DSpace community: 資訊工程學系

整合作業研究工具、檢索增強生成與大型語言模型之智慧排班生成系統;An Intelligent Shift Scheduling Generation System Using Or-Tools, Retrieval-Augmented Generation, and Large Language Models

Fri, 23 Jan 2026 08:31:28 GMT

title: 整合作業研究工具、檢索增強生成與大型語言模型之智慧排班生成系統;An Intelligent Shift Scheduling Generation System Using Or-Tools, Retrieval-Augmented Generation, and Large Language Models abstract: 本研究團隊於前一年度已經運用Google作業研究工具(OR-Tools)建構二個人員排班系統，分別為醫療機構的護理人員排班系統以及航空業的航班維護人員排班系統，可以產出符合公共法規、組織規範、營運目標與人員偏好的排班方案。為進一步擴展系統的跨場域應用性、智慧化排班生成、合規性檢查與彈性調整，並提供具有智慧互動與解釋透明度的決策支援管理功能，本計畫提出一個稱為結構化約束規劃鏈(Structured Chain-of-Constraint-Programming, SCoCP)的提示工程(Prompt Engineering)概念，預計整合作業研究工具OR-Tools的約束規劃方法、代理型檢索增強生成(Agentic Retrieval-Augmented Generation, Agentic RAG)技術與大型語言模型(Large Language Models, LLMs)，以建置一套智慧排班生成系統(Intelligent Shift Scheduling Generation System, ISSGS)。ISSGS包含三個主要模組: (1) 智慧排班生成與驗證模組(Intelligent Schedule Generation and Verification Module):可以根據給定的法規、排班約束與排班目標等規則文件，智慧化生成最佳排班，並自動驗證比對現有排班邏輯與規則文件的一致性。本計畫將透過代理式檢索增強生成(Agentic RAG)技術搭配LLM完成這個模組，使其能夠整合多個智能代理，將排班規則轉換為模型條件，生成OR-Tools程式碼以產出排班方案，並自動進行程式碼驗證與重構。 (2) 自適約束轉換與目標微調模組(Adaptive Constraint Transformation and Objective Refinement Module)，可以偵測互相牴觸的硬性約束(hard constraint)，將之轉換為軟性約束(soft constraint)納入目標函數(objective function)中，並自適地設定不同優先順序權重。本計畫依然預計透過Agentic RAG技術搭配LLM完成這個模組，使其能夠整合多個智能代理，根據OR-Tools約束規劃程式碼是否具有可行解(feasible solution)的狀態，自適地判斷哪些硬性約束具有互相牴觸可能，並依其重要性轉換為具有不同權重的軟性約束納入目標函數中。智慧代理也會根據更新的規則文件，自適地動態修正OR-Tools程式碼與進行目標函數加權的微調。 (3) 互動決策支援與說明模組(Interactive Decision Support and Explanation Module)，支援回應細緻度調整與角色導向互動介面設定，可讓管理者透過自然語言查詢排班統計資訊與對應的關鍵績效指標，獲取排班方案的說明解釋，接受預警推送與即時的行動建議。本計畫同樣預計透過Agentic RAG技術搭配LLM完成這個模組，使其能夠整合多個智能代理，主動擷取最新規則文件與運營統計資料，進行彙整與分析，以回應高層管理者查詢，並提供具可追溯依據的說明內容，還能針對排班異常主動發出風險預警與可行的因應調整建議。本計畫的執行預期可強化既有排班系統的管理彈性與營運效率，使其在面對排班規則調整、人力資源異動或法規更新等情境時，能智慧化完成模型修正與再生成，降低人工作業負擔並提升反應速度。同時，系統亦可協助管理高層即時掌握人力配置與排班績效，透過自然語言查詢獲取合規解釋、統計資料與異常資訊，作為決策優化與資源規劃的重要依據。藉由模組化智能代理的設計，亦可有效拓展系統至其他亟需合規排班的領域，如旅宿業與運輸業等，形成「智慧排班即服務(Intelligent Scheduling as a Service, ISaaS)」之新商業模式，進而發揮更高的社會與產業效益。

整合生成與強化學習於多體學驅動抗微生物肽之探索;Integration of Generative and Reinforcement Learning for Multi-Omics-Driven Antimicrobial Peptides Discovery

Fri, 23 Jan 2026 08:30:35 GMT

title: 整合生成與強化學習於多體學驅動抗微生物肽之探索;Integration of Generative and Reinforcement Learning for Multi-Omics-Driven Antimicrobial Peptides Discovery abstract: 開發有效的抗微生物藥物為基礎的療法將為打擊抗生素抗藥性病原體提供關鍵工具，減輕傳染病的負擔，並有可能挽救全世界數百萬人的生命，將有助解決對目前抗生素治療產生抗藥性的「超級細菌」的新威脅。本研究亦可以刺激製藥業並促進經濟成長，同時，與治療抗生素抗藥性感染相關的醫療成本也將降低，進而使經濟受益。此外，本研究藉由跨學科合作可為抗微生物肽的作用、人工智慧在生物資訊學中的應用以及藥物發現中多體學數據的整合提供新的見解。本研究不僅有望增進對抗微生物肽及其治療潛力之認識，且有望帶來重大的社會和經濟效益，使其處於公共衛生創新和學術研究的前沿。

精進寵物影像辨識效能工具開發計畫;Developing Tools for Enhancing Pet Image Recognition Performance

Fri, 23 Jan 2026 08:30:31 GMT

title: 精進寵物影像辨識效能工具開發計畫;Developing Tools for Enhancing Pet Image Recognition Performance abstract: 開發一套穩定、易用且高效率的狗貓鼻紋取像和身分識別手機應用程式(APP)。以滿足：(1)顯著改善寵物鼻紋影像擷取過程中常見的模糊、解析度不足、角度偏差等問題，提升註冊和辨識之鼻紋影像品質。(2)建立一套鼻紋影像品質即時評估與拍攝引導機制，輔助使用者拍出符合標準的鼻紋照片。(3) 建立雲端資料庫管理系統，作為蒐集狗貓鼻紋影像資料庫以供日後AI模型訓練。本計畫預期將在以下六個面向產出具體可衡量之效益：1.學術成就發表國際期刊論文至少1篇、國內研討會論文1篇，深化動物AI視覺與農業管理領域之交叉應用。2.技術創新成就開發具備即時品質評估與拍攝引導功能的鼻紋影像擷取和上傳APP，有效提升拍攝品質並降低失敗率，克服現行手機拍攝鼻紋影像品質問題。提供一般使用者也能成功完成寵物鼻紋影像註冊與身分識別。3. 經濟效益推動非侵入式寵物辨識技術商轉，可衍生應用於保險理賠、寵物登記、醫療紀錄管理等領域，預估可創造潛在市場產值每年逾千萬元。有望吸引保險業、寵物醫療業、寵物用品產業等業者投入合作與投資，進一步擴大AI於農業及動物管理產業之應用版圖。4. 社會影響提升寵物登記覆蓋率與飼主責任意識，有助政府落實源頭管理政策與流浪犬減量目標，間接改善民生與公共安全。降低晶片植入爭議與成本，提升民眾接受度，支持「零撲殺政策」長期施行，符合動物保護與永續社會發展精神。5.非研究類成就培育1名博士研究人才和3名碩士研究人才，建立AI應用於動物辨識領域之跨域實作能力。促進政府與學研機構合作，建立可延展至家畜、實驗動物辨識系統的技術架構，支援政策工具革新。6.科技政策管理本技術可作為政策性動物登記制度之替代方案，提供農業主管機關導入新型登記制度的實證依據與技術工具。為政府日後制定或修訂《動物保護法》或寵物管理政策提供科技支撐與資料佐證。 ;To develop a stable, user-friendly, and highly efficient mobile application (APP) for dog and cat nose print image acquisition and identification. This APP aims to achieve the following:(1) Significantly improve the quality of nose print images for registration and identification by addressing common issues such as blur, insufficient resolution, and angular deviation during pet nose print image capture. (2) Establish a real-time nose print image quality assessment and shooting guidance mechanism to assist users in capturing standard-compliant nose print photos. (3) Build a cloud database management system to collect dog and cat nose print image data for future AI model training.This project is expected to yield measurable benefits in the following six areas:1. Academic AchievementsWe aim to publish at least one international journal paper and one domestic conference paper, deepening the cross-application of AI vision in the animal and agricultural management fields.2. Technological Innovation AchievementsWe will develop a nose print image acquisition and upload APP with real-time quality assessment and shooting guidance features. This will effectively improve shooting quality and reduce failure rates, overcoming current issues with mobile phone-captured nose print image quality. It will enable general users to successfully complete pet nose print image registration and identification.3. Economic BenefitsBy promoting the commercialization of non-invasive pet identification technology, we anticipate potential market output value exceeding ten million NTD annually. This technology can be derivatively applied to areas such as insurance claims, pet registration, and medical record management. We expect to attract collaboration and investment from the insurance, pet healthcare, and pet product industries, further expanding the application of AI in the agriculture and animal management sectors.4. Social ImpactThis initiative will increase pet registration coverage and pet owner responsibility awareness, helping the government implement source management policies and achieve stray dog reduction goals, indirectly improving public welfare and safety. It will also reduce disputes and costs associated with microchip implantation, enhance public acceptance, and support the long-term implementation of the "zero euthanasia policy," aligning with animal protection and sustainable social development principles.5. Non-Research AchievementsWe will cultivate one doctoral and three master's research talents, building cross-domain practical capabilities for AI applied in animal identification. We will also foster collaboration between government and academic research institutions to establish a technical architecture extendable to livestock and laboratory animal identification systems, supporting policy tool innovation.6. Technology Policy ManagementThis technology can serve as an alternative for policy-driven animal registration systems, providing agricultural authorities with empirical evidence and technical tools for introducing new registration systems. It will offer technological support and data validation for future government formulation or revision of the "Animal Protection Act" or pet management policies.

智慧計算學門研究發展及推動規劃計畫;Research and Development of Computational Intelligence Division

Fri, 23 Jan 2026 08:30:09 GMT

title: 智慧計算學門研究發展及推動規劃計畫;Research and Development of Computational Intelligence Division abstract: 本計畫的主要目的是協助國科會工程處規劃智慧計算學門的研究方向，促進關鍵領域的發展。本計畫的預期影響性包括： 1. 提升整體研究實力：通過分析國際和國內人工智慧研發趨勢，以及人才規劃技術研發的重點，增強智慧計算學門整體創新研發能力。 2. 確保品質的審查機制：鑒於智慧學每年有大量案件的申請，本計畫將致力於提供更有效地審查機制，避免資訊負載影響審查質量，確保審查之公正性和品質。 3. 促進產學及跨領域合作：推動產學媒合和跨學門創新合作，使計畫成果能夠成功轉化為實際應用，進一步促進智慧計算學門與產業界的合作，提升智慧計算學門的影響力。