2024年

我們發現扁捲總科的囊螺(Physella acuta)與椎實螺科的台灣椎實螺(Lymnaea swinhoei)在親緣關係上雖屬不同科，但卻擁有相似的外型並都具有奇特仰泳動作，推測或許是兩者適應相似生存環境後進而演化出相近構造與行為模式。根據我們的實驗結果顯示，囊螺比起台灣椎實螺擁有較佳的翻身仰泳能力， 其螺殼質量不均的特性使其產生比椎實螺大 1.7 倍的力矩助其翻身仰泳，另外囊螺氣囊有著比椎實螺更大的儲質比助其浮沉調節。漂浮方面，囊螺腹部一半浮於水面所產生的表面張力即可支撐其漂浮，而椎實螺的漂浮仍需氣囊協助，無法單靠表面張力。能量耗損上，仰泳比水中爬行擁有近百倍的節能效益，或是因此讓兩種螺類在演化上願意承擔被掠食者發現的風險執行仰泳。未來期待以仿生概念將仰泳的運動模式延伸結合，打造出更節能省電的水中移動設施。

本研究探討之四氫吡咯酮作為一種常用的藥物骨架，其已被發現在多種藥理學方面具有應用價值。本研究所探討的反應結合了文獻中的含氮五元環合成方法以及另一篇文獻當中以雙氫鍵予體催化劑進行不對稱催化的原理，並利用計算化學的密度泛函理論對此反應進行熱力學分析。 本研究共分成四個階段，第一個階段為方法學測試，在此階段我們選定了以 ω-B97X-D 與 B3LYP 兩種方法進行後續實驗；第二階段則分析了本研究探討的四氫吡咯酮的各種異構物，並選定後續進行熱力學模擬的異構物；第三階段分析了此反應在不同溶劑下的可行性， 發現使用低介電常數溶劑(如：甲苯)對於反應可行性有正向幫助；最後一個階段則為催化劑改良，並發現到在催化劑的氫鍵予體旁加上拉電子官能基可降低反應活化能。在未來，我們將更進一步改良催化劑，試圖改變催化劑對各式立體異構物的反應可行性。

Medication errors in patients are a global problem. They can negatively affect patients and be costly for hospitals and medical clinics. In 2021, a 28-year-old man with heart problems was admitted to a hospital in Porto Alegre. Due to a pharmacy error and insufficient monitoring in the administration, he received a dose 10 times higher than prescribed. This caused serious and probably irreversible damage to the patient. Reading the news and following the case in the media has encouraged research in scientific databases, searching for information and data on medication errors, as well as emerging technologies to reduce the occurrence of adverse medication events. Based on the findings of an English study that proved that errors occur at the drug prescription stage, the first stage of this research focused on drug dosage errors. The aim of this study is to develop an application based on artificial intelligence that can recognise these errors and help prevent them. The application uses a neural network to analyse prescriptions and warn of possible cases of incorrect dosage. The computer program was developed using a neural network and the drug dosage error recognition system using Python and Keras. The system was trained with 10 drugs and correct and incorrect dosage cases. A graphical interface was created to input and display new case data. Neural networks with different configurations were tested to obtain high accuracy with the training and validation data. A confusion matrix was used to assess the accuracy of the network for cases not used for training. The accuracy was approximately 96%, but problems were found in certain intervals. The errors are due to the need for more training, higher processing capacity and a cloud server. The results of the first stage of the research indicate the feasibility of using a neural network to recognise medication dosage errors and thus preventing the associated risks. Such a method could prevent cases like the one in Porto Alegre. Future studies could incorporate more types of drugs, allergies, drug interactions, pre-existing illnesses and other relevant factors into the system.

In recent years, there has been an extreme rise in population and economic development, which requires a great demand for energy worldwide. Global energy consumption has been increasing nearly every year for over half a century [1]; it is rapidly rising in the form of nonrenewable energy, such as coal, oil, natural gas, and fossil fuel. Fossil fuel overreliance has resulted in a dramatic rise in atmospheric carbon dioxide (CO2) concentrations.

ChatGPT 問世後，許多問題皆已能由其回答。然而在邏輯方面的問題，ChatGPT 免費版有著明顯的不足，時常出現似是而非的答案。為了解決此問題，本研究利用連線 ChatGPT API，使用四種 Chain-of-thought prompt 的方式，將問題分解成若干個子問題，利用子問題們提供原問題較多的資訊以降低在解題過程出現的錯誤。最後分析四種方法的優劣，四種方法各有優缺，並無一方法於所有題目皆正確率最高。

