2005年美國國家學院科學研究委員會依據科學方法將「網路科學」定義為「有組織的網路知識」。這個需要整合各種不同領域的知識：包含網際網路、電力網路、社群網路、實體網路以及生物網路。對於網路科學，主要的數學工具是動態圖形研究，用來處理巨量資料（Big Data）。這些年來已可常見在Nature和Science的文章討論此類問題，諸如生物心臟的同步跳動、基因調控網路、合作與競爭的演化、動態社群網路的社群偵測、及兩黨政治形成的數學模型等。然將網路科學和大數據分析的應用發揮得淋漓盡致的莫非是Google、Meta（facebook）和Apple這些大公司，他們如白雪公主童話故事中的魔鏡般的不時監控我們的一舉一動，回答我們的問題，並進一步預測我們的下一個動作。顯而易見的是誰掌握這些魔鏡，誰將在未來的發展佔盡優勢。 網路科學和大數據分析因包含相當廣闊之領域，基本的研究問題包含中心度分析（centrality analysis），社群偵測（community detection）和資料聚類（data clustering），及網路嵌入（network embedding）與應用。張教授近十年來的研究，提出共同及廣義之機率架構，稱為取樣網路，可用於有向或無向網路中的中心度分析，社群偵測及網路嵌入，已有一系列的論文發表。
2019年年底新型冠狀病毒（COVID-19）爆發，陸續在各個國家大肆傳染，造成世界的大災難。張教授及其研究團隊運用網路科學方面的知識，著手研究COVID-19傳染的狀況，並預測未來COVID-19的發展。在（代表著作1 (paper)）提出了一個time-dependent susceptible-infected-recovered (SIR) 數學的模型來追蹤與預測COVID-19的感染人數。並探討防疫措施，包含保持社交距離、限制與會人數，以及宣導基本的衛教知識等，以遏止COVID-19的傳播。在（代表著作2(paper)）進一步研究COVID-19群體測試（pooled testing）的方法。此論文比較文獻中各種池化測試矩陣表現，並且運用多通道會合問題中通道跳頻序列的組合性質，設計出一種池化測試矩陣，可以大幅降低檢測成本。在（2016年以後發表的參考著作1(paper)）提出來一個在發生社區感染的情況下，如何運用社群偵測演算法來節省池化測試成本的方法。目前研究團隊進行中的研究，包括（一）探討台灣抑制 COVID-19 Delta變異株盛行原因，（二）由已知的案例中追蹤第一個病例的來源。未來研究方向將繼續做關於COVID-19的研究，希望這些研究成果能對對控制疫情做出一點貢獻。
大型語言模型如ChatGPT 是一種生成式人工智慧，能夠進行自然語言處理和生成對話。在未來的研究方向中，將探索如何改進模型的語言理解能力，減少語言生成中的錯誤和偏差。此外，還可以研究如何增強其在特定領域的應用。另一個潛在方向是改善模型的記憶能力，使其能夠更有效地處理長期對話和更複雜的代理(agent)任務。
大型語言模型簡介
更多網路科學教學內容
由於現今的行動服務逐漸深入生活中的每個面向，從工業、教育、醫療、交通與娛樂等，均因新科技帶來完全不同的互動，如智慧醫療、智慧城市、人工智慧物聯網（AIoT）、自駕車、無人機、穿戴裝置、工廠自動化，以及邊緣運算。第四代行動通訊技術（4G）已無法完全提供完善的服務因應各種新興應用與產業，因此第五代行動通訊技術（5G），甚至是第六代行動通訊技術（6G）的推出勢在必行。國際電信聯盟（ITU）公布5G的正式名稱為IMT-2020，同時確立三大應用場景，分別為增強型行動寬頻（enhanced Mobile BroadBand, eMBB）、超可靠低延遲通訊（Ultra-Reliable Low-Latency Communications, URLLC），以及大量連結物聯網（massive Machine-Type Communications, mMTC）。然而目前建置的5G通訊系統中，並不包含URLLC和mMTC，因此B5G/ 6G已成為近期世界各國的重點發展項目，也是我國的重點投入項目之一。
