電子紙(Electronic Paper Displays, EPD)，是一種模仿紙上印刷視覺觀感的顯示技術，雙穩態的特性使其耗電量極低。不同於一般的有機發光二極體(OLED)以發光達成顯示功能，電子紙依靠反射環境光到達人眼，因此閱讀起來較舒適，在陽光直照下仍然清晰可見，可視角極廣。然而，現行電子紙缺點也十分明顯。為了避免殘影(ghost image)產生，電子紙在進行灰階轉換時需要進行刷新重置，導致畫面出現閃爍，且更新率較低。在不同生產批次之間，亦需要以人工微調驅動波型，耗費大量時間成本。為了解決上述問題，本實驗室預計建立深度學習AI模型以代替人工調整波型，利用增強式學習架構(Reinforcement Learning)來減少波型步數以增加顯示器更新率，改善電子紙的視覺體驗。

當電子紙進行畫面變換時，在傳統的灰階轉換驅動波型中，活化階段會將畫面重置為全黑以及全白，使粒子活化以穩定最終呈現之灰階。然而較長的活化階段不但會降低畫面更新率，並且會造成畫面閃爍的現象，嚴重影響電子紙的視覺體驗。為了提高電子紙顯示器的畫面更新率，本實驗室預計利用增強式學習架構生成減少步數的驅動波型。首先利用量測平台建立波型與灰階變化之對照，作為模型之Training set。增強式學習架構包含Q network (Transformer model) 來評估波型產生的畫面以及Policy network來決定下一刻輸入之電場強度。

          (a)                         (b)

圖2、(a) 增強式學習AI模型、(b) 簡易模型功能方塊圖

電子紙顯示器的製造過程中存在一些微小的差異，這些差異可能來自材料特性、製造設備、環境條件等方面，並會導致不同的電子墨水微粒響應驅動電壓的方式略有不同，從而影響顯示效果。為了降低人工微調波型的時間成本，本實驗室亦將發展可調整適應批次差異的通用模型，並最佳化量測不同批次特性之流程，縮短建立波型LUT之時間。

圖3、針對不同批次微調模型參數以最佳化LUT

圖4、電子紙可撓區特性