四等獎

睡眠相關問題常見於現代緊張的社會，傳統睡眠分析方法需要腦電圖（EEG）、肌電圖（EMG）、眼電圖（EOG）等信號，量測複雜度高。本研究透過 Python 程式語言以深度學習和階層式投票機器學習方法，開發一套自動分析程式，僅透過心電圖（ECG）信號分析睡眠階段。並結合睡眠評估標準，製訂一可量化的睡眠品質評估表，提供臨床醫師判讀睡眠品質的指標。本研究的優點是僅透過一種信號便能準確、客觀、快速分析，且操作介面簡易。研究結果顯示，本研究清醒和睡眠狀態之辨識準確率高達約90%，與其他類似睡眠品質評估研究的論文比較，準確率高出10～17%，整體睡眠階段分析準確度高達87%。本研究方法未來可應用於臨床醫療，協助醫師做精準的患者睡眠品質診斷。

抗癌藥物的研究一直受到重視，吲哚(indole)衍生物可助抵擋自由基，而二吲哚(Di-indole)衍生物已成為抗癌劑。鈣離子/鈣調蛋白依賴性蛋白激酶 (Ca2+/calmodulin-dependent protein kinase II，CaMKII)之抑制劑為癌症標靶藥物重要研究方向之一，抑制CaMKII可降低各種癌細胞增殖和存活，但目前尚無CaMKII抑制劑藥物。本研究以三吲哚為主架構，發展衍生物作為CaMKII抑制劑，期望可應用於抗癌劑。電腦軟體Discovery Studio2016模擬各種三吲哚衍生物分子模型與CaMKII α(PDB: 2VZ6)之結合能，選出結合能較大之化合物3，並延伸結構/活性(SAR)最佳化，進行一系列高效率藥物合成純化工作。經由送測生物細胞活性，其中先導化合物(lead compound) 3-1對癌細胞之毒性高且對CaMKIIα的抑制效果佳，符合癌症治療上的需求，將繼續最佳化此結構，並進行細胞訊號傳送途徑及動物實驗。

本研究先觀察著名的密克定理（Miquel theorem）與密克點（Miquel point），我們創新給出了新的研究項目，關注密克點𝑃與密克三角形的頂點所構成直線和原三角形𝐴𝐵𝐶三邊直線的其餘六個交點，這是前人沒有觸及的研究項目，從而定義旁接三角形與衍伸三角形。 我們先針對特殊型（直角）的構圖，發現滿足兩個衍伸三角形的有向面積 [𝐴1𝐵1𝐶1]=±[𝐴2𝐵2𝐶2] 時，𝑃 點形成的軌跡為原三角形的 Kiepert hyperbola 與外接圓，這個是有趣且重要發現，我們也進一步給出其幾何必然性。進一步考慮 [𝐴1𝐵1𝐶1]=𝑟[𝐴2𝐵2𝐶2] 時，則刻劃出 𝑃 點軌跡為圓錐曲線系。在前面的基礎下，再針對一般型（任意角）的構圖，若 𝑃 點位於原三角形外接圓及Kiepert hyperbola 與 Steiner circumellipse 的線性組合曲線上，此時兩個衍伸三角形 𝐴1𝐵1𝐶1 與 𝐴2𝐵2𝐶2 的有向面積比值為定值，且兩者恆為相反數。

超音波已廣泛用於奈米粒子的製備，然可聽聞音對奈米粒子製備的影響卻少有研究。本研究以簡易喇叭裝置產生可聽聞音並在溶液表面產生法拉第波及內部流動，來輔助製備奈米鎳。法拉第波是一種表面非線性駐波，透過調整容器形狀、振動頻率等，可產生不同波形。本研究嘗試在法拉第波輔助下，以化學還原法及電沉積法製備出不同性質的奈米粒子。SEM量測並比較無輔助、法拉第波輔助、超音波輔助製備出的奈米鎳的形貌、分布的差異。並將其應用於有機物(即剛果紅、亞甲藍、4-硝基苯酚、2-硝基苯酚)之催化還原。而由SEM量測、催化還原結果及理論模擬反應熱可知，法拉第波確實能夠改善奈米鎳的粒徑大小、分散性、對氫的吸附能力及催化還原能力。

給定三種大小不同的正三角形，邊長由大至小分別為正整數a、b、c，在每種三角形皆需使用的情況下，去拼出邊長為正整數的正三角形。眾所周知，「找到所有可以被拼出的正三角形邊長。」這個問題是困難的，原因是正整數有無窮多個，且可行的拼法非常多種。故本文欲探討的問題為：「尋找a、b、c的條件，使得無法被拼出的正三角形之正整數邊長個數僅有有限個。」 我們估算無法被拼出的最大正整數邊長，並為所有大於此數的正整數邊長，分門別類地創建合適的拼法，解答了上述問題。

