• 學位論文

具有超低輸入偏移的40V高動態電壓範圍斬波運算放大器

本文介紹了一個由5V CMOS 和 40V CMOS聯電的 0.5 μm CMOS 工藝實現的具有超低輸入偏移與高動態電壓範圍±20伏特的斬波運算放大器。它實現了在軌到軌輸入輸出共模範圍內（-18.0V至18.0V）內，4 μV的最大輸入偏移、0.02 μV/°C 的最大失調電壓漂移、152 dB 的最小 CMRR、113 dB 的最小 PSRR、13.8 nV/√Hz 的噪訊 PSD 和 1.46 MHz 的單位增益帶寬。透過自動校正反饋（ACFB）的反饋技術可以抑制放大器在低頻中的初始偏移，並避免在輸出端形成波紋。並且在自動校正反饋中使用對稱的被動RC陷波濾波器代替開關電容的陷波濾波器，以減少開關引起的噪訊和偏移，好更加符合高壓的應用中。

• 學位論文

波長940奈米垂直共振腔面射型雷射高速及高功率之研究

論文主要以製作940奈米波長濕式氧化孔徑侷限垂直共振腔面射型雷射模態，分析高速、雷射光場和高功率作為目標，針對其直流、小訊號做分析，間而延伸到矩陣式雷射元件應用。 第一章、首先介紹940 奈米波長 VCSEL與未來需求之背景、研究動機、未來應用。 第二章、討論940奈米VCSEL以水氧化孔徑的製程結構做出單、雙、多模態的VCSEL元件，藉由直流量測結果，分析出最小數值光孔徑2.8 μm的元件為單模VCSEL的臨界電流值比多模VCSEL來的小而且Iro也較小，元件驅動下熱堆積現象影響嚴重，隨著光孔徑變大，臨界電流變大、反轉電流變大，熱堆積效應也跟著變小；小訊號特性上則分析2.8 μm和6.8 μm VCSEL的頻寬大小與電訊號寄生效應影響，使得940 nm在高速特性上最高可達13 GHz，隨著孔徑越小Rm、Rj明顯上升造成頻寬下降，因此單模雷射的高頻速率約為11 GHz，最後將單、雙、多模的元件作大訊號傳輸，使用不歸零(NRZ)開關移鍵(On-Off Key)模式在室溫下達到最高速為16 Gb/s。 第三章、此章節主要對變溫以及光場特性做分析，一開始延續第二章節做變溫量測，探討高溫DC特性以及頻譜特性。光場部分則使用BeamGage軟體搭配光場量測架設，量測出單、雙、多模態光場特性，說明波長紅移對於不同模態場型變化的原因。 第四章、以高功率VCSEL為主題，比較元件之間不同距離下對於熱的影響程度，並透過改變週期、工作週期、脈衝時間寬度的方式驅動元件降低熱效應，清楚證明脈衝時間寬度縮小可提升光輸出，工作週期減少亦可以提升光功率輸出，間距縮小造成熱阻下降提升光強，顆數提升可以降低電阻值增加光功率，在量測上峰值功率目前最高可達到9.34 W。

• 學位論文

使用機器學習以向量為基的動態電路壓降預測

由於商業工具的運行時間長，因此對整個向量集進行基於向量的動態 IR-drop 分析是不可行的。在本文中，我們使用機器學習對電路中的所有邏輯單元執行基於向量的 IR-drop 預測。我們直接從邏輯模擬波形中提取重要特徵，例如觸發次數和到達時間，以便我們可以快速執行基於向量的 IR-drop 預測。我們還提出了一種特徵工程方法，密度圖特徵，為我們的機器學習模型提供 IR-drop 的局部效應。我們的方法是可擴展的，因為特徵維度是固定的 (72)，不會隨著電路大小和元件資料庫而改變。我們的方法可以預測每個元件的動態 IR-drop ，適用於許多不同的應用。但最重要的是，我們的方法可以預測不同的輸入向量。我們的實驗顯示，預測器的平均絕對誤差小於額定電壓的 3%。與常見的商業工具相比，我們實現了超過 495 倍的加速，因此我們的機器學習預測可用於從整個測試向量集中識別有 IR-drop 過高風險的向量，這是使用傳統的 IR-drop 分析不可行的。根據我們機器學習的預測，我們可以識別超過 70% 的 IR-drop 風險向量。

