本實驗室的目標就是希望透過多元的研究計畫案與跨系、跨領域的合作
讓所有成員具備有如『萬用工具箱』的能力。
開拓未來的選擇可能性，做自己想做的事、走自己想走的路。
鄒年棣 Nien-Ti Tsou
這位是這間實驗室的大Boss >_^
也是目前材料系的系副主任
利用先進計算方法研究材料行為，為實驗室核心研究領域。
包括有限元素法 (FEM)、分子動力學 (MD)，廣泛應用於材料行為分析。
用於性能預測、工程流程最佳化，如牙科植體設計與材料辨識。
結合 AI 與 X 射線斷層掃描，進行焊點分析與可靠度預測。
探討 Cu-Cu 接點在熱循環測試下的失效機制與界面遷移。
研究其相變行為、超彈性特性與層狀結構。
探討疇區演變、極化能力與應變交互作用。
分析材料在不同條件下的微觀結構演變，如薄膜疇區與馬氏體相變。
利用 AI 與計算模型提升預測精準度，減少實驗次數。
針對植體癒合腔室等設備與材料進行最佳化設計與 AI 模擬。
本影片分享我們在陽明交大材料系的 Open House 中，如何利用 AI 技術進行材料工程設計與模擬。
舉例說明了牙釘破壞預測、半導體元件可靠度分析等應用，展示 AI 模型結合模擬與實驗數據的優勢，
大幅提升分析效率與預測準確性，並可作為工程師設計與優化的重要工具。
陽明交大材料系深耕 AI 與模擬已十年，是台灣在該領域發展最完整的系所之一，
歡迎對 AI 與材料科學有興趣的學生加入我們！
本影片分享我們在陽明交大材料系的 Open House 中，如何利用 AI 技術進行材料工程設計與模擬。 舉例說明了牙釘破壞預測、半導體元件可靠度分析等應用，展示 AI 模型結合模擬與實驗數據的優勢， 大幅提升分析效率與預測準確性，並可作為工程師設計與優化的重要工具。
本影片介紹我們在電池健康度評估上的最新研究成果。針對現實生活中非固定且不完全充放電的使用情境，我們採用Stanford所建立的模擬資料庫，並開發出一種無需人工標記的AI模型，只需一小段放電資料，即可準確預測電池的健康狀態。 透過類似「撲克牌排序」的方式，AI自動學習電池劣化趨勢，不僅預測準確，還能顯著減少資料需求與人力成本。紅色曲線為AI預測結果，藍色為實測值，兩者趨勢高度一致，展現此方法的可行性與效能。 本研究展示了AI在電池壽命與健康管理領域的潛力，對於電動車與智慧能源管理具有實質應用價值。
這段影片分享本團隊最新的研究成果：運用人工智慧來預校正3D列印時產生的幾何誤差，特別應用於牙科客製化牙模的列印。在3D列印過程中，由於程序複雜，往往會造成模型膨脹或收縮的幾何偏差，使準確率只有約七成。透過收集16組列印成品，讓AI模型（Patch 3D U-Net）學習如何回推設計檔，我們能在列印前預測並修正誤差。最終成品的誤差降低至約1%，展現出顯著的精度提升。這項成果不僅展示AI與3D列印整合的潛力，也代表未來在牙科及個人化醫材製造上的重要突破。
本影片介紹我們以人工智慧技術開發的「骨鑽孔手術教學系統」，透過實際軌跡資料，訓練AI自動評分外科醫師的鑽孔表現。影片中說明如何從專家與新手醫師的鑽孔軌跡中提取特徵，並以Autoencoder模型將其轉化為潛在編碼，預測八項手術品質指標。 系統能夠有效區分新手與專家，且評分準確率極高，展現AI在輔助醫療訓練與技能量化上的潛力。我們也展示了AI生成理想曲線與超高分數行為的能力，說明其未來應用於智慧醫療、評分系統與教學回饋的可能性。