URLLC設計主要是為了因應關鍵任務應用，例如智慧型運輸與交通系統、智能電網、VR、工業自動化與遠程醫療。以上應用案例皆需要超高可靠度與超低延遲，才能有效避免意外事故的發生。因此嚴苛的通訊需求如錯誤率至少低於10^(-5)、網路延遲低於1毫秒以下，以及通訊時的保密性和安全性是絕對必須的。在（2016年以後發表的參考著作6(paper)）張教授的研究團隊提出兩個適用於多通道無線網路多重接取之通訊協定，此協定滿足以下性質：（1）異步時脈：所連接設備的時脈不需要同步。（2）無允諾傳輸：為了避免往返延遲，設備無需接收方的授權即可進行傳輸。（3）支持大量已連接設備：已連接設備的數量可能遠遠大於通道的數量。（4）能夠保證流通量和延遲：當活躍設備的總數不超過某個閾值參數時，成功傳輸的活躍設備的最大延遲為一個常數上界。在（代表著作4(paper)）中，針對編碼多重存取，提出波以松接收器的抽象接收器模型，建立完整機率分析的理論架構，對於B5G/6G網路中不同使用者的應用場景，提供差異化服務。進一步在（代表著作5(paper)）中，基於網路計算工具，提出抽象的阿羅哈接收器，結合波以松接收器的理論架構，在媒體存取控制層建立一個通用的理論架構，不僅統一過去十年來在編碼多重存取分析的論文成果，更進一步對發展中的power-domain non-orthogonal multiple access（NOMA）提供分析的結果。
研究方向將繼續做關於URLLC及mMTC的編碼多重接取技術的研究。希望能建構在我們提出的架構上，進行下列數個後續研究：（一）擴展到多用戶以及多接收器、（二）穩定性分析、（三）數值研究B5G/6G系統可能的應用案例、（四）透過波以松及阿羅哈接收器對物理層的通道進行建模及分析、（五）最佳化系統參數以更好地設計未來的B5G/6G系統、（六）探索物理層中不平等錯誤保護（UEP）問題的可能應用，以及（七）與編碼壓縮感測的相關研究。
交換機是網際網路的核心元件，亦是各種網路流量匯集及交換之處，因此能隨網際網路頻寬需求而提升速率的交換機是下一世代網路之核心技術。長期以來，我們一直引領著高速交換的研究，而且高速交換一直是我們鍾愛的研究主題之一。我們在高速交換的第一篇論文引用來自兩名偉大數算家布可夫和馮紐曼的分解演算法解決100%流量的問題。即使布可夫馮紐曼交換機是個很優美的理論，在現實中依然存在一個關鍵的缺點。它必須得知流量的需求才能進行布可夫馮紐曼分解。但網際網路的流量是非常動態的，流量需求的變動無法被輕易的補償或是量測。是否可以在不知流量需求的情況下建造一個高效能的交換機，變成一個重要的問題。我們很幸運地提出一個在布可夫馮紐曼交換機前，增加一個負載平衡交換機的方法。這個方法進而形成了負載平衡布可夫馮紐曼交換機。根據趙鴻翔教授(Prof. Jonathan Chao)的評論，負載平衡布可夫馮紐曼交換機開啟了一個新的研究大道。交換機依然存在許多未解的的問題，而我們已經發表了一系列的論文在IEEE INFOCOM (最有名的網路研討會之一)、IEEE/ACM Transactions on Networking以及IEEE Transactions on Communications。
高速交換新興的問題之一就是資料中心網路。因為雲端計算將運算工作和資料儲存由桌上型和可攜型電腦移到大型資料中心。在大型資料中心的電腦該如何彼此連結是一個重要的研究課題。是以，此一新興而又重要的研究領域，的確值得台灣學者及業界對其投注關心的目光。我們長期在交換機領域的研究，有非常良好的研究成果，希望能進一步將這些研究成果推展至資料中心網路上。探討的研究課題包括: 資料儲存、資料中心的架構及效能、資料中心之節能與傳輸、資料交換及容錯、和資料安全。希望藉由此研究中心，能為國家在資料中心網路的研究領域扎根，培養未來的傑出人才，進而提昇國內業界在資料中心的研發能力。
大家都知道光通訊的時代已經到臨，然而全光網路的時代卻尚未來臨。主要的原因是目前網際網路傳送資料的方式是先儲存後傳送（store-and-forward），而目前網際網路仍大多使用電子式記憶體來儲存而後進行排隊處理。如能儲存光資訊，就可以避免將光資訊轉換成為電子訊號，因而達到全光網路之理想。然如眾所知，光是不斷以光速在前進，如何儲存呢？ 簡單的想法就是把光「導」到一段「光纖」裡，讓光在裡面兜圈子，直到適當的時機才將光放出來。如果只有單一光封包（optical packet），這樣的想法還容易，但網際網路代表的是幾乎無限不斷湧進的光封包， 而讓這些光封包以有秩序的方法傳出，便需要讓這些光封包排隊（正如同我們搭乘公車和捷運一樣）。 光佇列就是能讓光封包排隊的機制。如前所述，要引導幾乎無限多的光封包好好排隊， 所需的複雜度讓世界上即使一流的研究機構也為之卻步，直到張正尚教授及其同事李端興教授在清華大學的研究團隊取得重大的理論突破。張教授和李教授找出一種可以以遞回的方式，由小的光佇列組成大的光佇列，而其所需的光交換（引導）元件和光纖的長度是最小的。此外，引導的過程是讓光封包自行引導（self-routing），此一發現，大大的簡化了系統的設計。他們在此領域的第一篇長篇論文被收錄於2004年IEEE Transactions on Information Theory，並於2006年獲得第四屆有庠科技論文獎。後續的另一篇論文亦於2007年獲得第五屆有庠科技論文獎。
光佇列簡介