隨外送餐飲盛行，熱食頻繁接觸塑膠容器，潛藏釋毒風險。本研究以920株小白菜進行水耕栽培，探討多種塑膠袋、塑膠瓶與保鮮膜經100°C處理後的溶出物對植物生長之影響，並結合 IAA 生長素模型推估其作用機制。實驗結果顯示，高溫處理後塑膠溶出物明顯提高小白菜矮化比例，其中以PVC 保鮮膜最嚴重，短期矮化率達41%。推估其作用濃度由10⁻⁴ ppm上升至10⁻² ppm，呈現濃度依賴性干擾。另以TDS值監測樣本水質，發現TDS偏低時常伴隨萌發率下降，單憑TDS難以反映實際毒性。本研究驗證高溫塑膠容器可能釋出具生理活性的物質，小白菜可作為早期生物指標。結果亦顯示高溫塑膠溶出物影響生物生理，對食品安全與環境健康構成潛在風險，建議避免以塑膠容器長時間盛裝高溫食物。

本研究以台灣大蟋蟀（Brachytrupes portentosus）為研究樣本，選定苗栗縣竹南鎮崎頂子母隧道作為研究樣區，探討族群數量變化與生態習性。將樣區劃分為A、B、C三個，並於2023年7月至2024年12月進行一年半的觀察記錄。結果顯示，台灣大蟋蟀的洞穴數量會隨季節與環境條件變化。春季平均孔洞數為35（個/月），夏季增至51（個/月），秋季則降至7個（個/月），冬季回升至16個（個/月）。數據顯示，秋季孔洞數量最少，推測與成蟲繁殖週期有關；夏季為終齡若蟲活躍期，孔洞數量達到最高峰。此外，飼養觀察發現台灣大蟋蟀具有藏食行為，會將食物帶回洞穴內食用，甚至將部分食物堆置於特定區域。這項發現顯示台灣大蟋蟀具備特定的食物儲存策略，對其生態適應性與行為提供新的研究視角。

看到大學入學考試中心九十九學年度學科能力測驗試題G中有關2倍角三角形，就產生討論其三邊整數生成器的發想，便由此出發，證明該三邊整數生成器為全起源整數三邊生成器，並討論其整數邊三邊的數論性質與相關性質，再延伸至3倍角整數邊三角形、4倍角整數邊三角形乃至於n倍角整數邊三角形，得到其三邊全起源生成器與推廣至MN倍角整數邊三角形三邊整數生成器、討論相關特性並推廣至n倍角整數Heronian三角形。

本研究從還原電位角度切入催化劑與雙氧水產生氧氣的反應路徑，思考二氧化錳無法長時間穩定產生氧氣的原因。查閱文獻發現，雖然二氧化錳具高還原電位，但反應過程中易被還原為 Mn²⁺ 而使催化能力下降。藉由還原電位表知道二價與四價鈀型的分子皆能氧化雙氧水，催化產生氧氣，因此本研究設計將鈀沉積於氫氧化鎳表面防止鈀顆粒團聚，透過高溫熱氧化製作出氧化態的鈀奈米酵素，結果顯示，9%鈀摻雜的 NiO 可快速催化反應， 溶氧量達 12.8 mg/L，效率優於 MnO₂ 與天然酵素，且連續反應三次後仍維持 96% 效率，金屬流失率小於 3.5%。本研究開發之 NiO:Pd 奈米酵素展現優異的催化活性與重複使用性，更適用於須穩定產氧量化的實驗課中和緊急供氧與環保催化等領域。

本實驗探討空蝕效應空穴產生和氣泡附著於鋁箔紙上的情形。我們使用超音波洗淨機為製造超音波場的工具，將固定大小的鋁箔紙放入超音波場中產生破洞，透過破洞在鋁箔紙上的分布，推論在腔體裡氣泡的分布與傾向附著的部分，也利用顯微鏡在微觀下更仔細地觀察破洞的擴張情形，藉以得知氣泡如何在鋁箔紙上附著。 實驗中我們利用不同觀察方式，推論出氣泡在鋁箔紙上造成破壞的位置，也利用顯微鏡實際觀察破洞，確認我們的推論，使用顯微鏡實際看到破洞後，我們透過破洞的變化，建立許多模型，最後根據我們推導出的理論製作程式，模擬一個完整的鋁箔紙，按照這些氣泡產生與附著機制產出的破洞分布，和實驗結果有無相符，再次證明我們對氣泡的理論。