破囊壺菌為海洋原生生物，因可產生DHA 而被廣泛使用於藻油生產。破囊壺菌可透過18srRNA 鑑種，不同菌株之產油量相差甚大。其產油途徑主要有 FAS 及 PUFAs 二條路徑， 含有 PUFAs 之菌種通常具有較高之產油率。前人依產油途徑將破囊壺菌分為三型 （I–III 型），然而各型基因組間之差異仍待研究。本研究透過生物資訊分析 8 個破囊壺菌基因組， 發現同型之破囊壺菌其產油相關基因 （PUFAs, Desaturase, Elongase 及 Citrate lyase）之存 在具有高度相關性，基因共線性分析也顯示其產油基因間具有高度同源性，然而同屬之破 囊壺菌不一定為同一型，顯示以 18s rRNA 鑑種可能不適用於破囊壺菌。此外，Citrate lyase 僅存在於第 II 及 III 型，顯示第 I 型破囊壺菌其 DHA 合成之碳源來自不同途徑。

減數分裂是育種的基礎，透過其中的遺傳重組可以分離連鎖的基因，提供研究和篩選優良基因組合的機會。然而每次減數分裂中的遺傳重組數目存在自然限制，也就是每對同源染色體平均僅發生兩個互換，且大多位於染色體的末端，這使得在研究或育種的過程中，尋找理想的遺傳組合變得極為耗時。本研究採用免疫螢光染色技術來分析玉米不同品系，在減數分裂時遺傳重組發生的數量，目的是探討多樣性的基因種源是否影響遺傳重組的數目。研究結果顯示，不同玉米品系間的遺傳重組數目具有顯著差異，且呈現分群的現象，這表示不同基因種源可能帶有差異性的重組調控相關基因。基於這些發現，我們期待未來能深入研究影響遺傳重組數目和位置的機制。

本研究旨在探索大型語言模型如何應用於音樂生成故事。研究動機源自音樂作為文化中不可或缺的一部分，但若要以文字精準表達出音樂中的故事情緒尚屬困難，藉由本研究提出的方法可以使故事顧及到音樂的情緒起伏。隨著 AI 的發展，我 們開始看到它們在各領域的應用。這項研究的目的是製作出一個系統能以音樂作為輸入，輸出音樂內的故事，為達成目的，我們結合多個模型。研究使用 PyTorch等工具，並探討文句和音樂的共同表示方法，實現情感匹配。研究結果顯示，音樂和文句情感辨識模型表現不錯，也研發出一個完整的生成流程。目前已有直接生成音樂的模型，也有把音樂統整介紹的模型，卻沒有依據音樂中的情緒生成故事的模型。我們研究就是在解決這個問題，結合到 LLaMA2預訓練模型生成出具情緒浮動的故事，要注意的是 LLaMA2的輸出限制最多只能有 4096個token。我們將此產生過程稱為 MTSPL (Music To Story Procedure with LLaMA)。

星系的恆星形成速率與恆星質量關係一直是天文研究中的熱門主題。為何星系在相似的恆星總質量下有不同的恆星形成速率？這些差異的基本機制是什麼？為了回答這些問題，在這個研究中，我使用了 Sloan Digital Sky Survey(SDSS)的大量光譜數據以及 Hyper Suprime- Cam(HSC)Survey 所獲取的深度成像數據，來研究星系合併對恆星形成速率的影響。首先， 我使用 HSC 圖像來尋找正在合併過程中的星系子集，之後使用了機器學習演算法幫助辨別所有在 SDSS 數據集中有 HSC 觀測的合併星系。然後，我分析合併的不同階段對恆星形成速率與恆星質量關係的影響，並將其與獨立星系的關係分別進行比較。最終，結果顯示，平均而言，合併星系的星形成速率約是恆星質量相似的獨立星系的 2 倍，這證明星系合併是影響星系恆星形成速率與恆星質量關係的關鍵機制之一。

腦部若處於焦慮狀態，便會在認知上產⽣更多分⼼情形。同時，聽音樂能良好的緩解焦慮狀態並降低負面的認知影響。然⽽根據「認知能⼒假說」，在閱讀時若⼀邊聽音樂，閱讀表現便會因認知資源增加⽽受到擾亂。因此，本實驗利用主觀評量以及客觀的腦波測量，探討音樂對閱讀的影響為何？藉由改變背景音樂的情緒正負向度及在測試語句中目標詞的可預測性，探討閱讀理解之表現是否存在差異。其中，以Ｎ400 的可預測性效果作為閱讀理解的客觀指標。實驗發現，在無音樂情境下可觀察出典型的 N400 可預測性效果。然⽽，正負情緒之音樂皆會對於閱讀作業產⽣延遲的可預測性效果，其中帶有歌詞的流⾏樂會起到更⼤的⼲擾。本研究初步證實認知能⼒假說，未來將繼續收更多受試者，分析受試者焦慮狀態之影響。並分析 EEG 之腦波資料 alpha 波變化，作為放鬆程度的客觀數據。