The " Center of Invention for Future and Sustainability Project (Continuing)" serves as a continuation of a pilot initiative focused on the retrofitting of older buildings (Vach. 7), specifically a five-story structure. The primary aim of this project is to develop methodologies for enhancing the sustainability of existing buildings in order to mitigate carbon dioxide emissions. In the execution of the Future and Sustainability Innovation Development Center Project (Continuing), a comprehensive analysis of relevant data and theoretical frameworks has been undertaken, leading to the formulation of a research methodology designed to identify optimal strategies for retrofitting older buildings to reduce carbon dioxide emissions. This approach is structured into three principal phases: the combustion of fuels associated with transportation, labor, and materials; the electricity consumption during the construction process; and the accumulation of greenhouse gases from both existing and new construction materials. The project employs an experimental research design, wherein empirical data is collected to evaluate and quantify the equivalent carbon dioxide emissions arising from the construction of new buildings compared to the retrofitting of the selected case study building. Subsequent analysis of the collected data revealed that retrofitting the existing structure—through the integration of sustainable design principles—resulted in greenhouse gas emissions of 11.88 kgCO2e/sq.m. In contrast, the emissions associated with new building construction amounted to 299.35 kgCO2e/sq.m., indicating a reduction in carbon dioxide emissions by a factor of approximately 26 when compared to the construction of new buildings.
จากแนวคิดการพัฒนาอย่างยั่งยืน (Sustainable Development) ที่ทำให้เกิดโครงการศูนย์พัฒนาสิ่งประดิษฐ์เพื่ออนาคตและความยั่งยืน ซึ่งได้มีการนำร่องในการทดลองแนวทางการปรับปรุงอาคารเดิม ซึ่งเป็นอาคารห้าชั้น ได้ดำเนินการแล้วในชั้นที่1และ2 โดยคำนึงถึงความยั่งยืนด้วยการลดการปล่อยคาร์บอนไดออกไซด์ ทั้งในระหว่างการปรับปรุงอาคาร เช่น การใช้เศษคอนกรีตจากการทุบรื้อพื้นและผนังเดิมมาใช้ทำกล่องเกเบี้ยน (Gabion box) เพื่อยกระดับพื้น เป็นการนำวัสดุกลับมาใช้ซ้ำ ช่วยลดการปล่อยคาร์บอนจากการขนย้ายและฝังกลบ, การใช้นวัตกรรมจากธรรมชาติ (Bio Base) เช่น ดินอัดที่นำมาใช้เป็นส่วนประกอบของอาคาร เพื่อลดการใช้อิฐที่ต้องเผาซึ่งก่อให้เกิดก๊าซคาร์บอนไดออกไซด์, การใช้วัสดุก่อสร้างจากธรรมชาติ เช่น ไม้ยางพารา เป็นต้น และในการดำเนินการของอาคาร เช่น การติดตั้งเซลล์แสงอาทิตย์ (Solar cell) เพื่อสร้างพลังงานไฟฟ้าใช้เองภายในโครงการ ลดการใช้พลังงาน, การจัดนิทรรศการทั้งถาวรและหมุนเวียนเพื่อให้เกิดความรู้ ความเข้าใจ และความตระหนักรู้ต่อสถานการณ์ของโลก โดยเฉพาะปัญหาสภาวะโลกร้อน เป็นต้น นับเป็นจุดเริ่มต้นในการทำความเข้าใจต่อกระบวนการก่อสร้างที่ช่วยลดการปล่อยคาร์บอน ในส่วนของโครงการต่อเนื่องนี้ มีเป้าหมายที่จะต่อยอดจากอาคารที่มีค่าการปล่อยก๊าซคาร์บอนไดออกไซด์ในปริมาณที่ต่ำ ไปสู่แนวคิด net zero emissions การปล่อยก๊าซเรือนกระจกสุทธิเป็นศูนย์ คือการที่ปริมาณการปล่อยก๊าซเรือนกระจกมีความสมดุล เท่ากับก๊าซเรือนกระจกที่ถูกดูดซับออกจากชั้นบรรยากาศ ซึ่งในสภาวะสมดุลนี้จะไม่เพิ่มปริมาณก๊าซเรือนกระจกในบรรยากาศ และหากทุกประเทศทั่วโลกสามารถบรรลุเป้า net zero emissions ได้ ก็จะสามารถหยุดการปล่อยก๊าซเรือนกระจกส่วนเกินที่ส่งผลให้เกิดปรากฏการณ์โลกร้อนได้ โดยสานต่อกระบวนการก่อสร้างที่ปล่อยคาร์บอนไดออกไซด์ต่ำ เพิ่มพื้นที่สีเขียวในโครงการเพื่อช่วยในการดูดกลับคาร์บอนไดออกไซด์ นำเอานวัตรกรรมที่เกี่ยวข้องกับการพัฒนาวัสดุก่อสร้างในปล่อยคาร์บอนไดออกไซด์ต่ำหรือไม่ปล่อยเลยมาใช้งานในโครงการเพื่อสนับสนุนและเผยแพร่งานวิจัยด้านนี้ให้มีการใช้งานอย่างแพร่หลาย ส่งเสริมให้เกิดการพัฒนาความรู้และช่วยในแก้ปัญหาซึ่งเป็นข้อจำกัดต่างๆ และสามารถสร้างให้เกิดการนำไปใช้ได้ง่าย โดยการนำเสนอรูปแบบนวัตกรรมที่หลากหลายเพื่อเป็นแนวทางในการนำไปปรับใช้ อีกทั้งทางโครงการยังจัดพื้นที่สนับสนุนการพัฒนาสิ่งประดิษฐ์เพื่อให้ผู้ที่สนใจการพัฒนานวัตกรรมที่ไม่มีอุปกรณ์ที่จำเป็นได้มาใช้พัฒนาสิ่งประดิษฐ์ของตนเอง เป็นส่งเสริมให้เกิดการคิดค้นนวัตกรรมใหม่ๆ ที่จะเป็นประโยชน์ต่อการลดภาวะโลกร้อน
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.
คณะวิศวกรรมศาสตร์
The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.
คณะวิทยาศาสตร์
A new colorimetric assay for the rapid detection of tannic acid in beverage samples based on displacement phenomenon of aggregated gallic acid-modified platinum nanoparticles is developed for the first time. PtNPs were functionalized with gallic acid, promoting the formation of the green-hued aggregated nanoparticles. While colorimetry offers a rapid method for identifying tannic acid, challenges remain in sensitivity and accuracy of detection on the PtNPs colorimetric probe, particularly in the presence of anthocyanin interferences. To address this, we developed a sample preparation method to degrade anthocyanin in beverages. Tannic acid was easily displaced onto the gallic acid-coated PtNPs surfaces, causing dispersion and resulting in a visible color change from green to orange−brown. Under the optimal conditions, the colorimetric sensor exhibited a linear response in the range of 1−2,000 µmol L−1 (R2 = 0.9991). The limit of detection (LOD) and the limit of quantification (LOQ) were found at 0.02 and 0.09 µmol L−1, respectively. The proposed sensor expressed superior selectivity over other interfering substances and demonstrated excellent precision with a relative standard deviation (RSD) of 1.00%−3.36%. More importantly, recoveries ranging from 95.0−104.7% were obtained, indicating the capability of proposed colorimetric sensor to detect tannic acid rapidly and accurately in real beverage samples.