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。

近年來隨著資訊科技發展，詐騙行為日益猖獗。儘管政府已建置防詐網站與專線提供人工審查，但面對大量詐騙資訊，其效率仍顯不足。為降低人工審查負擔，本研究探討提示工程技術（Prompt engineering），評估其是否可提升GPT模型對圖像與語音詐騙內容的辨識準確率。研究設計採用三種不同提示策略，分別應用於圖像與語音資料中，並比較其判斷正確數以分析準確率差異。結果顯示Chain-of-Thought Prompting在兩種媒介資料中表現皆優於其餘提示工程模型，顯示良好判斷效果。本研究基於Chain-of-Thought Prompting模型開發互動式網頁程式讓民眾可立馬使用網頁判別可疑的圖片、音訊，展現應用於基礎防詐之可行性，亦可為後續防詐系統提供設計參考。

本研究透過PCR、MTT測試等，從食品篩選無細胞毒性的乳酸桿菌菌株CYLB565。此菌株顯著促進GES-1胃細胞的傷口癒合。CYLB565與其分泌物在pH4、6.5的環境下顯著抑制病原菌。抗發炎實驗中，若胃細胞預先以EPS處理，對大腸桿菌、LPS、幽門桿菌誘發的發炎具預防潛力；若於發炎反應同時以EPS處理，對大腸桿菌、LPS誘發的發炎具即時阻斷潛力；若於發炎反應之後以EPS處理，對大腸桿菌、幽門桿菌誘發的發炎具治療潛力。CYLB565在pH 3及0.3%膽鹽環境下具良好腸胃道耐受性。全基因定序結果顯示CYLB565為新發現的胚芽乳酸桿菌菌株，質體具安全性，適合應用於細菌性胃炎的預防與治療。

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。

合成亞胺化合物，抽充法容器除水除氧、分子篩乙醇除水及減壓蒸餾純化苯胺、克勞修斯方程估算蒸餾溫度。TLC偵測純度、計算Rf值並比較各結構極性。UV圖知SA於pH=6在383nm具吸收峰，酸化至pH=4則藍移至326nm，時間掃描測試證明SA酸鹼型結構轉變為瞬間快反應，計算定溫下K值，Van't Hoff圖求ΔH、ΔS，由ΔG負值證明SA酸化為自發反應。各結構λmax次序知芳香環對位助色團共軛延伸及化學反應性優於間位。聚集態時SA及SB2因抑制分子內旋轉螢光增強為AIE效應， SB1因π-π堆積為ACQ效應，各因素競合作用勝出者決定螢光強度，以X ray解晶結構確認內氫鍵的存在，導致SB1與SB2螢光發色相反的結果;合成錯合物Ca-L1及Zn-L1，不同pH下顯色具明顯差異並探討原因，以開發自製螢光pH試紙。

本研究探討O2、CO2與溫度等因子的變化對大刀屬螳螂(Tenodera)生存之影響，以下研究簡稱大刀螳螂。結果一：7種野生環境O2最低平均19.79%、CO2最高438.57ppm，全罩環境CO2濃度平均最高1200ppm，且不吃不喝下平均存活了43天。當低O2平均在8.2%、CO2濃度6496ppm時，雄蟲呼吸速率增快經過6.47小時昏迷，最快0.48小時甦醒。結果二：8種不同環境溫度與行為，首度證實之前從未被證實過大刀螳螂體溫總平均高於環境2.79°C。第9種溫度實驗發現在40°C時，體溫總平均竟高於環境6.97°C，平均3分鐘死亡。

本研究開發智慧寵物健康監控系統，融合熱顯影感測、AI學習、物聯網與邊緣運算，解決傳統健康監測無法即時數據化與預警的問題。初期以問卷與5W2H問題分析建構四大功能：體溫監測與AI發燒預測、糞便辨識與分類、飲食與飲水記錄、異常即時通報。 系統採用MLX90640熱顯影模組與ESP32-S3監測體溫，糞便辨識以Edge Impulse訓練模型，搭配ESP32-S3CAM實現即時運算。飲食行為由 HX711 與超音波感測器記錄，並同步推播至 Discord平台。分類模型參考獸醫建議導入布里斯托分類法，提升精準度。系統具備低成本、高精度與高度擴展性，展現智慧照護應用潛力。

本研究探討如何利用電腦視覺技術預測十字路口行人與車輛碰撞風險，提升交通安全，採用YOLO物件偵測與運動追蹤技術，分析監控影像，透過LSTM 進行時間序列預測，評估可能的碰撞風險。研究先進行影像標註與資料處理，提升自訂物件偵測能力：偵測行人與車輛和追蹤其移動軌跡，建立LSTM預測分類模型，學習運動模式以預測碰撞風險。研究設計先用小球碰撞實驗模擬真實交通場景，訓練模型預測碰撞風險，並透過驗證分析調整參數，再進行實際路口影像處理。結果顯示能預測未來2秒碰撞風險的準確率達73%以上，還可以持續改進，提升精準度。未來，本研究可結合智慧交通管理與車聯網，提升道路安全並減少碰撞事故。

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。

水漬常見於日常生活中，許多人都因它難以清除，或因錯誤的清潔方式，使其變得更加明顯而感到困擾。我們可以藉由探究水漬殘留的因素，實驗各種清潔方式，進而找出最佳的清潔方法。 本實驗首先分析影響水漬殘留的因素，例如水的成分及擦拭方式。透過加熱石灰水，我們製作出水漬。接著，我們調配不同濃度的檸檬酸清潔劑，測試其清除水漬的效果。經過多次實驗，我們發現檸檬酸清潔劑的濃度比例為8公克檸檬酸比100毫升水時，清潔效果最良好。此外，我們進一步進行輪軸實驗，結果顯示，纖維長度越長、抹布孔隙越小，清潔效果越好。 本研究發現了清潔水漬的最佳方式，希望這些發現能幫助人們更輕鬆、有效地去除水漬，保持環境清潔，減少日常生活中的困擾。