實驗核心採用乾式轉印法（Dry Transfer）進行製備，主要目的在於減少製程中化學藥劑的殘留對石墨烯本體性能的干擾。在完成轉印後，我們利用光學顯微鏡初步觀測薄膜的連續性與表面形貌；透過拉曼光譜鑑定石墨烯的層數、缺陷密度（D-band）；並輔以四點探針量測片電阻以評估其電學傳輸特性。最終，透過橫向對比不同塗布材料，解析高分子特性與轉印品質間的關聯，進而確立出一套高效且穩定的高品質轉印流程。

本研究採取累積式研究方法，延續深度學習於水管與水流辨識之成果，逐步由模擬影像推進至實際工廠場域，並依應用需求調整模型與判斷策略。研究歷程分為三階段，比較 Mask RCNN、SAM2、YOLOv11 與 Mask2Former 之效能。實驗結果顯示，YOLOv11 在區域裁切與資料強化後，兼具高準確率與即時推論能力，並透過水流面積分析建立一套可實際部署之自動化噴水監控系統，為 AI 技術導入傳統工廠提供具體實證。

本研究結合 Hampel 與 Wavelet 進行雜訊處理，並以變異數與相關係數進行特徵子載波選擇，再由振幅與相位差所構成之多模態特徵擷取，並透過 XGBoost 進行分類。實驗結果顯示，該方法在含水率分級上可達 98.68% 的準確率，在新鮮度分類上亦達 99.52% 的準確率，且於顆數檢測任務中可達 94.25% 的準確率，不僅優於傳統基準方法，同時有效降低計算負擔。

在此研究中，利用化學氣相沉積法製備大面積石墨烯，並利用乾式轉印雙層石墨烯至二氧化矽基板，製作成霍爾晶片的基底。再來利用氨電漿對我們的石墨烯進行功能化改質，以利後續接上抗體，最後透過霍爾效應量測儀，進行鼻咽癌細胞的量測，測得其不同細胞濃度的在片電阻、載子濃度、載子遷移率的變化。  

本研究以Ti36V11Ta16Cr16Mo21 高熵合金為模型，利用 Alloy Theoretic Automated Toolkit (ATAT) 生成不同晶格種類的隨機結構（Special Quasirandom Structure, SQS），同時經由第一性原理計算（DFT）進行晶格優化，並和實驗室的實際 XRD 繞射圖比較，得出在未吸附氫下的最穩定結構。

本專題著眼於提升無人商店的靈活性，嘗試解決上述問題。我們模擬從接收訂單到完成取貨的流程，並透過所設計的功能性自走車來達成。此研究不僅希望回應現行取貨模式的不足，更期望探索未來零售服務的可能性，藉由提出新的應用構想，展現自動化技術在便利性與人性化之間的平衡。

本專題比較有無預鋰化處理對 SiO 負極鋰離子鈕扣電池電化學性能之影響。SiO具備高理論容量與相較純矽較佳的結構穩定性，然而其在首次充放電過程中仍會因轉化反應與固態電解質介面（SEI）形成而產生顯著的不可逆鋰損失，導致初始庫倫效率偏低，限制其實際應用潛力。為改善此問題，於電池組裝階段引入化學預鋰化策略，以補償首圈鋰消耗，並系統性比較其對電池性能之影響。