浮動量子位元能量弛豫研究
- 建立物理模型: 應用 admittance-based formulation 描述浮動量子位元的耦合路徑，讓能量弛豫機制能被分析推導與數值模擬共同檢查。
- 交叉檢查假設: 比較準靜態萃取與全波有限元素模擬，確認模型假設在不同方法下的一致性，並辨識可能造成數值差異的位置。
關於我
我喜歡處理一開始還不乾淨、甚至有點模糊的問題。我的習慣是先把問題放慢，把假設、證據與不確定性分開，再做出一個可以被程式、模擬或資料檢查的小循環。
我現在走的路，不是把自己訓練成只會使用工具的人，而是把工具變成理解物理問題的槓桿。資料的產生、管理與分析，對我來說不是附屬技能，而是讓研究問題能被檢查、重現與延伸的方法。
AI 是這個循環的一部分，但不是取代判斷的捷徑。我會用它擴大搜尋空間、草擬不同實作、找出盲點與加速文件整理；最後仍要回到推導、數值檢查與人工驗證。
我在意安靜而可靠的系統。好的腳本、儲存環境、模擬報告或研究筆記，應該讓未來的自己與合作的人更容易提出下一個問題。
精選經歷
Layout-to-FEM 研究工作流
- 建立迭代循環: 開發從 GDSII layout 到 FEM 模擬的資料產生工作流，並串接參數化設計工具，讓 layout 變更能更快形成可進 solver 的實驗。
- 把 AI 作為工程槓桿: 以 human-led, AI-assisted 的方式草擬自動化路徑、比較實作方案、審查生成程式碼，並確保工具設計仍受物理約束校準。
- 映射電路參數: 將集總電路模型連到 Hamiltonian 層級的耦合強度與 ZZ interaction space，使參數掃描能聚焦在校準敏感的電路量。
運算與 Mesh Refinement 實務
- 執行較大規模 solver 任務: 運用國家高速網路與計算中心（NCHC）叢集資源，針對複雜 layout FEM 模型產生並檢查較大規模的模擬資料。
- 平衡時間與精度: 系統性調整 mesh-refinement 參數，讓模擬時間、資源使用、數值差異與可靠性可以用具體證據評估。
研究基礎設施與資料環境
- 協助實驗室資料環境: 協助維護實驗室級 Synology NAS 環境，改善備份習慣、團隊存取與日常研究資料可靠性。
- 建構個人研究基礎設施: 維護客製化 TrueNAS 系統並整合 Docker，用於研究資料整理、自動化備份與彈性的本地運算環境。
教育背景
國立中央大學（National Central University）
物理學學士 · 預計 2026 年畢業
- 論文題目：Study of XY-Line External Coupling Effects on Floating Qubit Energy Relaxation