ในงานวิจัยนี้ ทำการผลิตเมมเบรนกราฟีนออกไซด์โดยใช้กระบวนการ Phase-Inversion Method ซึ่งเป็นการเปลี่ยนสถานะของพอลิเมอร์จากของเหลวไปเป็นของแข็งผ่านการแยกเฟส ซึ่งจะทำให้เกิดโครงสร้างรูพรุนในเมมเบรน โครงสร้างของเมมเบรนที่ได้ขึ้นอยู่กับวิธีการทำให้เกิดการแยกเฟส โดยวิธี Phase-Inversion เป็นหนึ่งในกระบวนการผลิตเมมเบรนที่มีความยืดหยุ่นสูง ต้นทุนต่ำ และสามารถควบคุมโครงสร้างของเมมเบรนได้ดี เหมาะสำหรับงานด้านการบำบัดน้ำ การแยกสาร และการกรองของเหลวหรือก๊าซในระดับอุตสาหกรรม กราฟีนออกไซด์ (Graphene Oxide, GO) เป็นวัสดุที่ได้รับความสนใจอย่างมากในด้านการนำมาผลิตเมมเบรนเพื่อใช้สำหรับบำบัดน้ำและการกำจัดของเสีย เนื่องจากมีโครงสร้างเป็นชั้นบางระดับนาโนเมตร ทำให้สามารถควบคุมการซึมผ่านของโมเลกุลน้ำได้อย่างมีประสิทธิภาพ และยังมีคุณสมบัติพิเศษ เช่น - การคัดแยกโมเลกุลที่มีประสิทธิภาพสูง: สามารถกรองอนุภาคนาโน ไอออนโลหะหนัก สารอินทรีย์ และจุลินทรีย์ได้ - ความสามารถในการซึมผ่านน้ำสูง: เนื่องจากโครงสร้างของกราฟีนออกไซด์มีช่องว่างระหว่างชั้นที่เอื้อต่อการเคลื่อนที่ของโมเลกุลน้ำ - ความทนทานทางเคมีและเชิงกลสูง: ทำให้สามารถใช้งานในสภาพแวดล้อมที่รุนแรง เช่น น้ำเสียอุตสาหกรรม หรือของเสียที่มีค่า pH สูงหรือต่ำได้ - คุณสมบัติการป้องกันการเปรอะเปื้อน (Antifouling): ลดการสะสมของสารปนเปื้อนบนพื้นผิวเมมเบรน - กราฟีนออกไซด์มีความชอบน้ำสูงเนื่องจากมีปริมาณหมู่ฟังชันของออกซิเจนอย่าง (OH-) ที่พื้นผิวที่ค่อนข้างมาก ส่งผลให้เป็นเป็นสารเติ่มแต่งที่ดีสำหรับการผลิตเมมเบรนด้วยเทคนิค Phase-Inversion Method การประยุกต์ใช้เมมเบรนกราฟีนออกไซด์ในการกำจัดของเสีย - การบำบัดน้ำเสียอุตสาหกรรม เช่น การกรองโลหะหนัก (Pb2+, Cr6+, Hg2+) และสารอินทรีย์ที่เป็นพิษ - การกำจัดสารปนเปื้อนทางชีวภาพ เช่น แบคทีเรีย ไวรัส และสารพิษจากจุลินทรีย์ - การแยกเกลือออกจากน้ำทะเล (Desalination) โดยสามารถใช้แทนเมมเบรนแบบดั้งเดิมเพื่อเพิ่มอัตราการซึมผ่านของน้ำและลดพลังงานที่ใช้ - การกำจัดสารปนเปื้อนทางเภสัชกรรม เช่น ยาปฏิชีวนะและฮอร์โมนที่ตกค้างในน้ำ
ปัญหามลพิษทางน้ำจากโลหะหนัก สารอินทรีย์ และจุลินทรีย์ในน้ำเสียอุตสาหกรรมและน้ำธรรมชาติกำลังเป็นปัญหาระดับโลก เทคโนโลยีเมมเบรน ได้รับความสนใจเนื่องจากมีประสิทธิภาพสูงในการกรองและบำบัดน้ำ กราฟีนออกไซด์ (GO) เป็นวัสดุที่มีโครงสร้างระดับนาโนและคุณสมบัติพิเศษ เช่น การซึมผ่านน้ำสูง ความทนทานทางเคมี และการคัดแยกสารปนเปื้อนอย่างมีประสิทธิภาพ ดังนั้น การพัฒนาเมมเบรนกราฟีนออกไซด์ผ่านกระบวนการ Phase-Inversion Method จึงเป็นแนวทางสำคัญในการสร้าง เมมเบรนคุณภาพสูง ราคาประหยัด และเหมาะสำหรับการใช้งานด้านสิ่งแวดล้อม
คณะอุตสาหกรรมอาหาร
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
คณะวิทยาศาสตร์
