此研究探討正多面體(柏拉圖立體)再進行截角(truncation)和截半(rectified)的情況下，觀察其所形成的截角截半後的圖形變化，即其中一種阿基米德多面體的生成方式，並利用Geogebra電腦軟體模擬繪製，藉此來協助我們觀察並計算截角截半後的圖形周長及表面積，並分析其前後圖形比例之關係。

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。

本研究透過運用AI技術輔助程式設計聲音合成器程式，以探索聲音波形生成與觀察分析聲音頻，實驗透過不同波形振盪器，並調控ADSR參數，與濾波器組合，我們用不同的合成方法，獲得各類樂器聲音的最佳合成參數，再以先前完成的自製樂器加以改進，透過Arduino偵測串聯電阻分壓電路傳遞琴鍵按壓的演奏訊號至電腦，再經由合成器運算合成輸出對應的樂音，藉由選定不同樂器模組實現樂團合奏。在研究過程中，為解決電腦端即時運算合成音色的耗時問題，我們預先合成並暫存不同樂器音色，提升演奏時的反應速度。最終，本研究在開源程式與AI的輔助下開發出一套支援多人即興演奏的音樂合成器系統，提供創新的音樂創作與演出方式，降低傳統樂器練習的成本與噪音問題。

本研究旨在探討人類、人工智慧在特定機制下的抉擇。研究者首先固定一場景模型，設計模型中各族群的任務與環境機制，再使用程式還原所研發的模型，並利用微分方程式去驗證代碼運行的正確性。由於研究者希望此模型能夠貼近現實社會，故發表問卷以調查民眾、人工智慧對於不同族群的選擇偏好，再將調查數據代入電腦程式，以比對人類與AI在選擇上的異同，並探討各種機制對於族群之間互動的影響，加以推論原因與發展趨勢，最後說明此模型在生活中的應用。

本研究研發出最適植物萃取液配方：洛神花3滴、黑豆1滴、紫莢長豆2滴、紫色高麗菜2滴與蝶豆花7滴。建構出具穩定性、連續性與高辨識度的天然酸鹼色階圖卡，於pH1～14範圍內產生自然清晰的協同變色反應，顯色漸層分明，辨識度高，成功取代市售指示劑。 探究初期以水萃法提取植物色素，觀察其顏色與稀釋後的色彩變化；接續將各萃取液滴於 pH2～13標準溶液中，運用電腦影像軟體分析RGB色彩參數，量化其變色趨勢。 探究發現，市售指示劑於全pH範圍內的顯色反應缺乏連續性與辨識度。因此更進一步評估植物色素間的協同效應，調整配方比例，提升色階表現整體性。最終優化配方具清晰的變色反應，整體效能優於市售指示劑，展現教學與綠色化學之應用潛力。

本作品結合積木、馬達機械結構與AI技術自製「圍棋AI自動分類機」，將黑白子分類收納解決下完棋後沒人收拾的問題，我們以自動麻將桌概念為發想，設計9項不同實驗，首先以不同裝置測試棋子掉落方式，發現賓果滾筒能有效控制棋子一個一個掉落，其次大量拍攝不同燈光環境下黑白子照片，以Label-Studio進行影像標註，撰寫Python程式訓練AI影像辨識模式並控制伺服馬達轉向，使黑白子依辨識結果正確分類至棋盒。結果顯示「圍棋AI自動分類機」分類正確率高達99%，此外我們也應用於盲用圍棋，協助視障學生收棋，提升下棋便利性與學習意願。本作品不僅展現AI應用於日常生活創意實踐，也呼應SDGs中促進優質教育目標。

