受到地區限制，偏遠地區一直面臨著缺水和缺電的問題。有許多解決方案，其中一個被視為在乾燥地區收集水的有效方法是薄膜霧氣收集技術。這項研究受到自然界沙漠甲蟲的啟發。我們在不吸水的石墨烯/PVDF基底上使用仿生的幾丁聚醣陣列，幫助水滴在霧氣中凝結和滾動脫落，使水收集效率達到0.63LMH。此外，我們使用石墨烯和離子液體一起誘導PVDF晶型自組裝成具壓電性的β相，獲得最適化薄膜的電壓輸出可達到13V(±6.5V)。我們還對於薄膜進行同時取水和取電的可行性評估，結果顯示，在4m/s的霧氣風速下，水收集效率為0.74LMH，發電功率為99.2mW/m2。基於上述研究結果，我們證實了使用單一薄膜利用霧和風作為驅動力，可實現同時產生水和電，這對解決偏遠地區的缺水與缺電問題提供了新的解決方案。

想做出又大又通透的銨明礬結晶，在濃度上可以選擇15g/100ml，因為濃度太高會凝聚在一塊，顏色不透明；濃度太低則無法形成結晶。 冷卻速度太快，結晶體積會變小；而冷卻速度太慢，會造成結晶偏白且體積也變小。所以使用保溫袋做適度保溫是不錯的選擇。 另外減緩蒸發(結晶量少、尺寸小)、使用蒸餾水(各方面與自來水差異不大)、重複養晶(體積增加、但透明度減少)以及流動(量多但細碎)等變因影響都不是很正面。 適度添加硼酸、稀硫酸及溶解溫度降低可以提升透明度；而氯化鈉與硼酸(溶解溫度60℃)的添加則會提升結晶的尺寸。最重要的是總量增加(濃度不變)的方式不僅可以讓結晶的尺寸、數量皆增加，而透明度也很高，是體積增加但 透明度不減的關鍵！

無人氣象站的應用提升了大氣觀測的數據收集效率，雲屬自動判讀仍然是一項技術挑戰。本研究參考WMO國際雲圖鑑，進行雲屬影像的收集與分類，並利用Teachable Machine圖像辨識模型進行訓練，建立具備十種雲屬辨識能力的模型並探討學習率與訓練週期對模型判讀準確度的影響。實驗結果顯示，不同雲屬的分類準確度受雲屬特徵影響，層積雲與積雨雲因特徵變化較大，易產生混淆。經超參數調整發現，較低學習率有助於提升整體準確率，而訓練週期的增加或減少對準確率的影響則較不顯著。本研究證實機器學習技術在雲屬觀測上的可行性，未來可透過擴展資料集與優化模型，提高對不同天氣條件下雲屬變化的適應能力。

本研究以綠豆為主要研究對象，探討微重力環境(<10-6g)對植物種子的影響。結果顯示，綠豆在微重力環境中易形成不定根，回到一般重力後約需8天型態完全回復；輻射環境對綠豆胚莖與胚根長度變化無顯著影響。此外，微重力環境造成不定根形成，推測可能與乙烯產生有關。 針對高重力(900g)環境，綠豆的細胞內澱粉體分佈未顯著改變，但內部機能可能受影響。在酶活性實驗中，不定根率較高的綠豆過氧化氫酶活性降低，顯示微重力對植物內部生理機制有持續影響。而切片實驗發現，微重力可能促進胚內澱粉粒的分佈與儲存形式改變。 本研究系統性探討微重力環境返回一般重力後植物種子的型態變化，為未來太空種子銀行的發展提供參考依據。

將平面上A1A2A3的三邊以逆(順)時針方向向內旋轉相同角度後，若三線交於一點，則稱該點為此三角形的正(負)布洛卡點。任意三角形必定同時存在正、負布洛卡點[5]，我們的研究主要是推廣布洛卡點的定義到所有的折線多邊形，並進一步研究布洛卡折線多邊形的充要條件與性質。我們定義調和多邊形為正多邊形的反形，並統整出其與特定條件下的圓內接多邊形互為充要的性質，進而發現了圓內接布洛卡多邊形與調和多邊形之間的充要關係，這是目前中外文獻中沒有的。最後，我們試著利用中垂面與垂面將布洛卡點推廣到三維空間。

這項研究深入探討阿拉伯芥生理時鐘的轉錄調控機制，關注植物特有 GAGA 結合因子， BASIC PENTACYSTEINEs（BPCs）。通過監測 BPC 突變株和誘導株的葉片運動，及對 BPC 突變株生長缺陷的觀察，推測 BPC 於節律運動和葉形表徵扮演調控要角。藉數學建模和對突變與誘導株的 qRT-PCR 實驗，我揭示第一及第二類 BPC 在協調生物鐘節奏和葉片發育中的多種功能，更描述 BPC 內部調控網絡，了解這些蛋白質如何維持恆定。突變株實驗突顯 BPC 對關鍵時鐘成員 CCA1、ELF4、GI 和 PRR 家族的精確控制，而誘導株實驗則繞離 BPC 家族內部的補救途徑，從不同的尺度提供更直觀的檢驗方法。模擬進一步闡明 BPC 如何微調時鐘，確保振盪最佳化和晝夜間的無縫過渡。此外，我還發現 BPC1 和 BPC3 對第二類 TCP 基因的影響。他們抑制除 TCP5 外的多數 TCP 基因，透過不同下游途徑影響葉緣形態。概括而言，這項研究揭示了 BPC 家族是生理時鐘和葉片發育途徑的關鍵調控者。

