抗癌藥物的研究一直受到重視，吲哚(indole)衍生物可助抵擋自由基，而二吲哚(Di-indole)衍生物已成為抗癌劑。鈣離子/鈣調蛋白依賴性蛋白激酶 (Ca2+/calmodulin-dependent protein kinase II，CaMKII)之抑制劑為癌症標靶藥物重要研究方向之一，抑制CaMKII可降低各種癌細胞增殖和存活，但目前尚無CaMKII抑制劑藥物。本研究以三吲哚為主架構，發展衍生物作為CaMKII抑制劑，期望可應用於抗癌劑。電腦軟體Discovery Studio2016模擬各種三吲哚衍生物分子模型與CaMKII α(PDB: 2VZ6)之結合能，選出結合能較大之化合物3，並延伸結構/活性(SAR)最佳化，進行一系列高效率藥物合成純化工作。經由送測生物細胞活性，其中先導化合物(lead compound) 3-1對癌細胞之毒性高且對CaMKIIα的抑制效果佳，符合癌症治療上的需求，將繼續最佳化此結構，並進行細胞訊號傳送途徑及動物實驗。

本項研究透過程式模擬宅配業貨車司機的裝貨與下貨過程，提出比傳統垂直擺放策略更具彈性且方便下貨的貨物放置策略－分層擺放策略。本研究所提出的分層擺放策略不僅提升了裝貨的靈活性，還能確保貨物結構便於移動與下貨。同時，程式計算擺放方式所需時間，相較於人工計算，更能有效減少時間成本。期待本研究成果能夠為未來的物流業者提供參考。

發展安全且可靠的身份辨識技術是當今的重要議題，而指靜脈因其高安全性及難以偽造特性成為我們的主題。本研究提出一種基於Transformer模型架構的指靜脈辨識模型稱為GLA-FD，旨在解決現有技術對指靜脈影像特徵表示與提取的局限性。透過開發特徵解耦與重建模組(FDRM)，模型能夠有效區分指靜脈的背景資訊與紋理特徵，並將其重新組合以提升辨識準確度。此外，本研究開發的全域-局部注意力模組(GLAM)能同時捕捉影像的全域與局部特徵，進一步強化模型對指靜脈特徵的理解。GLA-FD在FV-USM、PLUSVein-FV3、MMCBNU-6000、UTFVP、NUPT-FPV 資料集中的正確辨識率(CIR)達到100%、98.47%、99.75%、96.11%、99.82%，展現卓越的穩定性與泛化能力。此外，本模型在處理不同年齡層、國籍與影像模糊度的資料下，仍能保持高辨識準確度，顯示其在需要高安全性辨識的應用場景中具備廣泛的實用性。

本研究試圖探索如何將資訊熵應用於Nerdle Maxi，Nerdle Maxi是一款數學益智遊戲，類似於Wordle，但要求玩家猜測出一個數學等式。遊戲的核心在於考驗玩家以有限的猜測次數，通過猜測獲得的回饋，縮小可能等式的範圍，最終猜出答案。此問題涉及對資訊的處理，讓我們聯想到資訊理論中關於不確定性的研究。根據Shannon的資訊理論，資訊熵可以用來衡量一個系統中不確定性，從而幫助我們找出減少不確定性的最佳策略。參考文獻後，我們發現有尚無人嘗試的作法，並實作、壓縮了猜測次數，保證我們能在六次內猜重。再將其與文獻中用在Wordle的做法融合後，壓縮平均猜測次數至3.38次。

隨著台灣在奧運羽球雙打再奪金牌後，更多台灣人想嘗試這項運動。為提升新手學習效率，本研究旨在開發一套幫助新手透過手機進行姿勢矯正的軟體。首先，本研究選擇BlazePose模型當作人體姿態辨識模型，並訓練MLP、KNN及YOLO等姿勢分類器。其中，KNN分類器在影片姿勢分類表現最佳，準確率達94.80%。此外，本研究設計Ball In Ball Out流程可偵測羽球並自動剪輯單一打擊片段，準確率為95.89%。經上述多模態資料分析後，再檢查常見錯誤姿勢及比對專家姿勢差異，最終LLM給予使用者姿勢錯誤矯正建議。羽球專家對姿勢矯正建議的平均認同百分比達82.40%，羽球新手達81.16%。

雷射影印機運作時，可能會釋放細懸浮微粒與臭氧，成為人體呼吸道健康的一大隱憂。本研究將探討雷射影印機的懸浮微粒與臭氧逸散特性，測量其排放的時序特徵，企圖減少影印機排放之汙染物。我們在一密閉壓克力箱中設置家用雷射影印機並在其影印過程中透過儀器量測其汙染物的數值變化，並在過程中排解干擾數值結果的環境變因（如：水氣）。亦透過數值模擬分析懸浮微粒的擴散情形，以提供改善建議。依據研究結果，本研究確立了懸浮微粒與臭氧在影印過程中的逸散，而加裝濾網後能使汙染的情形得到改善。電腦模擬結果則顯示，影印機的設置應距離呼吸道至少0.3公尺以上，則可有效降低人體吸入PM2.5之風險。