本研究利用中央氣象署2003年至2022年在宜蘭地區的地面測站雨量及風場觀測資料，分別在蘭陽溪以北與以南的平原與山區各選取十個測站進行分析，再輔以宜蘭降雨觀測計畫所提供的探空斜溫圖，探討宜蘭地區三維風場及因特殊地形作用所產生的雨量分布及變化。研究結果顯示：宜蘭地區的降雨量多寡與降雨特性分成五區，分別是中央山脈迎風面（4000~5000mm）>雪山山脈山區（約3500mm）>平原內部（2500~3200mm）>中央山脈背風側（約2700mm）>無地形作用（約1200mm）。其中中央山脈迎風地區年雨量逐年上升，背風面雨量逐年下降。另大尺度的東北季風進入宜蘭平原，與地形交互作用產生繞流西風再與低層東北季風產生輻合舉升作用，常造成了宜蘭地區冬季劇烈降雨事件。

登革熱病媒蚊幼蟲主要孳生於人工積水容器中，幼蟲生長發育主要受到溫度與食物的影響。本研究至戶外調查人工積水容器，發現塑膠類人工容器為主要孳生類型。於實驗室以 11 種人工容器培養白線斑蚊幼蟲，結果發現塑膠底盆的幼蟲發育速度較快，蚊蟲平均翅長較長。以塑膠組成物質雙酚 A 進行試驗， 發現高濃度 (>50 mg/L) 雙酚 A 會導致幼蟲死亡， 活動力降低； 中濃度(12.5~1.56 mg/L) 會促進幼蟲生長速率，縮短發育時間；低濃度 (<0.78 mg/L) 則不顯著。以濃 6.25mg/L 雙酚A 處理蚊幼蟲，Q-PCR 顯示四個齡期的幼蟲蛻皮激素基因 (Ecr) 分別表現量都有增加，其中四齡幼蟲增加 9.68 倍，蛋白質分析顯示 34~72 kDa 之間的片段濃度增加。在蚊幼蟲防治上，4.0 %蛋胺酸和 1.0% 硼酸皆可 100%抑制孑孓活性，結合低濃度蛋胺酸(0.13%)和硼酸(< 0.5% )可以提升 30% 抑制孑孓活性的功效。

將平面上A1A2A3的三邊以逆(順)時針方向向內旋轉相同角度後，若三線交於一點，則稱該點為此三角形的正(負)布洛卡點。任意三角形必定同時存在正、負布洛卡點[5]，我們的研究主要是推廣布洛卡點的定義到所有的折線多邊形，並進一步研究布洛卡折線多邊形的充要條件與性質。我們定義調和多邊形為正多邊形的反形，並統整出其與特定條件下的圓內接多邊形互為充要的性質，進而發現了圓內接布洛卡多邊形與調和多邊形之間的充要關係，這是目前中外文獻中沒有的。最後，我們試著利用中垂面與垂面將布洛卡點推廣到三維空間。

背景：預測分子性質如溶解度、毒性及熔沸點對於基礎科學至關重要。然而，實驗測量這些性質耗時且昂貴，因此本研究使用多種機器學習模型藉由調整變相來準確預測熔、沸點。 方法：本研究使用超過一萬筆數據及兩種類型的機器學習方法：淺度與深度學習。淺度學習由 PyCaret實現，並以Mordred作為分子描述器；深度學習使用圖神經網路，包括（CMPNN和GCN），並調整隱藏層參數。 結果：CMPNN在目前嘗試的模型中表現最佳。發現影響沸點預測的關鍵特徵是piPC1，與鍵級相關；熔點則是AATS0d，與σ電子的 Moreau-Broto自相關有關。 結論：CMPNN模型在沸點與熔點預測中均表現最佳。沸點中深度學習模型優於淺度學習模型（p<0.05）。此外，使用SHAP成功找出piPC1和AATS0d對最關鍵。本研究不僅得出了高準確性的模型，還發現了影響分子性質的關鍵特徵，且可擴展至其他預測。

水產養殖在應對傳統漁業過度捕撈和資源下降所帶來的挑戰中扮演著重要的角色。隨著水產養殖作為全球食品安全和經濟發展的關鍵組成部分不斷嶄露頭角，它面臨著與細菌感染相關的挑戰，以及對抗生素過度使用的日益關注，這既對環境又對健康構成風險。我們的研究深入探討了海洋食微生物對生態系統的重要性，特別關注了在水產養殖背景下的 Euplotes sp.。為此，研究致力於建立 Euplotes sp. 的標準化培養方法，並評估其作為水產養殖中對抗細菌感染的生物防治的潛力。進行的實驗探討了 Euplotes sp. 在水質凈化方面的有效性以及對海洋細菌生長的影響。研究結果為水產養殖和廣泛的水產品生產領域發展環保和可持續實踐提供了希望。