This thesis aims to present the development of a metaverse project for the KMITL Lifelong Learning Center (KLLC) and KMITL Data Management Center (KDMC) for Public Relations at King Mongkut's Institute of Technology Ladkrabang, with the main goal of creating a metaverse prototype to promote learning and public relations through virtual reality technology for students, staff, and external individuals. In this project, the developers have created a metaverse system to simulate a virtual experience for users at the KMITL Lifelong Learning Center (KLLC) and KMITL Data Management Center (KDMC) for Public Relations at King Mongkut's Institute of Technology Ladkrabang. Users will be able to access the system through a web application developed with Unity, which is the tool used to create the metaverse system. The design allows users to visit and interact with various locations within the building to promote public relations in a more widespread virtual format. The developers used Maya and Unity software to create a metaverse system for modeling 3D objects and managing various functions, providing users with a realistic and novel experience. This project is expected to promote learning and the dissemination of information in an easily accessible modern format, creating opportunities for education and learning for those who cannot travel to see the actual locations. This makes metaverse technology an important tool for effectively developing learning and engagement in the digital age.
เนื่องจากปัจจุบันการประชาสัมพันธ์ด้วยเทคโนโลยีในรูปแบบ Metaverse ยังไม่เป็นที่นิยมและไม่ได้นำมาใช้อย่างแพร่หลายในประเทศไทย โดยเฉพาะอย่างยิ่งในด้านการศึกษาเพื่อการเรียนรู้ผ่านระบบเมตาเวิร์ส โดยระบบ Metaverse คือเทคโนโลยีที่สามารถเชื่อมต่อทุกการสื่อสารบนโลกออนไลน์ ให้รวมกันเป็นหนึ่งเดียวได้เสมือนกับชุมชนบนโลกเสมือนจริงที่ให้สภาพแวดล้อมกับวัตถุต่าง ๆ รอบตัวที่เหมือนจริงมาก และสามารถเชื่อมต่อกันได้จะทำให้เกิดปฏิสัมพันธ์ซึ่งกันและกัน พร้อมการสร้างกิจกรรมร่วมกันได้ เช่น การพูดคุย การเดินสำรวจสิ่งก่อสร้าง การทำท่าทางต่างๆ เป็นต้น ซึ่งจะเห็นได้ว่าระบบ Metaverse สามารถนำมาประยุกต์ใช้ได้ในหลากหลายรูปแบบโดยขึ้นอยู่กับการนำเสนอของผู้ออกแบบ ปัจจุบันเทคโนโลยีในรูปแบบ Metaverse ที่ใช้เพื่อการประชาสัมพันธ์ในส่วนของศูนย์การเรียนรู้ตลอดชีวิต (KLLC) และสำนักบริหารข้อมูลดิจิทัล (KDMC) สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบังยังคงขาดการประชาสัมพันธ์เพื่อให้เป็นที่น่าสนใจและดึงดูดให้พื้นที่นี้เป็นที่รู้จักและน่าสนใจมากยิ่งขึ้น อีกทั้งยังได้รับประสบการณ์การใช้งานในรูปแบบโลกเสมือนจริง โดยผู้ใช้งานจะสามารถพูดคุยกัน เปิดกล้อง แชร์หน้าจอ ทำท่าทางต่างๆ และได้เห็นถึงโครงสร้างทั้งภายนอกและภายในของศูนย์การเรียนรู้ตลอดชีวิต (KLLC) และสำนักบริหารข้อมูลดิจิทัล (KDMC) สจล. ดังนั้น เราจึงสร้าง KMITL Lifelong Learning Center (KLLC) and Data Management Center (KDMC) ในรูปแบบ Metaverse ที่มีสภาพแวดล้อมเสมือนจริง เพื่อการประชาสัมพันธ์ให้กับผู้ที่ชื่นชอบการศึกษาเรียนรู้และผู้ที่สนใจในเทคโนโลยีเมตาเวิร์สและเพื่อให้ผู้ใช้งานได้สัมผัสกับประสบการณ์เสมือนจริงโดยตรงจากระบบ Metaverse
คณะวิทยาศาสตร์
With the urgent need for rapid screening of Aflatoxin B1 (AFB1) due to its association with increased liver cirrhosis and hepatocellular carcinoma cases from contaminated agricultural foods, we propose a novel electrochemical aptasensor. This aptasensor is based on trimetallic nanoparticles AuPt-Ru supported by reduced graphene oxide (AuPt-Ru/RGO) modified on a low-cost and disposable goldleaf electrode (GLEAuPt-Ru/RGO) for detection of AFB1. The trimetallic nanoparticle AuPt-Ru was synthesized using an ultrasonic-driven chemical reduction method. The synthesized AuPt-Ru exhibited a waxberry-like appearance, with AuPt core-shell structure and ruthenium dispersed over the particles. The average particle size was 57.35 ± 8.24 nm. The AuPt-Ru was integrated into RGO sheets (inner diameter of 0.5 to 1.6 µm) in order to enhance electron transfer efficiency and increase the specific immobilizing surface area of the thiol-5’-terminated modified aptamer (Apt) to target AFB1. With a large electrochemical surface area and low electrochemical impedance, GLEAuPt-Ru/RGO displays ultra-high sensitivity for AFB1 detection. Differential pulse voltammetry (DPV) measurements revealed a linear range for AFB1 detection range from 0.3 to 30.0 pg mL-1 (R2 = 0.9972), with a limit of detection (LOD, S/N = 3) and a limit of quantification (LOQ, S/N = 10) of 0.009 pg mL-1 and 0.031 pg mL-1, respectively. The developed aptasensor also demonstrated excellent accuracy in real agricultural products, including dried red chili, garlic, peanut, pepper, and Thai jasmine rice, achieving recovery rates between 94.6 and 107.9%. The fabricated aptamer-based GLEAuPt-Ru/RGO performance is comparable to that of a modified commercial electrode, which has great potential application prospects for detecting AFB1 in agricultural products.
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.
คณะศิลปศาสตร์
"Niyom Thai" represents health-centric footwear adorned with traditional Thai patterns, embodying an innovative approach to sustainable development tailored to the current needs of local communities. These shoes utilize natural materials to mitigate fatigue and integrate safety technologies, including location tracking via a mobile application and heart rate monitoring. This addresses the aspects of convenience and well-being in both daily life and travel