• 學位論文

電阻抗對成年人吞嚥進行深度學習之應用

吞嚥障礙是一種肌肉性或神經性疾病，雖然現今有許多儀器可以對吞嚥障礙進行檢測與評估，但目前多半還是依賴高成本的商業用儀器，且必須前往醫院進行診斷檢查。 本論文旨在利用透過生物電阻抗分析(bioelectrical impedance analysis, BIA)與深度神經網路(Deep Learning, DL)等技術，開發高準確度之吞嚥肌肉狀態辨識方法。首先選擇之前實驗室學長的儀器，此儀器是可攜帶式的裝置，儀器總成本約兩千三百六十台幣，適用於定點照護檢驗的方式進行生物電阻抗的量測。本研究利用此系統進行受試者的吞嚥肌肉狀態的量測，再利用此數據進行深度學習分類的開發。在深度學習分類的開發上，利用吞嚥物容量微量的變化來產生不同的吞嚥肌肉狀態，再進行識別，以接近百分之九十的準確率辨別三種不同的吞嚥肌肉狀態。實驗結果顯示，本論文所提出的方法相對於其他方法在吞嚥的檢測上，能達到較高程度的輕量化，其模型大小僅有616kB，這模型大小可以很輕易在小型單板電腦使用，結合實驗室學長的儀器，可以達到定點照護檢測的標準，也證明生物電阻抗分析結合深度神經網路分類對於吞嚥訓練評估與檢測有其可行性。

• 學位論文

使用快速預測器做低電壓降測試圖樣重新產生

在先進製程中，電壓降在測試領域成為一個重要的議題。因為電壓降造成的故障可能會導致測試的良率損失，所以我們提出一個低電壓降的測試圖樣重新產生技術去產生電壓降安全的測試圖樣。多數的傳統技術使用簡單的功耗度量去量化測試圖樣的安全性，而我們是直接使用電壓降作為標準。為了加速電壓降分析，我們使用了一個現有的機器學習模型去預測測試圖樣的電壓降。因為我們已經知道測試圖樣的電壓降，所以我們藉由這些測試圖樣去產生低電壓降偏好數值並抽取重要位元。藉由使用我們的技術，我們可以移除電壓降危險的圖樣並重新產生沒有預測電壓降違規的測試圖樣。實驗結果顯示我們的測試長度平均只有2.37%的成長，並且沒有錯誤覆蓋率的損失。最後我們為十個電壓降安全的圖樣做模擬，沒有電壓降違規被發現。