研究以生物材料製成電極和太陽能電池的製作方法。以自製四點探針器測自製膜的電阻，得最佳電極條件：溶液pH4.7，-18°C、24hr前處理後噴TPP，在氯化鈉0.1M下反應，電阻率最低6.76Ω·m，機械強度1244.19g，結構穩定且可提升I−的轉換效率。以鋁網-幾丁聚醣氧化石墨烯膜為負極、銅箔-幾丁聚醣氧化石墨烯膜為正極，能使電子移動方向穩定，提升電流，且可彎曲增加應用性；使用花青素/葉綠素天然染料及0.5 M碘酸鉀/碘化鉀電解液，最後製成的電池電功率最高19.58mW，可取代ITO玻璃且串聯3顆可讓Led亮，以500W/cm2 強光照射電池組7天，電功率仍有31.21mW，具高抗衰減能力，未來可推廣至生活及教具使用。

現有的排風設備往往受環境風向影響，導致進風量受阻，進而引發通風不足的問題。在進氣效率低落的環境中，無論是工作安全、設備運行，甚至日常生活，都可能面臨潛在風險。本創作的核心特色在於風扇能根據外部風向靈活調整運行方向，使排風設備即使在外界風場干擾下，仍能維持穩定且高效的通風率，從而有效改善傳統排風設備的局限性，提升整體換氣效能與環境安全。

現今網路充斥著具壓力的負面言論，影響使用者的心理健康。本研究旨在參考 C-ME 量表並整理為四大類標籤，人工分類從論壇蒐集的言論來訓練模型。研究採 LSTM、雙向 LSTM、CNN + LSTM 及 Transformer四種深度學習模型，基於自建資料集進行訓練，實現對全新言論的精準分類，並比較四種模型在精確率、召回率及 F1-score 等指標上的表現。結果顯示，LSTM處理數據不均衡的資料集時表現最佳，F1-score達89.2%。實測發現，CNN+LSTM 在預測效果上略勝 LSTM。此外，結合生成式 AI GPT-4o-mini，能有效改善不當言論，為留言者提供更委婉的表達建議。

本研究提出一套結合BERT模型與自訓練分類器的失語症分類系統，透過多個方法及參數組合提升判斷精確性。研究靈感來自櫻井等人(2023)[15]提出的BERT分類模型，並參考Cong et al.(2024)[5]針對大型語言模型(LLMs)在臨床環境中的應用，進一步探索自訓練分類器在增強BERT判別能力方面的潛力。 本研究的創新點在於，模型基於醫生標註的分類結果進行深度學習，而非讓AI直接從語料中自動分類病患類型，這與先前主要依賴LLMs自動分類的方法不同。此外，本研究納入詞性、語法結構與語音長度及肢體語言標記，以提升模型的處理能力與個人化治療。 考慮語料庫規模及醫學倫理，本研究採用AphasiaBank(全球最具權威的語料資源之一)的英文訪談文本進行模型訓練，同時移除所有個人隱私資訊。

在科技進步的年代，電晶體成為組成高效能晶片不可或缺的元件，其發展影響著電子產品的效能與功耗。隨著製程技術節點縮小至2nm以下，傳統鰭式場效電晶體 （FinFET）架構逐漸面臨短通道效應與漏電流增加等挑戰，而環繞式閘極場效電晶體（GAAFET）技術則因其優異的電流控制能力與低功耗特性，成為新一代電晶體的主流。本研究探討在固定有效寬度與垂直間距的條件下，不同奈米片堆疊數量對電晶體電性的影響，透過科技電腦輔助設計（TCAD）軟體模擬分析次臨界擺幅（SS）與臨界電壓（Vt）等參數，對下世代環繞式閘極奈米片場效應電晶體(NSFET)進行最佳化研究，提供未來半導體技術發展之設計方針。