光譜特性分析之邊緣AI模型部署

課程大綱

本課程結合光激發螢光（Photoluminescence, PL）、電激發螢光（Electroluminescence, EL）及拉曼光譜（Raman）量測技術與邊緣人工智慧（Edge AI），培養學生進行半導體材料與元件光譜分析、即時檢測及智慧化判讀之能力。課程採理論講授與實作並行，內容涵蓋光譜形成機制與物理意涵、資料前處理與特徵擷取、AI模型訓練與評估、邊緣運算平台部署、模型效能最佳化，以及半導體材料與光電元件之應用案例。學生將運用Perplexity進行資料蒐集與文獻分析，以GPT協助建立研究架構、分析邏輯及程式設計，再利用Gemini進行結果整理、技術寫作與報告製作，並學習檢核生成式AI內容之正確性、資料來源與研究倫理。課程最終將完成「邊緣AI光譜分析系統專題」，建置可於邊緣裝置執行之光譜辨識或異常檢測模型，並針對準確率、推論速度、運算資源及系統可靠度進行驗證。透過完整的量測、分析、部署與驗證流程，使學生具備光譜物理、AI模型應用、系統整合及技術報告撰寫能力。