• 學位論文

鍺錫/鍺異質結構二維電洞氣之Rashba自旋-軌域耦合效應與等效質量

自旋電子元件因為其低功耗的特性而被視為極具發展性的元件，如自旋電晶體和磁阻式記憶體。透過自旋-軌域耦合效應，我們可以利用外加電場操控電子自旋態，此外，自旋-軌域耦合效應也被利用在自旋量子位元中，藉以達到高速量子計算。在四族材料中，鍺錫因為較大的自旋-軌域耦合效應及較小的等效質量，而被視為具發展潛力的自旋電子材料，然而，迄今尚未有文獻探討關於鍺錫薄膜的量子傳輸性質。 在本論文中，三種無摻雜且錫比例分別為6%、9%及11%的鍺錫/鍺異質結構，經由化學氣相沉積磊晶而成。我們將樣品製作成具閘極之霍爾棒元件，在低溫系統量測其量子傳輸性質，並探討了這些無摻雜鍺錫/鍺異質結構中所形成的二維電洞氣電性以及磁傳輸特性，並首次在無摻雜鍺錫系統中展現高遷移率的二維電洞氣。我們透過Shubnikov-de Haas振盪震幅隨溫度的關係萃取出二維電洞氣的等效電洞質量，並發現等效質量(從0.07 m0到 0.10 m0)隨電洞濃度(從2.7×10^11 cm^-2 到 6.1×10^11 cm^-2)線性增加。我們將等效質量隨電洞濃度上升的趨勢歸因於鍺錫量子井中價帶的非拋物線性，這三種鍺錫/鍺異質結構(錫比例為6%、9%及11%)的非拋物線性因子分別為8.0 eV^-1、4.9 eV^-1及 4.0 eV^-1。等效質量和非拋物線性因子在較高錫比例的鍺錫異質結構中較小，我們認為這起因於高錫濃度所造成的壓縮應變，導致價帶結構中的重電洞能帶有較大的形變且增加了重電洞能帶和輕電洞能帶之間的能量差。 我們亦探討了這三種鍺錫/鍺異質結構中的Rashba自旋-軌域耦合效應。透過量測低溫磁導率隨磁場變化並利用Hikami-Larkin-Nagaoka (HLN)公式擬合實驗數據點，可萃取相位同調時間(phase-coherence time)、自旋鬆弛時間(spin-relaxation time)、自旋進動時間(spin-precession time)、k立方Rashba參數(k-cubic Rashba coefficient)以及自旋能帶分裂能量(spin-splitting energy)。我們驗證了Rashba自旋-軌域耦合效應隨閘極偏壓的可調性，並得到在目前所有四族材料中最大的Rashba自旋-軌域耦合強度。同時，我們也發現Rashba自旋-軌域耦合效應有隨錫比例增加而減弱的趨勢，我們將此歸因於壓縮應變對Rashba自旋-軌域耦合效應的影響。較大的壓縮應變增強了角動量在磊晶成長方向(z)的量子化效應，進而抑制了由自旋-軌域耦合效應產生的等效磁場所造成的在量子井平面(x-y)的量子化效應。最後，我們藉由相位同調時間和溫度的關係，探討在鍺錫/鍺異質結構中二維電洞氣的退相干(de-phasing)機制，實驗結果顯示相位同調時間和溫度倒數成正比，其退相干機制主要為電洞-電洞之間的非彈性散射。

• 學位論文

偏好引導的自動測試圖樣產生器及其應用

自動測試圖樣產生 (Automatic Test Pattern Generation, ATPG) 在超大型積體電路 (Very Large Scale Integrated Circuit, VLSI) 製造測試過程中發揮著重要的作用，隨著積體電路的應用越來越多，確保其可靠性也變得更重要，測試的方式會因使用情景而有所差異，往往需要對ATPG進行更多的客製化設定以滿足這些要求，常規的方法是通過約束ATPG的搜尋空間來達成目的，然而我們發現這在許多應用中還是不夠的，因此我們需要讓ATPG有更彈性的策略來產生測試圖樣。本論文提出一個可以容易地被實現到傳統演算法的偏好表示法。並且使用本論文提出的偏好引導的自動測試圖樣產生器可以有效率地產生具有輸入和輸出偏好的測試圖樣。我們也提出部分位移的測試應用方案，並展示對其使用偏好引導的自動測試圖樣產生的結果，我們可以維持錯誤涵蓋率並降低測試功率。