ด้วยการพัฒนาของเทคโนโลยีทางด้านอวกาศทำให้การสำรวจท้องฟ้าโดยใช้กล้องโทรทรรศน์ที่มีมุมมองกว้างขยายขอบเขตของข้อมูลใหม่ๆ สำหรับการวิจัยดาราศาสตร์โดเมนเวลามากยิ่งขึ้น ทำให้การวิเคราะห์ข้อมูลแบบดั้งเดิมไม่สามารถตอบสนองต่อข้อมูลได้อย่างรวดเร็วและแม่นยำเพียงพอต่อปริมาณข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง ดังนั้น การจำแนกประเภทของข้อมูลซีรีส์เวลาอย่างกราฟแสงจึงเป็นความท้าทายอย่างมากในยุคที่ข้อมูลมีขนาดใหญ่ ในปัจจุบันการวิเคราะห์กราฟแสงจึงจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่องเข้ามาช่วยในการวิเคราะห์ คัดกรองข้อมูลอันมหาศาลอย่างหลีกเลี่ยงไม่ได้ โดยอัลกอริทึมการเรียนรู้ของเครื่องแบ่งออกได้ 2 ประเภท คือ แบบตื้นและแบบลึก นักวิจัยหลายๆ ท่านได้นำเสนอวิธีการและการพัฒนาอัลกอริทึมหลากหลายรูปแบบสำหรับการจำแนกประเภทของกราฟแสง ซึ่งในงานนี้เราได้ทำการทดลองใช้ Support Vector Machine (SVM) และ XGBoost ซึ่งเป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทแบบตื้น และ 1D-CNN และ Long Short-Term Memory (LSTM) ซึ่งเป็นอัลกอริทึมการเรียนรู้เชิงลึกเป็นอีกหนึ่งสาขาของการเรียนรู้ของเครื่องที่เป็นประเภทแบบลึก เพื่อใช้ในการจำแนกประเภทของดาวแปรแสง โดยข้อมูลที่ใช้ในการอบรบและทดสอบ คือ ข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) เป็นข้อมูลของดาวแปรแสง โดยอยู่ในพื้นที่ Large Magellanic Cloud (LMC) ที่มีการแบ่งได้ 5 คลาสหลักส่วนใหญ่ (Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars และ Long-period variables) ผลลัพธ์แสดงให้เห็นถึงการวิเคราะห์ประสิทธิภาพของการเรียนรู้ของเครื่องแต่ละประเภทที่ใช้กับข้อมูลกราฟแสง อีกทั้งยังชี้ให้เห็นถึงความแม่นยำและค่าสถิติต่างๆ ของการเรียนรู้ของเครื่องที่ใช้ในทดลอง
คณะวิศวกรรมศาสตร์
งานวิจัยนี้เสนอแนะการใช้โพลีเมอร์เชือกเสริมเส้นใยธรรมชาติ เพื่อเสริมกำลังเสาคอนกรีตสี่เหลี่ยมรวมรีไซเคิลที่ประกอบด้วยอิฐมวลรวมแข็งจากดินเหนียวเผา เพื่อลดต้นทุนสูงที่เกี่ยวข้องกับโพลีเมอร์เสริมใยสังเคราะห์ ตัวอย่างคอนกรีตจำนวน 24 คอลัมน์เพื่อทำการศึกษาครั้งนี้ ตัวอย่างได้รับการทดสอบภายใต้แรงอัดตามแนวแกนแบบโมโนโทนิก ตัวแปรที่น่าสนใจคือ กำลังของคอนกรีตไม่จำกัดจำนวน และจำนวนชั้น FRR จากผลการทดสอบ ชิ้นงานที่ได้รับการปรับปรุงให้แข็งแกร่งขึ้นแสดงให้เห็นถึงกำลังรับแรงอัดและความเหนียวที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่ง ชิ้นงานที่มีความแข็งแรงไม่จำกัดน้อยที่สุดแสดงให้เห็นถึงการปรับปรุงที่ใหญ่ที่สุดในด้านกำลังรับแรงอัดและความเหนียว โดยเฉพาะกำลังรับแรงอัดและความเครียดเพิ่มขึ้นถึง 181% และ 564% ตามลำดับ เพื่อที่จะคาดการณ์ความเครียดและความเครียดจากแรงอัดที่จำกัดขั้นสุดท้าย การศึกษานี้จึงได้ตรวจสอบแบบจำลองความเครียด-ความเครียดเชิงวิเคราะห์จำนวนหนึ่ง การเปรียบเทียบผลการทดลองและทางทฤษฎีสรุปได้ว่าแบบจำลองความแข็งแกร่งเพียงจำนวนจำกัดเท่านั้นที่ส่งผลให้เกิดการคาดการณ์อย่างใกล้ชิด ในขณะที่มีการสังเกตการกระจายที่ใหญ่กว่าสำหรับการทำนายความเครียด การเรียนรู้ของเครื่องถูกนำมาใช้โดยใช้โครงข่ายประสาทเทียมเพื่อทำนายกำลังรับแรงอัด ชุดข้อมูลที่ประกอบด้วย 142 ตัวอย่างเสริมความแข็งแกร่งด้วยกัญชา FRP ถูกดึงออกมาจากวรรณกรรม โครงข่ายประสาทเทียมได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลที่แยกออกมา และประสิทธิภาพของมันได้รับการประเมินสำหรับผลการทดลองของการศึกษานี้ ซึ่งแสดงให้เห็นถึงข้อตกลงที่ใกล้ชิด