平行四連桿機構廣泛應用於機械手臂中，若於桿件上加掛橡皮筋，可顯著降低轉動所需力矩，實現節能。然而，現有設計多依賴經驗與試錯法，缺乏系統化方法。本研究開發出高直觀性橡皮筋平行四連桿輔助設計程式，能提升機構設計效率與準確性。透過建立橡皮筋施加於連桿的數值分析力矩模型，並透過實驗數據對彈力常數進行非線性修正，提高模型有效性。同時，構建綜合指標以評估系統性能，並運用基因演算法搜尋最佳參數組合。實驗結果顯示，運用輔助設計程式尋找橡皮筋的最佳掛置點，能抵銷高達99%連桿所需做功，展現極高應用潛力。未來將納入轉動慣量與摩擦力，進一步提升模型現實性，並推廣至其他四連桿機構設計，為機械系統節能提供全面解決方案。

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%。

本探究從遊戲電影與日常生活中得到許多的啟發。最主要在探討製作出導熱與散熱效果最好的鐵磁流體，我分別應用不同的材料做出差異。首先找出最適合的鐵粉來製作，做出第一代鐵磁流體，再調整比例，接者挑選基載液體，再嘗試放入表面活性劑，最後是洗潔鐵磁流體的液體。經實驗發現以鐵粉為四氧化三鐵，表面活性劑為大豆卵磷脂，基載液體為煤油，以及洗潔鐵磁流體的液體為酒精所做的流動效果為最佳。我自製了一台簡易測量裝置，以此更加便利於測量鐵磁流體的最高長度和影響鐵磁流體的最高距離。而後為確認最終各項鐵磁流體的傳導效果，我製作了簡便小裝置計算冰塊融化的時間，以此分辨出最佳的鐵磁流體。最後的成果也證明出了鐵磁流體獨特的性質。

近期研究發現AI可以影響心理歷程，如Chukwuere和Handoko(2024)指出AI對學生的學習或輔導產生正面效益。本研究旨在開發升學輔導AI，並驗證此AI能否增加受試者的生涯定向。實驗一以新北市某高中214人為研究對象，證明AI有助改善學生生涯定向；實驗二研究同校108人，探討不同AI取向對高中生生涯定向的影響。研究結果顯示：一、AI可改善生涯定向，但與自行搜尋網路資源的效果無顯著差異；二、資訊取向機器人提高高中生生涯定向的效果優於情意取向機器人；三、無論是否有生涯決定之高中生，使用情意取向機器人或資訊取向機器人後，其生涯定向皆無顯著差異；四、兩次實驗的受試者繼續使用AI的意願皆為3.44 (滿分為5)。

延續去年飼養黑水虻實驗，討論如何利用黑水虻處理生質癈棄物後產生的衍生物--蟲糞。在實驗中利用蟲糞和黃泥混合後製作蟲糞蜂窩煤。探討最適合的原料比例。並比較以蟲糞、木屑、煤碳為原料的燃燒顆粒，碳排放量的差異。

本研究目的在創建有效降低校園走廊奔跑的警示系統，以AI糾察隊取代人力。第一代利用micro:bit加速度感測器，以強度>2800成功判斷跑步行為並發出警示。第二代使用micro:bit、麥坤智能車及超音波感測器製作走廊跑步監測器，記錄時間差來判斷跑步與否，不僅找出學生走廊奔跑速率的邊界條件－兩機器距離60公分，時間差240毫秒，還突破測速照相單向偵測的限制。第三代用AI影像辨識與預訓練人體模型的OSEP平臺－它每0.2秒偵測鼻子X座標位移是否介於180~300，以此速率規則判斷是否奔跑。結果顯示，跑步辨識準確率達94%，還讓走廊奔跑率從71%降到48%，更建立即時通報系統，防治效果顯著。

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。

本研究採用11種53隻蜘蛛的框架絲與築巢絲為材料，利用電學設備以電訊號偵測蜘蛛絲對環境濕度變化的電阻反應。實驗使用自行設計的器材與方法，將蜘蛛絲並聯後記錄其在相對溼度40%至90%的區間內的電阻值變化並作圖分析。結果發現所有蜘蛛絲在低濕度時電阻值都偏高，直到絕對溼度在10g/𝑚3左右電阻才會開始下降。由實驗所得的數據發現不同種類蜘蛛絲的「電阻–溼度趨勢圖」都不同，此結果說明同為蛋白質材質的蜘蛛絲，在親緣關係相近的蜘蛛中，其蜘蛛絲的電阻特性與濕度反應也有很大的種間差異。希冀本實驗結果能對未來仿生學與生態演化生物學議題上，如蜘蛛絲在環境感測之應用與蜘蛛絲蛋白質特性之演化等相關研究做出貢獻。

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。

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。