本研究結合程式設計與運動科學，開發以Python為核心的投籃訓練輔助系統，用科學方法分析籃球投籃曲線數據，建立具回饋的訓練工具，幫助學生個人化訓練與提升表現。 研究採OpenCV電腦視覺技術追蹤籃球飛行軌跡，透過背景相減法，成功記錄了102顆 空心球的投籃軌跡座標，得到出手角度（平均49.35°）、入框角度（平均41.57°）及拋物線最高點（平均3.51公尺）等關鍵數據，並借助ChatGPT釐清分析方向與角度計算公式。 本研究利用攝影裝置結合電腦視覺分析，精準記錄投籃軌跡，透過數據分析得出空心球投籃的具體角度與軌跡特徵，成功建構以Python為 核心的投籃訓練輔助系統，為科學化訓練提供輔助機制，未來可擴展系統功能，納入更多參數或運動型態分析，提升系統的泛用性與準確度。

本研究探討如何利用電腦視覺技術預測十字路口行人與車輛碰撞風險，提升交通安全，採用YOLO物件偵測與運動追蹤技術，分析監控影像，透過LSTM 進行時間序列預測，評估可能的碰撞風險。研究先進行影像標註與資料處理，提升自訂物件偵測能力：偵測行人與車輛和追蹤其移動軌跡，建立LSTM預測分類模型，學習運動模式以預測碰撞風險。研究設計先用小球碰撞實驗模擬真實交通場景，訓練模型預測碰撞風險，並透過驗證分析調整參數，再進行實際路口影像處理。結果顯示能預測未來2秒碰撞風險的準確率達73%以上，還可以持續改進，提升精準度。未來，本研究可結合智慧交通管理與車聯網，提升道路安全並減少碰撞事故。

近年來隨著資訊科技發展，詐騙行為日益猖獗。儘管政府已建置防詐網站與專線提供人工審查，但面對大量詐騙資訊，其效率仍顯不足。為降低人工審查負擔，本研究探討提示工程技術（Prompt engineering），評估其是否可提升GPT模型對圖像與語音詐騙內容的辨識準確率。研究設計採用三種不同提示策略，分別應用於圖像與語音資料中，並比較其判斷正確數以分析準確率差異。結果顯示Chain-of-Thought Prompting在兩種媒介資料中表現皆優於其餘提示工程模型，顯示良好判斷效果。本研究基於Chain-of-Thought Prompting模型開發互動式網頁程式讓民眾可立馬使用網頁判別可疑的圖片、音訊，展現應用於基礎防詐之可行性，亦可為後續防詐系統提供設計參考。

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%。

本研究旨在探討量子計算中由噪聲引發的兩種主要錯誤：位元翻轉錯誤（Bit-flip Error）與相位翻轉錯誤（Phase-flip Error）。我們首先利用 IBM Quantum 平台，透過即時模擬與圖像化操作，建構了一套重複更正碼系統，展示量子糾纏在錯誤校正中的應用。然而，當我們將錯誤更正碼送至真實的量子電腦運算時，發現額外的噪聲干擾使得錯誤更正碼的效率受到影響。因此，我們參考了 IBM 官方網站的資料，並結合在真實量子電腦上獲得的結果，使用 Google Colab 打造了一個最接近真實情況的噪聲模型，利用錯誤參數量化、分析真實量子電腦的出錯情形。

磷污染及重金屬的累積被確認為引發水體富營養化及生態毒性的關鍵因素，對接觸受污染水的動物和人類造成危害[1]。磷酸鹽作為磷污染的主要形式，傾向於促進藻類的過量繁殖，而重金屬離子因其高度毒性及生物累積性，對水生生物的影響尤為嚴重。由於一般檢驗方式過於耗時、費力，所以我們想研究出可以實現快速檢測出水是否遭受到汙染的系統。 本作品將化學、光學、電機、機械、AI、微電腦領域知識進行「光-電-機-智」深度整合，使用AI輔助補償演算法提高作品方便性，提升水溶液的定性定量分析效率，使本作品能快速檢測水源是否遭受磷或重金屬鉛污染，並且計算濃度，無需將樣本送回實驗室，捕捉污染動態。降低成本與操作門檻，達到良好監測及做好水土保護。