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。

本研究開發了一個基於多項人工智慧技術的多模態失語症溝通系統，旨在提供失語症患者能提升表達自我和參與社交的能力的工具。系統以iOS App作為主體，接收環境影像、語音、唇語、手勢及情緒等多模態資訊後，透過大型語言模型產生完整敘述，再以語音合成播放。研究創新開發AphasiaSim-LLM生成高度擬真的模擬失語症語料，並以量化評估取代主觀評分，證實Gemini 2.5 Flash於語句還原表現最佳；此外亦建構了輕量級手勢辨識模型，並以ORB演算法優化關鍵幀提取；透過異步處理、FFmpeg影片取幀及輕量Flux文生圖模型等優化策略，最終完成能有效輔助失語症患者進行流暢溝通之系統。

AI (Artificial Intelligence) technology has developed very rapidly in recent years, to the point where it can make fake videos or photos called "deepfake''. According to Sumsub Identity Fraud Report 2023 just in the past year, in the APAC region the number of deepfakes has grown 1530%, in the philippines an astounding 4500% and in 馬來西亞 a 1000% increase, these numbers will continue to rise without a proper defense against them, With this rapidly developing technology, there are several threats from misuse deepfake, namely making fraud via video calls, fake videos to blame innocent people, and so on. Therefore, in this research project, an algorithm architecture will be created, namely a system and method used to detect "deepfake" images. The architecture of this algorithm involves convolution functions, neural networks, convolutional neural networks, data normalization functions, namely ReLu and SoftMax, and pooling. This architecture will then be trained over and over with 140,000 scrambled images, which then will make the architecture ready to be used. By researching and combining this algorithm architecture, a system is produced without a cost and with a final result of up to 90% accuracy and detection of 32 images faster than a human can blink.

延續去年的實驗做進一步的改善與測試，這次我們新增浮動式的消波塊觀測其消波的情形，實驗過程中，在無精密儀器下觀察波速與波高，是一件令人感到棘手之事，所幸目前影像分析技術大行其道，因此本實驗的觀測資料均由電腦影像分析輸出並整理。固定式消波塊的實驗結果蠻符合我們的預期，能以簡單的消波塊結構達到消波的功能，實驗數據顯示出原本岸邊的最大波高，可銳減至原有的三分之一左右，效果驚人，真的是消波～快！反之，浮動式消波塊的結果與預想有一段落差，最大原因是消波塊隨著液面升降，上方無足夠的水體產生足夠大的水壓，因此無法順利引導水流通過洩壓裝置，導致消波結果不如預期。

量子電腦是近年來新發展的科技，利用量子糾纏態的量子位元進行計算。本文希望可以利用量子電腦計算諧振子隨時間演化算符。而這也是我第一次在量子電腦上模擬諧振子隨時間演化系統。首先我找出可以用於諧振子算符的合適算符矩陣大小、空間步長(Δ𝑥)、質量(m)、角頻率(ω)並且在位置基底下表現時間演化算符矩陣。設計並簡化量子電路後，使用IBM公司提供的量子電腦模擬並計算數值。我透過矩陣修正減少修正輸出錯誤產生的誤差，達到較精確的結果。模擬出在一個時間單位內的數值與理論值大致相符，未來希望可以利用此量子電路尋找矩陣的特徵值或是模擬更大型的系統。

台灣少子化、老齡化問題迫切，醫療資源入不敷出，使得遠距醫療成為潛在的解決方案與趨勢。然而，遠距醫療的身份驗證安全性尚未完善。指靜脈辨識有非接觸、體內生物特徵等特性，其在衛生性和高安全性的優勢在醫學相關領域與醫療院所備受關注。若能夠開發出遠距醫療可用的指靜脈辨識，將有機會為遠距醫療產業的安全性貢獻一份心力。本研究主要分為兩階段：其一旨在優化指靜脈辨識技術，利用輕量化 CNN 指靜脈辨識模型，結合 Mini-RoI 技術， 使用 FV-USM 以及 PLUSVein-FV3 兩個資料集訓練我們開發的 FVeinLite 指靜脈辨識模型，並使用不同的 epoch 值訓練出最好的模型。而我們訓練的模型相較於其他指靜脈技術具有高辨識正確率、參數量更少、運算速度快等優勢。其二，我們將模型結合自製的低成本嵌入式裝置， 並製作 API 與並使用模擬的病患資料完整打造一個可使用於遠距醫療及醫療院所的指靜脈身分辨識系統。