碩士畢業時長
2.62 年
中位數・平均 2.62 年・2 人（樣本太少）
全校 2.11 年
全校 2.11 年
收錄論文
2 篇
113–114 學年度
畢業時長只統計 碩士 100–111 學年度入學的學生：太近的入學年度還有同屆沒畢業，算進來會讓時長看起來偏短，詳見說明。下表與圖中灰色的論文不列入統計。
畢業時長趨勢
每學年度畢業人數
只計入有論文收錄的畢業生；中途休學或更換指導教授的學生不會出現在這裡。
研究關鍵字
鐵電超晶格架構降低熱預算厚度微縮介面軟崩潰模型工作週期波型ferroelectric superlattice structurereduced thermal budgetthickness scalingIL-SBD modelduty-cycle scheme時間依賴性介電層崩潰深度學習Informer模型Transformer模型貝氏神經網絡半導體可靠性時間序列預測Time-Dependent Dielectric Breakdown (TDDB)Deep learningInformer ModelTransformer modelBayesian Neural Network (BNN)Semiconductor ReliabilityTime-Series Forecasting (TSF)
點關鍵字可以找研究同一主題的其他教授（灰色的只出現過一次，不列入搜尋）。 想看最新的研究方向與計畫經費，也可以查政府研究計畫（GRB）。
指導論文
| 學年度 | 論文 | 學制 | 入學 | 提交日期 | 畢業時長 |
|---|---|---|---|---|---|
| 114 | Role of Different Interfaces in Ultra-thin HfO₂-ZrO₂ Ferroelectric Superlattice Structure 前瞻半導體研究所・共同指導：侯拓宏 鐵電超晶格架構、降低熱預算、厚度微縮、介面軟崩潰模型、工作週期波型、ferroelectric superlattice structure、reduced thermal budget、thickness scaling、IL-SBD model、duty-cycle scheme | 碩士 | 111 | 2025-09-26 | 3.15 年 |
| 113 | AI-Powered Time-Dependent Dielectric Breakdown Prediction: Integrating Bayesian Neural Network and Informer Model 前瞻半導體研究所・共同指導：侯拓宏 時間依賴性介電層崩潰、深度學習、Informer模型、Transformer模型、貝氏神經網絡、半導體可靠性、時間序列預測、Time-Dependent Dielectric Breakdown (TDDB)、Deep learning、Informer Model、Transformer model、Bayesian Neural Network (BNN)、Semiconductor Reliability、Time-Series Forecasting (TSF) | 碩士 | 111 | 2024-09-03 | 2.09 年 |