全國中小學科展

2025年

基於LS1043A多核處理器之嵌入式系統開機速度之精準計時方案

電子智能系統被廣泛應用在現代人的日常生活中,但是使用任何電子系統都必須面對系統失效的風險,就像我使用電腦可能會當機一樣。在智能車輛的應用中,電子系統的可靠性與我們的人身安全直接相關。一旦發生系統失效的狀況,恢復系統正常運行的最後一個手段是重新啟動系統,藉由系統重啟來恢復系統的正常功能。因此系統重啟的耗時,對系統的可靠性至為重要。 LS1043A晶片是多核心高階處理器,能夠運行完整的Linux操作系統。由於LS1043A架構及功能的複雜性,它的開機程序需要遵守嚴格的步驟,耗時也比一般的微控制器更長。在這個實驗中,我將了解LS1043A處理器的架構著手,由此設計一個計時器,能做到精準量測開機時間達千分之一秒,使開機時間成為能夠量化的指標。本實驗的計時方案是一個通用的設計概念,可用來量測不同類型高階處理器的開機耗時及系統可靠性評估之參考指標。

Electrical Characterization of MoS2 Field-Effect Transistors at Cryogenic Temperatures

隨著矽基電晶體逐漸微縮,其元件效能將接近其物理極限,二硫化鉬 (MoS2) 等二維材料藉著其獨特的特性(如寬的能隙、高電流開關比及優異的載子遷移率等),可作爲矽的替代材料用於未來的電子科技應用。本研究旨在製造MoS₂ 的場效電晶體並研究元件之低溫特性。我們成功利用機械剝離法製備並轉移二維 MoS2薄膜至二氧化矽/矽基板上,並且製造MoS₂ 場效電晶體,並量測其室溫(300 K)至極低溫(~ 4 K)的電流特性,元件在此溫度範圍中具有優異的特性,能有效地調控電流調控,表現出良好的下閘極控制能力,同時具有低次臨界擺幅及高電流開關比(~ 106)。在極低的溫度(4 K)下,該電晶體仍能保持良好的運作,顯示出MoS₂應用於低功耗且高元件效能的低溫電子元件的潛力。

為視障者開發之學習輔助平台:結合Image-to-3D AI 模型之可觸式三維擴增實境顯示器與個人化之檢索增強生成(RAG)自然文字系統

全球約有9千萬的兒童是視障者,他們的學習依賴著點字器材。點字書難以傳達3D (三維)圖形的概念,讓他們在理解3D圖形有許多挑戰,而點字書過長的文字描述加大了他們與正常同儕之間的差距。本研究旨在開發一個學習輔助平臺,同時強化視障者的觸覺認知和文字圖形理解能力。 在強化觸覺認知方面,開發之系統能將傳統的圖片,利用影像轉3D之人工智慧建模(Image-to-3D AI model)技術,轉換圖片轉為3D,呈現在開發的擴增實境顯示器上,讓視障者能夠親身透過觸摸立體顯示器之3D模型,瞭解圖片表達的空間結構。在文字優化方面,利用微調大型語言模型與搜索式強化生成等方法,優化視障者閱讀之內容。系統開發過程中,二位視障者進行體驗,持續以修正系統設計的便利性、友善性與有效性。 本研究成果為視障者帶來新式個人化的學習輔助工具,增強視障者對立體圖形學習能力與文字理解。

潮間帶微生物動態:探索隨機中性與環境因子對細菌與古菌群落演替之影響

本研究探討了潮間帶環境中細菌與古菌的群落結構及其生態功能,並評估了隨機過程與環境因子對群落演替的影響。我們於金門南門海域的潮間帶進行了五次採樣,我們使用次世代定序(Next Generation Sequencing)進行16S rRNA 基因的定序技術分析了該區域微生物的豐度變化及其功能特性。結果顯示,細菌群落以變形菌門為優勢群,而古菌群落則以亞硝侏儒菌科為主。隨機中性模型的結果顯示古菌的豐度顯著受到隨機擴散的影響,而細菌群落則主要由鹽度、溫度和溶解氧等環境因子所驅動。經由Picrust2 代謝路徑預測的結果顯示,古菌與細菌共享多種基本代謝途徑,顯示出它們在生態上的互補性;同時,各自特有的代謝途徑則體現了它們對環境壓力的不同適應方式。本研究為潮間帶微生物群落的動態變化及生態功能提供了新的發現。