• 學位論文

以交叉耦合可變電容補償之數位類比轉換器與佈局自動化

本論文內容探討以電流式數位類比轉換器為主。電流式數位類比轉換器由複數個相同的電流源組成，而電流源數量隨著解析度提高而呈指數增加，因此所有的電流源並聯容易導致輸出阻抗的不足。本論文提出一個改良的數位類比轉換器，目標是提升轉換器在高頻時的無雜散動態範圍表現(spurious-free dynamic range)。由於電流源具有輸出電容，且轉換器單位元的開關在導通時也帶有閘極-汲極寄生電容(Cgd)，這些電容對數位類比轉換器造成資料相依的輸出效應，因此降低了高頻的無雜散動態範圍，此論文提出的方法使用了交叉耦合可變電容來補償轉換器單位元的輸出電容，藉此減少在高頻時的資料相依電容效應。本篇論文實作了兩個六位元數位類比轉換器：其中一個為傳統式架構，另外一個為所提出之補償架構。實作晶片中另外內建了數位弦波資料產生器以降低量測工作複雜度。在二十億取樣頻率、信號頻率為三百六十八百萬赫茲下，傳統架構之轉換器的無雜散動態範圍表現(SFDR)為27.58分貝，補償架構之無雜散動態範圍表現(SFDR)則為32.04分貝，較傳統架構提升了約5分貝，其轉換器電源功耗為29.7毫瓦，傳統架構與補償架構之轉換器所占面積分別為0.162mm2與171mm2，只多了約6%。 另一方面，由於高解析度的數位類比轉換器會指數增加設計之複雜度，為解決此複雜度增加之設計難度，在此論文的後段將介紹一個新的電子設計自動化(EDA)技術——Analog Generator。其中，將介紹此技術之實作概念與其所自動化產生之電流源佈局成果。

• 學位論文

希伯特空間位元切片：精確量子電路模擬與驗證之規模擴展

近年來，量子計算大幅度地進展且被認為即將改變目前的計算規範。量子電路模擬與驗證在量子硬體與軟體系統的開發工具鏈中扮演關鍵的角色。然而，由於龐大的量子態希伯特空間 (Hilbert space)，在傳統電腦中表示量子態與量子電路極具挑戰性，儘管已出現為數眾多的研究探討相關問題，量子電路模擬 (simulation) 與等價性檢查 (equivalence checking) 的難度依然不可小覷。在此篇論文中，我們以兩個面向增進了量子電路模擬與等價性檢查: 精確度以及規模可擴展性 (scalability)。前者是藉由使用複數的代數表示形式；後者則是藉由數字表示之位元切片以及使用象徵性布林函數之操作取代矩陣與向量之乘法。實驗結果顯示本篇論文提出之方法在許多的量子電路上皆可得到優於當前最新技術的表現。本篇的模擬方法有效地模擬量子電路，其量子位元最高可到達萬之數量級；本篇的等價性檢查方法修正了當前技術產生之錯誤結果，且在確保正確結果的同時加速了檢查流程。

• 學位論文

圖形關注卷積網路之基於點雲三維人體姿態預測

三維人體姿態預測一直以來在電腦視覺領域中都是一個非常具有挑戰性的問題。當前大多數基於深度學習的方法只使用RGB圖片作為輸入數據。然而我們認為這樣的信息量不足以表達一個完整且正確的人體。根據局部關節網路，我們選擇三維數據—點雲做為更好的輸入資料。 另一個問題是許多以前的方法回歸人體網格模型的姿勢和體態參數，即 SMPL參數。 但SMPL參數的主要的缺點包括表面域差異和三維旋轉的表示問題。參考Pose2Mesh，我們利用圖卷積神經網路代替傳統的卷積神經網路並直接回歸三維人體網格。 儘管圖卷積神經網路在人體姿態預測上有很好的表現，但它主要是處理坐標之間的局部關係。為了加強人體結構的非局部交互，我們結合圖卷積神經網路和 Transformer 編碼器來同時考慮局部和非局部交互。 在本論文中，我們利用了多種方法並提出了一種多層架構來預測三維人體姿態。實驗結果顯示，我們提出的圖形關注卷積網路之基於點雲三維人體姿態預測在合成數據上的表現明顯優於局部關節網路。 對於真實數據，我們將其分為兩類，有或沒有深度訊息。在具有深度訊息的真實數據部分，我們方法預測的人體網格相當準確。與局部關節網路相比，效果也有非常明顯的提升。在沒有深度訊息的真實數據部分，我們設計了一個可以從RGB圖片生成點雲的系統。也就是說這些數據可以在我們的模型上運行。在 Human3.6M 數據集上與當前最先進的三維人體姿態預測方法相比，我們的人體網格預測方法明顯優於其他方法。據我們所知，我們也是第一個將點雲生成系統應用於三維人體姿態預測的方法。