dark matter, it is essential to develop a classifier that can distinguish potential WIMP events from background radiation. Most often, clas- sifiers are developed manually, via physical modeling and empirical optimization. This is problematic for two reasons: it takes a great deal of time and effort away from developing the experiment, and the resulting classifiers often perform suboptimally (which means that a greater amount of expensive run time is required to obtain a confident experimental result). Machine learning has the potential to automate this and accelerate experimentation, and also to detect patterns that humans cannot. However, two major challenges, which are shared among several dark matter experiments, stand in the way: impure calibration data, which hinders training of models, and unpredictable physical dynamics within the detector itself. My objective was to develop a set of machine learning techniques that address these two problems, and thus more efficiently generate highly accurate classifiers. I was able to obtain raw data for two dark matter experiments which exhibit these challenges: the PICO-60 bubble chamber [2], and the DEAP-3600 liquid argon scintillator [1]. For each experiment, I developed and compared three general-purpose algorithms intended to resolve its inherent challenge (impurity and unpredictable dynamics, respectively). In PICO-60, background alpha and WIMP-like neutron calibration datasets are used for training; however, there is an impurity of 10% alphas in the neutron set. While a conventional classifier was developed (and is believed to be 100% accurate), machine learning in the form of a supervised neural network (NN) has also been previously explored, because of the benefits of automation. Unfortunately, it achieved a mean accuracy of only 80.2% – not usable as a practical replacement for conventional methods in future iterations of the experiment. In DEAP-3600, photons are absorbed by a wavelength shifting medium and re-emitted in an unpredictable direction, before being detected by one of 255 photomultiplier tubes (PMTs) around the spherical detector. The randomness severely limits the accuracy of conventional classifiers; in a simulation, the best so far removes 99.6% of alpha background, while also (undesirably) removing 91.0% of WIMP events. Because of physical limitations, simulated data is used for calibration, with 30 real-world experimental events available for testing. I have written a research paper [11] about my work on PICO-60, which has been approved by the PICO collaboration and pre-published at https://arxiv.org/abs/1811.11308. It is currently undergoing peer review for publication in Computer Physics Communications. All PICO researchers are listed on my paper for their work on the original PICO-60 experi- ment. They did not contribute to this study; I completed and documented it independently.

本實驗探討低濃度離子的檢測方法，實驗利用微奈米流道濃縮晶片，將樣本進行濃縮。由於奈米離子選擇性流道對於液體離子導電度，即離子價性有所限制，因此，我們首先測試人體體液的可濃縮性。 我們採用的樣本為血清、尿液、唾液及汗液，研究主軸是將螢光分子加入樣本內，做為濃縮的指示劑，並測試該檢體溶液是否能夠濃縮。藉由濃縮提高待測溶液的濃度，使得在少量檢體、稀薄濃度的狀況下，也可量測樣品內的物質濃度。在檢測方面，我們以具有奈米結構的表面電漿共振技術(Surface Plasmon Resonance, SPR)作為檢測平台。奈米結構表面會因吸附物質的改變，導致表面折射率改變，使得吸收光譜產生位移。因此日後可以依照光譜圖的位移量，推估檢體溶液的離子濃度，期盼此技術能運用於生醫晶片及簡易攜帶型生醫檢測器(Bio-sensor)上。