高山生態群聚植物集中開花與昆蟲交互作用網絡之研究

本研究首度以植物學、花粉學、昆蟲學及生態統計學探討臺灣高山傳粉生態網絡。花季中期以蜂類為主,後期為蠅類。昆蟲及植物交互網絡緊密連結無子群體,仰賴優勢物種支撐。蜂期為高山薔薇、玉山櫻草、貓兒菊、信義雄蜂;蠅期為一枝黃花、貓兒菊、家蠅。此兩期昆蟲與植物的穩健性不足,蠅期更易崩解。蜂類訪花具多樣性,蠅類訪花較專一。因蜂類、蠅類習性與身體特徵不相同,蠅類對花展幅 (Visit Unit)大、花冠筒淺、花冠筒筒徑小、還原糖含量高、花粉及花蜜之間的距離大、柱頭面積小的植物較能專一攜帶其花粉。共用傳粉者帶來異種花粉,以GLMM分析同異種花粉數量變化關係,發現一起開花略助於授粉。貓兒菊已入侵成為優勢物種,花粉汙染90%的物種,必須移除。

理論設計與高效率合成三吲哚衍生物應用於癌症標靶藥物 Theoretical Design and Highly Efficient Synthesis of Triindole Derivatives for Targeted Cancer Therapeutics

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。

金屬多酚配位奈米載體合成與多功能腫瘤治療法開發

本研究結合奈米合成技術與生物醫學, 利用表沒食子兒茶素沒食子酸酯 (Epigallocatechin gallate, EGCG) 作為載體 調控摻雜Cu2+/Cu3+與 Fe2+/Fe3+之含量 並以π-π交互作用力附載缺氧性抗癌藥物替拉扎明 (Tirapazamine, TPZ) 成功製備出多功能金屬多酚配位奈米顆粒簡稱為EFeCuTPZ。 材料經紫外-可見光譜 (UV-vis),、動態光散射 (DLS) 及掃描式電子顯微鏡 (SEM) 確認其粒徑大小、形貌學與穩定性。利用808 nm和671 nm雷射分析其光熱轉換效率 評估光熱療法效果,。在腫瘤微酸性環境下, EFeCuTPZ可利用高濃度之H2O2行芬頓反應 (Fenton Reaction) 產生高活性之氫氧自由基 (•OH), 展現化學動力療法 (Chemo dynamic-therapy, CDT),。同時, 藉由材料中的Cu²⁺與腫瘤環境中的穀胱甘肽 (Glutathione, GSH)反應減少高活性物質 (Reactive oxygen species, ROS) 的消耗 增強CDT之療效。酸性條件下 TPZ顯著釋放 有助於腫瘤治療。 另外, 細胞實驗顯示EFeCuTPZ具有高生物相容性與治療效果, 成功開發出具CDT,、CT及PTT功能之奈米複合材料 為醫學新興藥物材料提供可能性。

棋盤中放入最多骨牌數及方法數探討

本研究改編自2015 EGMO P2,探討在𝑛 × 𝑚的棋盤中放入最多的1 × 𝑡或𝑡 × 1的骨牌,並使得每一個𝑡 × 𝑡還有空間再放入一個骨牌的方法數。原本題目是𝑡 = 2, 𝑛 = 𝑚為偶數的情況。於是我先從𝑡 = 2開始研究,推導出 (1)𝑛, 𝑚皆為偶數、(2)𝑛, 𝑚一奇一偶、(3)𝑛, 𝑚皆為奇數的答案。接著再推廣到 (4)任意的𝑡且𝑡∣𝑛 = 𝑚的結果。最後再討論 (5)𝑛, 𝑚分別為𝑡的倍數、模𝑡餘1的數,或其他數等不同可能性得出的不同答案。

以水代法將廢棄鰻魚骨製成營養食品添加物的永續解方

本研究採用創新設計的「水代法」處理養殖鰻魚加工後廢棄魚骨,成功解決過往鰻魚骨含油量高,無法利用而丟棄的環保問題,使生物資源得到充分利用。透過「低溫烘乾前處理」製成的鰻魚骨粉香氣與口感俱佳,適合作為食品添加物。 水代法是將鰻魚骨在90℃水溫、粉水比1:3狀態,藉由攪拌、壓榨去油,不僅保留營養成分(蛋白質、鈣質、磷質),同時降低高達90%的脂肪含量。水代產生的處理液可進一步開發為胺基酸萃取物和鰻魚油,創造多元的商業價值。「食鹽水浸泡處理」取代較不環保的「強鹼處理」製作鰻骨鈣粉,可有效減少環境負擔。本研究製程簡便且低耗能、低耗水,可降低成本,顯著提升產業競爭力和環境效益。

分子結構語言與熔沸點性質的人工智慧預測

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。