高級中等學校組

隨著人工智慧和自然語言處理技術的發展，客戶端小型語言模型在各種應用中扮演著日益重要的角色，例如智能手機、物聯網設備和邊緣計算裝置等。這些小型 語言模型需要在有限的計算資源和存儲空間下實現高效的自然語言處理能力。在這種情況下，訓練資料量的大小對於客戶端小型語言模型的性能至關重要。 過去的研究已經表明，大規模的訓練資料對於建立高性能的語言模型至關重要， 但對於客戶端小型語言模型而言，資源的限制使得無法直接應用這些方法。因此，我們需要探討訓練資料量對於客戶端小型語言模型的影響，以找到最佳的平衡點。本研究的結果將有助於指導客戶端小型語言模型的設計和訓練，從而更好地滿足現實世界中的應用需求，同時充分利用有限的計算資源和存儲空間。

AI智慧在新時代嶄露頭角，我們融合了紅外線熱感測儀、GPS座標定位系統和AI人臉識別技術，成功研發了一款創新的AI人工智能水上搜救裝置。我們的目標是透過這項技術，提高溺水者得到及時救援的機會，保障海上活動的安全。本研究將進行一系列測試，以驗證該裝置之性能。同時測試其防水性能，以確保其電子設備不會受損。接著，我們會進行座標回傳的測試，確保裝置能夠準確地定位需施救者的位置，將有助於救援隊伍快速響應。最後，我們將測試結合紅外線熱感測儀的人員識別系統，在海上環境中正常運作並準確識別需救援者的能力。本創新的技術將為海上救援帶來新血，使救援行動更加高效和可靠。我們期待這項裝置的成功應用，以保護更多海上活動者的安全。

本研究以對偶圖的性質，取代以往著重點或邊數量的方法，探討平面圖中漢米爾頓迴圈的存在性。我們設計一套定理，判斷對偶圖對應之原圖是否存在漢米爾頓迴圈，並提出「T 搜索」，有效降低電腦計算的時間複雜度。此外，我們建立多項化簡定理，能在不影響迴圈存在與否的前提下，透過邊、點的替換與收縮，或圖的結構分解來簡化圖形。研究中也討論 Herschel Graph 與 Tutte’s Graph，並提出當圖中出現特定結構時，原圖不具漢米爾頓迴圈的判別條件。最後，成果可用於構造具漢米爾頓迴圈平面圖之對偶圖，並期望數學方法推導出無漢米爾頓迴圈的平面圖，或用電腦窮舉所有無漢米爾頓迴圈平面圖之對偶圖，以便延伸討論。

本研究以四種不同殺菌條件之市售鮮乳試製莫札瑞拉起司，並與生乳進行比較，結果顯示僅RM65 組和HTST 72組成品具拉伸延展性，且RM 65組具顯著最高的製成率和含水率、顯著較低的TPA最相近；後續再以不同拉伸溫度為變因對瑞穗極制鮮乳所製之起司進行品質探討，發現其製成率隨拉伸溫度上升而下降、硬度值和截切值則隨拉伸溫度上升而增加，其中以65℃進行拉伸的組別擁有較佳的製成率、外觀顏色、柔軟度和拉伸延展性，可做為一般民眾在家自製莫札瑞拉起司時可輕易取得之乳源，期能為受紐西蘭乳零關稅衝擊的國產鮮乳開發創新產業出路，朝向多元發展，為本土酪農產業鏈注入新動能。

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。

本研究針對新竹地區水源受潛在污染影響且磷檢測昂貴的問題，改良傳統磷鉬藍法（PMB），以發展低成本、高靈敏度且環保的磷酸鹽檢測方法。 主要針對三項缺點進行改良：（1）高試劑用量、（2）使用有害銻離子、（3）鑑別度受限。透過九宮格實驗設計，調控鉬酸銨與維生素C濃度，並進一步控制反應系統，透過吸收光譜分析，成功篩選出能避免鉬藍干擾且反應時間短的最佳條件，成功建立良好的檢量線。應用於新竹地區自來水檢測，總磷濃度為0.045–0.101 ppm之間具有顏色鑑別能力，證實其半定量的可行性。 與傳統法相比，本法化學污染減少至1/45，操作簡便，且有機會發展成「磷酸檢測球」，本研究所開發方法兼具環保性與普及性，適合用於水質監測與環境教育推廣。

我們主要研究鋸琴（伐木鋸）發聲的原理，探討演奏過程中可以用來調整的因素，如施力大小、方式、形狀...等，研究這些不同變因與發出聲音的關係；並討論使用不同引發聲音的工具（塑膠槌和弓弦）與擾動位置對聲音的影響。此外，還有對參考文獻中所描述鋸琴彎曲形狀之J形、S形與甜蜜點的定義加以分析，參考金屬薄片振盪狀態的理論及其拓樸區域模態對聲音的關係，理解演奏時鋸子彎曲形狀和甜蜜點在實驗中的角色，歸納出彈奏鋸琴時可使用的規律。

賽滅寧(Cypermethrin, CYP)是一種被廣泛使用的II型合成除蟲菊精類農藥，常利用於蔬果及驅蟲中。已知，攝入高劑量的CYP會影響人體健康，並殘留於毛髮、皮膚與脂肪組織之中難以代謝。本實驗藉由鹽酸模擬CYP進入體內後受胃酸分解的狀態，檢測其降解產物與方式，並由CYP與降解產物的實驗探討是否會對數種與體內疾病相關的酵素發生交互作用，從而對酵素的活性與功能產生抑制作用。實驗發現CYP經由強酸會水解為兩種化合物，並對造成阿茲海默症的酵素乙醯膽鹼酯酶(Acetylcholinesterase)產生抑制作用，當CYP濃度越高時，抑制性越強，且經由對人類神經母細胞瘤細胞(SH-SY5Y)的毒性實驗發現相對是安全的。希望能藉此研究進一步探討CYP對體內酵素作用的影響，並且探索CYP降解物對生物體是否帶來潛在的益處。

本研究探討Lato-Lato與物理機制相關的系統：在一根繩子的兩端各懸掛一顆球，並將繩子的中點固定在一個能夠垂直振動的支點上。當支點以一定的頻率和振幅進行振動時，系統最初表現為規律的單擺運動，但隨著振動條件的改變，球體間逐漸發生碰撞，並開始出現能量累積現象，導致整個擺動幅度顯著增大。本研究從直觀的實驗觀察和嚴謹的數據分析兩個角度入手，通過設計精密的實驗裝置和採集詳細的運動數據，深入探討這一現象背後的機理。我們著重研究了碰撞過程中能量與動量的轉換，以及振動頻率、振幅、繩長與球重等參數如何影響系統的運動狀態。最終，我們提出了調整支點振動相位以實現最佳能量傳遞效率的方案，為未來相關工程應用提供一些新的思路與參考。

本研究在探討如何將「雷射都卜勒震動儀」（Laser Doppler Vibrometer, 以下簡稱 LDV）所測量出的一維訊號，進一步轉換出二維資訊，意即聲源的來向。本研究包含兩個部分：以物理推導出系統模型，與利用音檔進行深度學習以訓練AI模組，並根據不同聲源來向進行分類。經過推導，我們發現LDV所輸出訊號與待測物表面之關係。同時，也利用程式模擬待測物受聲波影響後之振動模式。藉此，我們以模擬還原出了LDV所收到的音檔，並與實際錄製音檔比較。最終，我們成功建立了分類準確率將近100%的AI模型，並改善了過去的聲源定位方法。