本研究利用中央氣象署2003年至2022年在宜蘭地區的地面測站雨量及風場觀測資料，分別在蘭陽溪以北與以南的平原與山區各選取十個測站進行分析，再輔以宜蘭降雨觀測計畫所提供的探空斜溫圖，探討宜蘭地區三維風場及因特殊地形作用所產生的雨量分布及變化。研究結果顯示：宜蘭地區的降雨量多寡與降雨特性分成五區，分別是中央山脈迎風面（4000~5000mm）>雪山山脈山區（約3500mm）>平原內部（2500~3200mm）>中央山脈背風側（約2700mm）>無地形作用（約1200mm）。其中中央山脈迎風地區年雨量逐年上升，背風面雨量逐年下降。另大尺度的東北季風進入宜蘭平原，與地形交互作用產生繞流西風再與低層東北季風產生輻合舉升作用，常造成了宜蘭地區冬季劇烈降雨事件。

克雷伯氏肺炎菌（Klebsiella pneumoniae）近年來於亞洲盛行，其除了傷害健康外，亦對於醫療經濟造成一定程度的影響。隨著時間發展，此細菌也逐漸獲得了抗藥性，使早期使用之抗生素不再有效，因此，尋找治療此疾病的替代療法成為近年來持續被關注的議題。由於其對細菌具高度專一性，噬菌體之莢膜多醣分解酶被認為極具開發抗生素替代療法之潛力。 本研究陸續於污水中分離純化出1212P2、H-P7、H-P8、0505P5、0505P6、05052P5、0505Kp3等噬菌體，並藉由一系列實驗，篩選出可能具有莢膜多醣分解酶的噬菌體。最後將候選噬菌體1212P2、0505Kp3進行全基因定序。 未來，將進行全基因序列分析，若成功比對並找到具有莢膜多醣分解酶潛力之基因，我們將對其加以表現並測試活性。並進一步進行體內試驗檢驗此噬菌體或其莢膜多醣分解酶的效力，探討其是否能作為開發藥物的工具，為對抗克雷伯氏肺炎菌盡一份努力。

台灣位於環太平洋地震帶上，「向地震學習」是避免再一次發生重大地震災害的不二法門。1999年的921集集大地震中，有三分之一的房屋倒塌。2016年的美濃地震造成了台南維冠大樓倒塌。2024年4月3日的大地震中，有兩棟三角窗建築在幾秒內瞬間倒塌。本實驗主要以三種箍筋以及我們自行研發的一筆柱中柱箍筋進行評估，並利用我們自製的地震模擬器，測試不同箍筋的研究成果。我們發現傳統箍筋最不穩固，一筆箍筋排名第二，柱中柱箍筋排名第三，而我們研發的一筆柱中柱箍筋最為堅固，合理的建築設計與抗震結構至關重要。

背景：預測分子性質如溶解度、毒性及熔沸點對於基礎科學至關重要。然而，實驗測量這些性質耗時且昂貴，因此本研究使用多種機器學習模型藉由調整變相來準確預測熔、沸點。 方法：本研究使用超過一萬筆數據及兩種類型的機器學習方法：淺度與深度學習。淺度學習由 PyCaret實現，並以Mordred作為分子描述器；深度學習使用圖神經網路，包括（CMPNN和GCN），並調整隱藏層參數。 結果：CMPNN在目前嘗試的模型中表現最佳。發現影響沸點預測的關鍵特徵是piPC1，與鍵級相關；熔點則是AATS0d，與σ電子的 Moreau-Broto自相關有關。 結論：CMPNN模型在沸點與熔點預測中均表現最佳。沸點中深度學習模型優於淺度學習模型（p<0.05）。此外，使用SHAP成功找出piPC1和AATS0d對最關鍵。本研究不僅得出了高準確性的模型，還發現了影響分子性質的關鍵特徵，且可擴展至其他預測。

從國立臺灣科學教育館《科學研習期刊》的一道題目中，我們開始研究矩形方格的路徑問題，透過對路徑的分類整理，由簡入繁循序漸進，讓我們有撥雲見日之感。 我們從最少轉折數及其路徑著手，延伸到最多轉折數；從利用樹狀圖討論所有漢米爾頓路徑，到運用螺旋(轉90度)或迴轉策略(轉180度)，透過其轉彎次數與轉折數的關聯，推得各個矩形方格的最多轉折數之路徑，並找出最多轉折數的公式。接著，我們分析矩形方格中有缺一塊的最多轉折數，利用路徑趨勢的轉角處與起終點，找出缺塊位置的最多轉折數與未缺塊的差異。 最後，我們試圖解出所有轉折數及其代表路徑，並整理其路徑間的關聯性，但其繁雜度又更高了，期許未來能一一解開這些問題。

本研究中，我們對模型逆向攻擊在語音辨識系統中的影響及風險進行深入分析。隨著Siri、Google Home等智能助理設備在日常生活中的廣泛使用，其語者辨識系統的安全隱患引起了我們的注意。本研究目的在於深入理解模型逆向攻擊的運作機制，並探討其對語音辨識系統的攻擊效果。我們透過實施多樣化的攻擊策略，對不同的模型架構和數據處理方法進行了評估，並對人聲與非人聲的數據集進行了攻擊效果的比較。此外，我們亦實現了基於差分隱私的防禦算法，在多數模型架構下達到接近50%的防禦效果，顯著提高攻擊代價。研究整體揭示了語音辨識系統在面對模型逆向攻擊時的脆弱性，並藉由實驗分析推論出可能的防禦策略，期待能通過策略來增強模型的安全性。