【記者陳筱雯報導】人工智慧技術日新月異，應用範圍不再集中於電機工程，開始在其他領域中發揮功效。元智大學電機通訊學院長陳敦裕帶領元智電機工程學系甲組的辜聖凱及魯永喆，參加機器學習挑戰賽「NeurIPS – Open Polymer Prediction 2025」，於9月19日獲得金牌。團隊設計出一套AI模型，能預測高分子材料（註一）的各項性質，加速化學研究，展現跨領域結合的力量。

註一：由許多小分子聚合而成的物質，又稱聚合物，如澱粉、蛋白質、天然橡膠等

本次比賽在Kaggle平台舉辦，Kaggle是一個數據建模和數據分析的競賽平台，官方提供數千種材料的化學資料，並指定五種化學性質：玻璃轉移溫度、自由體積分率、導熱率、密度與回轉半徑作為預測目標，團隊須製作人工智慧模型，嘗試預測每一種材料的性質，最後輸入另一份資料讓模型計算加權平均誤差，以誤差大小決出最後的勝者。團隊花了兩到三週收集各種方法，試驗它們的搭配組合、融合並改進，最終產出作品。

魯永喆認為此次的競賽經驗很特別，他說：「在化學領域我們就像一張白紙，要額外去學習專有名詞。」跨領域的學習新奇卻又艱鉅，陳敦裕說：「我們要短時間內釐清高分子材料的特性，用現有的知識去推理，把資料補足，讓模型有更好的資料可以訓練。」而比賽中，官方指定的性質裡，資料最稀少的一項只記錄在200到300筆資料上，其他數千筆則保留空白，得靠模型計算、推估來填補，辜聖凱表示，比賽的資料中正確答案非常稀少，團隊必須找到非正確答案的規律，才能成功突破難關。

為了更方便解決本次比賽的化學題目，研究團隊選擇使用圖神經網路（註二），再結合傳統上從化學式提取性質的分子特徵工程，將化學分子結構轉成二進位碼，讓AI模型能學習不同化學分子的結構特徵，預測材料性質。在有限數據下，團隊有效利用交叉驗證策略（註三），證實該模型可精確預測多種化學材料性質，從而提升化學界研究的效率，國立臺灣大學化學工程學系教授林祥泰表示，人工智慧在開發新材料上，可節省許多計算時間，「很多人開始把人工智慧用在材料開發的研究，像是找新材料，或是對配方的優化等。」

註二：一種專門學習化學圖狀資料的深度學習模型
註三：一種驗證模型準確度的方法

辜聖凱說明，模型除了能用於研發化學材料，也可延伸應用於藥學領域：「這次是預測化學物品，如果要開發新藥物，要確認材料有什麼性質，也可以使用模型去預測。」林祥泰也指出，學者已經對人工智慧本身有一定的了解，但缺乏各層面的實際應用，就像空有大腦發號施令，卻沒有對應的手臂執行動作，希望本次研發可以為各界研究帶來新進展，讓「大腦」真正發揮智慧與潛力。