第一名

在一次的自然實驗課中，余老師讓我們做一個有關碘的結晶的實驗，其結果十分的漂亮，有些為一塊塊的塊狀結晶，有些則為一條條的形狀，和像麥芒一樣的針狀結晶，令人看了目不暇給，坊間利用結晶所製作的用品不在少數，於是我們便靈機一動，想來研究看看那美麗又神秘的結晶的世界。

我們自然課上種子的構造和發芽的時候，老師要我們把綠豆浸一個晚上。在培養皿裡鋪棉花，把十粒浸過的綠豆，讓它發芽。我們從它們冒出胚根，長出莖葉……，一直觀察記錄到倒覆、枯萎。由這一試驗的結果，引起我們這一群研究不同植物發芽過程的興趣，並且嘗試作各種芽菜的培育。

每天上厠所的時候，最怕的是衛生紙常常被擦破，我的手就弄髒了。是我使用的衛生紙太少張呢？或是衛生紙的質料太差呢？還是使用衛生紙的方法不對呢？.......我也問了同學，他們也有同樣的困擾。衛生紙用太多張，操作不方便；太少張萬一拉肚子或大便太稀的話，衛生紙又會破掉，把手弄髒了。我建議媽媽買好一點、貴一點的衛生紙，一可是也有同樣的煩惱。到底怎麼辦呢？我在這次的科學研習活動中提出來，老師就請我們每一位同學，買不同牌子的衛生紙來試驗看看，找出衛生紙破掉的原因？同時，也可以知道那一種衛生紙比較耐用 · · · · ，下面是我們對衛生紙的研究。

自製的「太陽黑子三角觀測器」對黑子的觀察效果佳，具有結構穩定、快速架設等優點。而我們設計的「液態磁力實驗瓶」，可產生「動態」的磁力線，是一大突破。以「液態磁力實驗瓶」可針對日冕噴發、極紫外線圖上的線條分布、耀斑與太陽風等太陽現象，完成初步模擬與理論推演。自創以「磁力線掠奪」的觀點去解釋SOHO衛星的極紫外線圖之線條分布，並證明這些活動線條符合「磁力線掠奪」的理論。「液態磁力實驗瓶」模擬太陽風對地球磁場的影響，驗證地球磁場對太陽風具有保護力。日冕燈泡狀噴發、磁力線掠奪、極紫外線圖的線條分布、太陽風模擬實驗的氣泡行為，都符合以磁力線為理論基礎的推理。而「太陽黑子三角觀測器」和「液態磁力實驗瓶」也是很棒的太陽教學教具，值得推廣。

我們利用電蚊拍和花生糖罐自製了一部高壓起電機作為電源，在兩金屬尖端間製造小型放電，以模擬閃電現象，並藉由改變外在環境來研究不同的介質以及溫度對於電光顏色的影響。我們發現閃電的顏色受介質影響，例如，介質為鈉的電光顏色就呈現亮黃色，介質為鎂的電光顏色就呈現藍綠色，介質為銅的電光顏色呈現藍綠色，其電光顏色與該原子光譜之特徵波長相符。而介質為離子化合物時，則由正離子影響電光顏色。介質濃度愈高或者溫度愈高時，電光的亮度會愈亮並且顏色趨近於白光。因此，我們將此研究結果應用在酸雨成分及溫室氣體二氧化碳為介質時的閃電顏色，發現閃電的顏色會隨其濃度變化，因此可作為偵測汙染嚴重程度的方法。

這是一項以蛋膜為對象的研究，並配合化學課及生物課所學的滲透原理。藉由電導度計測量電導度的變化，間接推得濃度以探討粒子經由蛋膜的滲透速率，分別探討不同濃度的電解質溶液、相同陰離子不同陽離子的溶液、及相同陽離子不同陰離子的溶液，並且探討離子溶液受磁場N、S極、不同位置的影響，以及其他粒子溶液通過蛋膜的情形，加以分析討論。一開始使用電導度計測量實驗裝置一號蒸餾水端的電導度變化情形，研究後發現問題，改善成新的實驗裝置二號，確定它的滲透速率情形。再度發現問題，設計實驗三號，測量離子溶液端及蒸餾水端距蛋膜0 cm處的電導度變化情形，企圖了解各種離子的蛋膜滲透、擴散與磁場的相關性。

92 年8 月間蘆洲市大囍市發生火災，不到五分鐘火勢快速竄燒。但先前已有住戶受不了烈火高溫，試圖用自家的緩降機逃生，卻因不熟悉使用方式，摔落地面。原本是協助民眾逃生的緩降機，卻造成人員傷亡。緩降機使用目的是希望在第一時間逃離災難現場，保障人民的生命安全，但大多數的人不熟悉使用方法、放置場所，造成使用上的困難。目前的緩降機設計上、使用費時、使用步驟複雜、佔用陽台空間，使用者無安全感等原因，造成民眾無法於第一時間自救。本研究將緩降機的使用方法修正，讓大家使用起來更加輕鬆便利，增加使用安全性，讓使用者不需等待別人的救援，便能在第一時間內搶救自己的生命，減輕災害的嚴重性，降低人員傷亡，拯救更多的生命。

雨水與灰塵時常對建築物外牆造成污染，本研究希望設計出防止外牆污染之裝置。首先，為了模擬污染情境，自行設計組裝一套「擬真裝置」，此裝置包含三大部分：雨滴生成器、抿石子試體、灰塵產生器。將抿石子試體以灰塵產生器進行落塵處理後，放置在雨滴生成器下方，實際模擬出雨水與灰塵對外牆造成污染之情境，結果出現「逕流污染」及「飛濺污染」現象。接著，測試各種防止污染的方法，由實驗結果顯示，採用「U型防污設計」將污水導流至排水管，可防止「逕流污染」；採用「60°斜板組件」，可防止「飛濺污染」。最後，我們整合「U型防污設計」及「60°斜板組件」，自行設計組裝的「防污裝置」可有效防止「逕流污染」與「飛濺污染」。

這是我在小時候玩畫花圓圈的一種遊戲，起先，我認為只是畫一畫而已，但是玩久了以後，卻發現：奇怪！為什麼每一個點畫出來的圖案都不一樣？有些花瓣又尖又長，有些花瓣又圓又短，甚至還有一些畫了幾圈就開始重複了呢！於是，我就開始想研究這個奇怪的問題。

本研究以實作字體風格轉換的生成對抗網路模型為動機，將Conditional GAN當作模型的基礎，探討pix2pix模型及其他研究的一些方法對模型會產生甚麼影響，以得出能最優化預測成效的深度學習模型。 首先進行的是前處理的步驟，將字體的truetype檔案轉換成模型輸入的jpeg檔，再以生成器（Generator）和判別器（Discriminator）建立Condional GAN的基礎模型，然後探討加入U-Net、Category Embedding等方法，以及訓練資料集大小對模型造成的影響，最後實作整合的pix2pix模型和CycleGAN模型進行比較。 經過實驗後發現，U-Net和Category Embedding都對模型的預測成果有所幫助，而使用越多字體進行訓練會有越好的成效。另外，對相似的字體而言，CycleGAN的效果較好，而對兩種風格差異較大的字體則需用Category Embedding的方式，融入更多字體進行訓練以達到更好的成效。