2023年

因應氣候變遷碳，國際興起碳中和與循環經濟熱潮，而廢棄電子垃圾就像是一座城市礦山，蘊藏豐富的回收價值。本研究運用深度學習物件偵測來辨識廢棄PCB電路板上的有價值零件，以YOLO物件辨識方法建了一個AI影像辨識電子零件模型程式、常見PCB電子零件的金屬成分含量、紅外線影像處理，以及運用PID控制和圖像處理來控制傳送帶。實作出一個能估算廢棄電路板回收價值的原型機。其結果顯示對於鋁金屬和銅金屬有相顯著的回收效果。本研究希望讓大眾意識到廢棄家電的潛在價值，增進電子廢棄物意願，促進再生金屬產量，實現碳中和終極目標。

研究發現食用醃漬食品能夠讓腸道菌相平衡、提高免疫力、降低血脂血壓等。科學家們從這些食物中分離出乳桿菌（Lactobacillus）、鏈球菌（Streptococcus）和明串球菌（Leuconostoc）等。本研究希望從醃漬食品中分離出能夠維持腸道健康的益生菌。首先，我們從台北的傳統市場收集醃漬食品，利用選擇培養基分離細菌。通過PCR確認為乳桿菌屬後，測量他們的胞外多醣產量。我們發現菌株1-1、 3-2、 3-4、 3-6-2、和 3-8能夠在含有低酸和膽鹽的環境生存，並測試他們對人類胃細胞的毒性。在MOI=10的情況下，所有菌株都能維持細胞80%的生存率。但是，菌株1-1、 3-2、 3-4、 3-6-2、和 3-8的細胞貼附能力非常弱。除此之外，我們發現菌株PV15、 1-1、 3-2、 3-4、 3-6-1、 3-6-2、和 3-8的上清液能小幅度地抑制大腸桿菌生長能力。未來，我們希望能進行腸道細胞的實驗（CACO-2），並利用動物來檢測菌株維持腸道健康的能力。

高性能電極對於析氫反應(hydrogen evolution reaction，HER)在未來能源需求中極為重要。高效析氫取決於電極特性可否催化HER，降低電解反應的過電壓。文獻記載石墨烯適合做為電極表面的HER催化劑，利用薄層微量雙金屬的製程技術，可從電極背面析出奈米銀並摻雜到電極表面石墨烯，形成銀摻雜石墨烯(Graphene/Ag-doped)異質結構，增強電極表面石墨烯鍍層的電導。本研究優化此技術，將銀奈米結構沉積在石墨烯的缺陷及晶界邊緣，透過鍍銀技術與實驗參數（化學氣相沉積法的加熱溫度、時長和通氣量），製造出嶄新的Graphene/Ag-doped異質結構材料，增強了電極電導及快速傳輸電子連接的電極表面活性點，大大提高HER的效率。量測結果證明Graphene/Ag-doped異質結構較單層石墨烯具有超過10倍的導電度，電流密度增加20倍，塔弗斜率(Tafel slope)減少50%；與文獻中使用單層石墨烯/奈米碳管異質(rGO-MWCNT)之最佳材料相比[4]，本研究之Graphene/Ag-doped異質結構的Tafel slope為80 eV/dec，在析氫反應之消耗能量已大幅降低到幾乎減半。本研究成功製造出高導電、低過電壓，及高效率析氫的電極材料，為未來綠色能源開闢了途徑。

我們想利用機器學習進行疾病診斷，但現有方法對罕見疾病的預測精確率低，且若過於專注在罕見疾病預測的提升，容易導致整體精確率降低。 為了兼顧整體與罕見疾病的精確率，我們將預測分為兩個階段。在第一階段運用現有的多標籤分類方法訓練，第二階段使用二元成本導向判斷病人是否有罕見疾病，再利用第二階段得到病人有無患有罕見疾病的結果，決定是否在預測此病人可能患有的疾病時，保留一個位子給罕見疾病。實驗結果呈現在兩階段皆用神經網路（Neural Network, NN），能正確預測罕見疾病的比率為現有方法的八倍，而整體精確率只下降 0.02，並實作出疾病預測系統。

因為我們一開始對電腦程式語言有濃厚的興趣，所以去學習了python程式語言，後來發現到世界三大益智的華容道遊戲，似乎可以加以運用，又從文獻中發現了人工智慧之重要性和增強學習的各類法則。剛好於國中時期寫出了讓電腦產生並解決3*3數字華容道之程式。但發現4*4的遊戲竟有20兆種組合，該無法用3*3之程式思維。後來用了增強學習的Q-Learning技術，不僅完成任務，而且還可以發展出人與電腦的比賽，造成轟動、受到小朋友的喜愛~最後我們還希望自己能設計出不同的華容道加以測試，並研究深度增強學習（DRL）的原理與應用，來解決更高階的遊戲，達到增進人工智慧學習的發展。

