KMITL Expo 2026 LogoKMITL 66th Anniversary Logo

ระบบกักเก็บพลังงานไฟฟ้าโซลาร์เซลล์ แบตเตอรี่กราฟีนควันตัมดอท

รายละเอียด

โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาและพัฒนาระบบกักเก็บพลังงานไฟฟ้าจากแหล่งพลังงานแสงอาทิตย์โดยใช้เทคโนโลยีโซลาร์เซลล์ร่วมกับแบตเตอรี่กราฟีนควันตัมดอท (Graphene Quantum Dot Battery) ซึ่งถือเป็นแนวทางใหม่ในการเพิ่มประสิทธิภาพในการเก็บพลังงานและยืดอายุการใช้งานของระบบพลังงานทดแทน การเลือกใช้กราฟีนและควันตัมดอทเป็นวัสดุในการพัฒนาแบตเตอรี่เนื่องจากคุณสมบัติที่โดดเด่นในการนำไฟฟ้า ความสามารถในการเก็บประจุไฟฟ้า การส่งผ่านพลังงานที่มีประสิทธิภาพและความเสถียรสูงขึ้น

วัตถุประสงค์

การใช้พลังงานทดแทนจากแหล่งพลังงานแสงอาทิตย์ได้รับความสนใจเนื่องจากเป็นพลังงานสะอาดและยั่งยืน แต่การเก็บพลังงานที่ผลิตได้ในระหว่างวันยังคงมีข้อจำกัดในการใช้งานในช่วงกลางคืนหรือเมื่อพลังงานผลิตต่ำ การพัฒนาระบบกักเก็บพลังงานที่มีประสิทธิภาพสูงจึงมีความสำคัญเพื่อให้การใช้พลังงานแสงอาทิตย์เป็นไปอย่างยั่งยืนและมีประสิทธิภาพสูงสุด แบตเตอรี่กราฟีนควันตัมดอทมีคุณสมบัติเด่นในการเก็บพลังงานและการถ่ายโอนพลังงานอย่างรวดเร็ว โดยสามารถเพิ่มประสิทธิภาพและยืดอายุการใช้งานของแบตเตอรี่ได้ จึงเป็นทางเลือกที่ดีในการพัฒนาระบบกักเก็บพลังงานจากแสงอาทิตย์

นวัตกรรมอื่น ๆ

การกำจัดไบโอฟิล์มในช่องปากที่เกิดจากเชื้อโรคปริทันต์อย่างมีประสิทธิภาพโดยใช้ DNase I และเปปไทด์ต้านจุลชีพมนุษย์ที่ถูกดัดแปลง D-LL-31: ศักยภาพในการพัฒนาเป็นน้ำยาบ้วนปาก

คณะทันตแพทยศาสตร์

การกำจัดไบโอฟิล์มในช่องปากที่เกิดจากเชื้อโรคปริทันต์อย่างมีประสิทธิภาพโดยใช้ DNase I และเปปไทด์ต้านจุลชีพมนุษย์ที่ถูกดัดแปลง D-LL-31: ศักยภาพในการพัฒนาเป็นน้ำยาบ้วนปาก

Aggregatibacter actinomycetemcomitans เป็นเชื้อก่อโรคหลักของโรคปริทันต์ โดยสามารถทำลายเอ็นยึดปริทันต์และกระดูกเบ้าฟันผ่านการสร้างไบโอฟิล์ม D-LL-31 ซึ่งเป็นเปปไทด์ต้านจุลชีพที่ถูกดัดแปลงทางวิศวกรรม แสดงศักยภาพที่สูงในการกำจัดเชื้อที่ฝังตัวในไบโอฟิล์มได้ดีกว่าวิธีรักษาแบบดั้งเดิม ขณะที่ DNase I ช่วยเสริมประสิทธิภาพโดยการสลายเมทริกซ์ของไบโอฟิล์ม โดยวัตถุประสงศ์ของงานวิจัยนี้ต้องศึกษาผลของ D-LL-31 ร่วมกับ DNase I ต่อไบโอฟิล์มของ A. actinomycetemcomitans ผลการทอลองพบว่า D-LL-31 สามารถกำจัดไบโอฟิล์มได้อย่างมีประสิทธิภาพ และเมื่อใช้ร่วมกับ DNase I จะช่วยเพิ่มการทำลายไบโอฟิล์มได้มากขึ้น โดยไม่ก่อให้เกิดความเป็นพิษต่อเซลล์เยื่อบุเหงือก ดังนั้นการใช้ D-LL-31 ร่วมกับ DNase I มีศักยภาพในการพัฒนาเป็นน้ำยาบ้วนปาก เพื่อช่วยรักษาสุขภาพช่องปากและลดความเสี่ยงของโรคปริทันต์

การหมักร่วมกันของ lactic acid bacteria และ Saccharomyces cerevisiae เพื่อผลิตเบียร์เปรี้ยว

คณะอุตสาหกรรมอาหาร

การหมักร่วมกันของ lactic acid bacteria และ Saccharomyces cerevisiae เพื่อผลิตเบียร์เปรี้ยว

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการหมักร่วม (Co-fermentation) ระหว่างแบคทีเรียกรดแลคติก (Lactic Acid Bacteria, LAB) และยีสต์ Saccharomyces cerevisiae ในการผลิตเบียร์เปรี้ยว (Sour Beer) โดยมุ่งเน้นผลกระทบของการหมักร่วมต่อคุณภาพของผลิตภัณฑ์ ได้แก่ ค่า pH ปริมาณกรดอินทรีย์ ปริมาณน้ำตาล และคุณลักษณะทางประสาทสัมผัส ในการทดลอง ใช้แบคทีเรียกรดแลคติกสายพันธุ์ที่คัดเลือก และยีสต์ S. cerevisiae ในสภาวะการหมักที่ควบคุม อัตราส่วนของจุลินทรีย์ถูกปรับให้เหมาะสมเพื่อส่งเสริมการเจริญเติบโตและการสร้างสารสำคัญ ผลการทดลองพบว่า การหมักร่วมสามารถลดค่า pH ได้อย่างมีนัยสำคัญเมื่อเทียบกับการหมักด้วยยีสต์เพียงอย่างเดียว นอกจากนี้ ยังมีการเพิ่มขึ้นของกรดแลคติกเนื่องจากการใช้น้ำตาลของเชื้อLAB ซึ่งส่งผลต่อรสชาติที่เป็นเอกลักษณ์ของเบียร์เปรี้ยว

SignGen: โปรแกรมสร้างวิดีโอภาษามือไทยโดยใช้โมเดลภาษาขนาดใหญ่

คณะวิศวกรรมศาสตร์

SignGen: โปรแกรมสร้างวิดีโอภาษามือไทยโดยใช้โมเดลภาษาขนาดใหญ่

ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย