人工智慧(AI):
最近這幾年，人工智慧中的『深度學習』被廣泛應用在很多領域，其中包含天文領域。在這個計劃裡，我們將使用『深度學習』的方法，從巡天觀測所得到的大量光度變化曲線資料中，搜尋系外行星或雙星存在的可能性。我們希望產生一個包含光變曲線圖形的資料庫。在此資料庫中包含兩種模型，一為系外行星模型，另一個為蝕雙星系統模型(eclipsing binary model)。

我們將用深度學習中的卷積神經網路（Convolutional Neural Network,  CNN）的方法建構電腦程式，並在不同的參數條件下調整CNN，找到最佳CNN模組。

我們將建構兩種CNN深度學習方法(1D-CNN 和 2D-CNN)去分析資料庫。我們也會分析在不同的參數條件之下，可以產生一個最好的CNN模型，並將此模型應用到更多其他的觀測資料庫，希望藉此可以找到新的蝕雙星或系外行星。

科學計算:

 我的研究領域主要應用在天文的研究，其中包含以下幾個天文領域的計算與研究。

(A) 系外行星的研究

(1) 我們在考慮望遠鏡觀測極限下， 建立系外行星在質量與週期共同空間的分佈函數，利用統計的方法並成功推得一公式， 算出約百分之五的恆星旁有行星存在。

(2)系外行星 WASP43行星的軌跡遞減速度與理論預測結果相符合(刊登在 The Astronomical Journal[SCI],2016)

(3)我們運用系外行星觀測資料, 成功地證實了多行星系統中行星週期比與量比的正比關係, 此結果對於多行星系統的形成有重大意義 (MNRAS Letters, 2015).

(B)   超大質量雙黑洞星系模型研究

     我們發現一個臨界質量，並證明出若星系總質量大於此一臨界質量，有新的平衡點產生。在最近發表一系列的文章中，稱為江葉點。(三篇結果刊登在國際期刊Astrophysics and Space Science [SCI],2014(a),2014(b),2016)

     我們將此模型應用於天文實際的星系上，我們嘗試模擬星系NG1399並將論文發表到國際期刊Research in Astronomy and Astrophysics[SCI] (2018)。

(C) 混沌系統物理模型的研究

我們建構一個三個固定的正電子及一個自由電子的物理模型，在一些不同初始條件之下，我們可知軌道的變化情形，我們也利用 Lyapunov Exponents 去決定此系統是否有混沌現象。

(D) 塵埃盤(Debris Disc)的模擬

我們建構了 Vega 的Debris Disc 的動力學模型, 並發現行星可隱藏於outward dust flow 中。