將兩個相同的n角齒輪重疊後，再砍去若干個特定重合的角，欲使上層齒輪在繞公轉軸旋轉一圈的過程中，兩齒輪皆有重合的缺角，在這個目的之下探討砍去的角數量，使其最小化，將其最小值稱為n角齒輪的最小可行數，以符號記為f(n)。我的研究是考慮自然數 ，對於砍去角的位置，制訂設計方法，在數量上求得f(n)較好的上界與下界。我將這個問題代數化，運用集合與數列的概念進行研究，進而轉換為組合設計的最佳化問題。特別的，若齒輪中任意兩個缺角在圓周上的最短距離皆相異，則表示砍去重合角的位置為最緊緻的狀態，將這些特殊的缺角位置稱為完美集合，我也試著探討缺角為最緊緻的特殊情形，分析完美集合的存在性。

隨著人們對綠色能源的日益重視，具有乾淨、無污染優勢的氫能源被寄予厚望。光電化學水分解被認為是一種新穎且有前景的產氫策略。然而，光電化學水分解受到載流子分離效率低、載流子界面傳輸速度慢和可見光吸收差等因素限制。FeOOH曾被報導能有效進行表面改質，並提升活性位點的手段，尤其β-FeOOH具更優秀的電化學表現，且具豐富的氧空缺，其可以輔助電洞轉移並與Fe2+結合[1]，因此本研究使用β-FeOOH奈米粒子修飾WO3奈米板的表面，且因為它具有較低的能隙，可有效提高其在可見光區域的光吸收。光電流密度在1.23 V vs. RHE(可逆氫電極) 時可顯著提高至1.41 mA /cm2，比純WO3奈米板高約2.3倍。特別是FeOOH @WO3奈米板的雙電層電容值更是提升至472 μF/cm2，並且在太陽光的吸收比純WO3奈米板都更有優勢。未來，我們將結合儲氫技術開發成套供能裝置，不斷提高太陽能製氫系統的效率。

本研究旨在解決先前研究未解決的問題。而在本研究中對於對稱規則及非對稱規則的梅花棋遊戲，各提出兩大人工智慧演算法。分別是Minimax及Monte Carlo Tree Search。而在這之中，Minimax又被分為探索深度一層、兩層及三層、MCTS則是以模擬次數分為100、300、500、…、1900多個版本。而以目前的成果來說，我們認為其勝率並不理想。而主要的原因還是要歸咎於目前所有演算法的結果過於隨機化，而即使我們對於UCB公式進行優化，雖然勝率有所提升但仍然不符合我們的期待。為了解決上述問題，我們希望從根本解決運行效率過低的問題，而最顯而易見的方法就是在遊戲運作前先將人工智慧訓練完畢，也就是在遊戲開始時直接給予一套策略，令電腦無須再做額外的遊戲模擬。綜上所述，我們開始實作Tuple-Network、TD Learning及AlphaZero的相關架構，但礙於時間關係，模型尚未被訓練。

自駕車的相關研發日益受到重視，尤其在複雜的交通運輸中提供更安全、更有效的防護是自駕車的發展重點之一。本次研究主要探究不同距離感測器與不同PID自動控制組合，針對靜物與移動障礙物進行煞車成效分析。研究結果顯示不同的距離感測器的精準度與穩定性不同，在固定障礙物狀態下雷射距離感測器因為精準度和穩定度較高，而超音波較容易受到外界干擾，所以比較不精準。由於超音波距離感測器的偵測範圍廣，所以可以事先偵測到移動障礙物，反而提供自動控制較多的反應時間，在加速度的表現上較為穩定．自動控制表現上P控制的情況下機器人常常卡在最後一點點的距離，不過超音波感測器因為會有點誤差，所以反而會比雷射感測器快停下來；PI控制因為可以消除穩態誤差，所以時間消耗都是最短的；PD控制原本的功用應該是快速修正，由於D控制的增益常數（gain）過大，影響D控制作用，因此PD控制的效果沒有特別突出的部分。

雲彩是其中一個在世界上最奇妙的自然現象。在其中也隱藏著巨大的觀光經濟利益。因此，我們想要建立一個系統以預測晚霞雲彩出現的時間，以幫助台灣的觀光業。 本研究將藉由柯西公式、折射反射相關定理以及其他由論文貢獻的輔助公式提出一個計算模型，以計算預測晚霞雲彩出現的時間以及光的路徑。自動化的部分，包含溫度、壓力以及濕度，我們藉由政府的公開資料平台以及衛星公開資料進行靜態網頁爬蟲抓取。雲層高度我們則是透過動態網頁爬蟲，逐一從AccuWeather公開網站上爬取相關資料以利計算。我們將爬取的資料以及所提出的模型計算後以15分鐘作爲一個區隔，提供使用者準確的時間觀賞雲彩。 透過此模型以及爬蟲擷取資料計算得到的結果，我們可以得到接近90%準確率的預測結果。因此，我們能夠準確地為用戶提供正確日落雲彩出現的時間。