2024年

Such as the plastic waste and industrial discharge that permeate our oceans, it is the insidious and infamous nature of oil spills that demands our immediate attention. These spills, with their far-reaching ecological ramifications, pose a profound danger to our marine ecosystems, demanding urgent action and a heightened awareness of the true menace that is caused by this oil

Cardiac Arrhythmia is one of the conditions in the group of heart and blood vessel diseases that can lead to sudden cardiac arrest (sudden death) and other conditions if not diagnosed quickly and accurately. According to research, heart and blood vessel diseases are the most common diseases and have a mortality rate of one-half of all non-communicable diseases. According to WHO statistics in 2012, it was found that there were 7.4 million deaths from heart and blood vessel diseases, and in 2017, the number of deaths increased to 177 million people, or about 94,444 people per day. Diagnosis of heart and blood vessel diseases can be done by measuring the electrical activity of the heart, and after the examination, a specialized physician will read and analyze the graph to find abnormal patterns. Currently, the shortage of qualified heart specialists to read the graph and screen for heart disease is a medical position shortage, which requires transferring data to hospitals with specialists, resulting in delays in diagnosis and treatment and even death. The project "EIPCA: Electrocardiogram Interpretation Pattern for Cardiovascular Abnormalities prediction" is an application program that assists in screening for fatal diseases that arise from abnormal heart rhythm. It employs artificial intelligence to aid in the screening and analysis of the electrical waveforms generated by an ECG machine, thus reducing diagnosis time and addressing the shortage of cardiology experts. EIPCA is comprised of two systems: (1) a system for screening and analyzing ECG waveforms using artificial intelligence to solve the problem of a shortage of specialized cardiology physicians, and (2) a system for risk assessment of fatal diseases by analyzing the ECG waveform data. The target group of the project is Rural hospitals, as well as health-related agencies. The project team hopes that the development of this project will significantly improve the efficiency and speed of screening for heart-related diseases, ultimately reducing the mortality rate from these diseases in the future.

邊坡單元（SlopeUnit）為分析邊坡穩定性之最基本單元，關於邊坡單元崩落潛勢的預測所需的主要參數（如高程、坡度、坡向、表面粗糙度與植被覆蓋、剖面曲率等）有機會透過 UAV所拍攝產生的 3D模型來推論。因此本研究預計探討以UAV這項工具進行邊坡單元崩落潛勢分析的可行性與效能。目前有關這項技術，利用衛星建置的模型已相當成熟能在邊坡崩落潛勢評估與預測上有良好的表現。本研究主要將多組不同解析度UAV資料與對照組衛星資料作為測試集放入隨機森林機器學習模型中評估其解析度與評分的關係及其替代衛星資料的可能性

第二型糖尿病的主要致病機轉為胰島素阻抗性, 但胰島素阻抗性的機轉仍不清楚。以往研究發現胰島素阻抗性與粒線體功能異常高度相關，但是兩者➀間的關係及機轉目前仍有爭議。本研究以 SUV3來進行調控，SUV3為粒線體RNA分解體➀組成要件，負責粒線體RNA中的代謝及調控。小鼠SUV3缺失會引起粒線體DNA突變，粒線體功能下降，而這些表現型可以經由會由母系遺傳到下一代。我們發現這些經母系遺傳到粒線體DNA突變的小鼠，會產生葡萄糖不耐症與胰島素阻抗性，伴隨骨骼肌的磷酸化Akt表現量明顯下降。進一步的研究發現經母系遺傳到粒線體 DNA突變的小鼠會產生高游離脂肪酸血症及運動耐受性下降，間接卡洛里測定顯示脂肪酸燃燒的比例下降。影響胰島素信息傳遞途徑，因而引發胰島素阻抗性。這些研究結果將有助於糖尿病患者的臨床研究，並希望能夠幫助患者。

本研究探討黃胸錐腹蜾蠃(Delta pyriforme)交尾、做巢、產卵、育幼等生殖行為。結果一雌雄壺蜂平均性成熟為 77±10.8、63.7±5.7 小時，交尾結合只有 11 秒。結果二壺蜂用大顎與前足以 0.8×10-3m/s 速度拍打泥球，讓巢固定成型，結蜂繭後巢硬度達 4269gw。結果三受微風影響卵搖 9.3 次/s，此時卵柄的張力對卵做出 164.3nkg.m/s 衝量值，當衝量越大、卵搖晃時間越長、停下時間要越久。結果四壺蜂會依不同體型獵物，施予不同的力搬運回巢，被麻痺獵物血液流速為 1.64~1.13cm/s，氣孔被打開 494%，以延長獵物壽命，有助於壺蜂幼蟲攝食，達到育幼後代的目的。

本研究探討 Instruction-Tuning 對法律領域語言模型的影響，我們使用 ChatGLM-2 6B 作為基礎模型,先以台灣法律文本進行 Continual Pre-training，再以和律師的 Q&A 數據集，分別採用 Supervised Fine-Tuning(SFT)、Reward Model 及 Proximal Policy Optimization(PPO)等 Instruction-Tuning 方法進行微調。結果顯示,僅經過 Pre-training 及 SFT 的模型,其產生的回覆較符合法律專業風格;但考量模型對法律知識的掌握,則以 Pre-training、SFT 及 PPO 整套 Instruction-Tuning 的結合效果最佳。本研究證明, 針對單一領域的語言模型, 不同的 Instruction-Tuning 方式會對其回覆風格及知識掌握造成不同影響。我們的研究為未來單一領域語言模型訓練提供了參考。

本研究利用波浪撞擊架設於水面的浮筒來擷取波浪能，並連結水面上方的能量傳遞裝置，將能量傳遞至發電機轉換成電能。在能量傳遞裝置上，以錐齒輪組取代前一代過於複雜機械結構的設計，以期減少能量在傳遞過程中的耗損。同時也研究加速機與擬飛輪裝置的適當配置，以增加能量擷取轉換的效率與穩定性。 此外，也運用 NODASS海洋大數據之平台，分析台灣東北海沿岸之波浪情況。並且利用 Solidworks、AnsysWorkbench等數值模擬軟體，模擬機構下水之情形，分析並統整出本機構下水之最佳條件。 後續將結合 NODASS海洋大數據對東北角海域的分析結果，並利用與數值模擬計算，來優化本研究機構的設計。期待新的優化設計，能在平面水波槽實驗中，得到 15 %以上的平均能量轉換效率。

廢棄香灰處理不易且對環境具危害經定性分析知有 47.74% 鹼性物質 CaO。本研究以廢棄香灰製成屋瓦及地磚，探討與酸雨酸鹼中和之可行性，經歷一年多且進行多次屋瓦逕流及浸泡酸雨實驗，觀察到香灰試片與酸雨中和效率和內含香灰比例呈現正相關，結果顯示摻入5％~20%香灰所製成的屋瓦的酸鹼中和能力皆適合臺灣環境使用且經一年放置於自然環境實驗仍具有良好的酸雨中和能力；若欲同時具有酸雨酸鹼中和與碳捕捉能力，則以含 10%~20%香灰為佳。摻入超過 20%香灰製品則降低陶製品之黏性導致無法成型。香灰製品相較於傳統屋瓦有製程價格低、高耐用性和酸鹼中和效率高等特性，可作為屋瓦材料或地磚的新發展。製作地磚部分因水泥會包覆香灰陶粒，因此採孔洞較大的陶瓷摻雜香灰進行 3D 列印，可快速製作不同環境應用之地磚，亦可同時具有碳捕捉與酸雨酸鹼中和之功效。

受到地區限制，偏遠地區一直面臨著缺水和缺電的問題。有許多解決方案，其中一個被視為在乾燥地區收集水的有效方法是薄膜霧氣收集技術。這項研究受到自然界沙漠甲蟲的啟發。我們在不吸水的石墨烯/PVDF基底上使用仿生的幾丁聚醣陣列，幫助水滴在霧氣中凝結和滾動脫落，使水收集效率達到0.63LMH。此外，我們使用石墨烯和離子液體一起誘導PVDF晶型自組裝成具壓電性的β相，獲得最適化薄膜的電壓輸出可達到13V(±6.5V)。我們還對於薄膜進行同時取水和取電的可行性評估，結果顯示，在4m/s的霧氣風速下，水收集效率為0.74LMH，發電功率為99.2mW/m2。基於上述研究結果，我們證實了使用單一薄膜利用霧和風作為驅動力，可實現同時產生水和電，這對解決偏遠地區的缺水與缺電問題提供了新的解決方案。

本研究以深度學習 RNN（Recurrent Neural Network）演算法中的 LSTM（Long Short Term memory）改善 PID，利用其時間序列的保留資料方法，預測 PID 參數值，使控制器得以精確且快速的調整非線性系統。此研究從 peak amplitude 及transient time，以及倒單擺振幅的圖表收斂情形等層面去做探討。當單擺質量大於下方 pendulum cart 的質量時，傳統的 PID 控制方法無法精準的調整系統，而LSTM 深度學習模型能夠產生較佳且較顯著的效果。且KP 數值在倒單擺系統中， 小於 1 無法收斂，KP 數值越小時，圖形越趨發散。此訓練之 LSTM 深度學習模型可以應用於非線性系統中，以增加其穩定性，並能夠更快速的為系統找到適合 的 PID 參數值。