KMITL Innovation Expo 2025 Logo

แบตเตอรี่กราฟีนควอนตัมดอทสำหรับอุตสาหกรรมยานยนต์ไฟฟ้าและการกักเก็บพลังงาน

แบตเตอรี่กราฟีนควอนตัมดอทสำหรับอุตสาหกรรมยานยนต์ไฟฟ้าและการกักเก็บพลังงาน

รายละเอียด

เป็นการนำวัสดุ“กราฟีนออกไซด์ควอนตัมดอท ที่สังเคราะห์จากวัสดุตั้งต้นกราฟีนออกไซด์ มาผลิตเป็นวัสดุรีดิวซ์กราฟีนออกไซด์ควอนตัมดอท โดยทำการผลิตได้จากเครื่องผลิต “ต้นแบบเครื่องผลิต รีดิวซ์กราฟีนออกไซด์ ควอนตัมดอท สำหรับอุตสาหกรรม” ที่พัฒนาขึ้นโดย สจล. มาพัฒนาต่อยอดเป็นนวัตกรรม "แบตเตอรี่กราฟีนควอนตัมดอท" สำหรับเชิงพานิชย์ เพื่อสนับสนุนในอุตสาหกรรมยานยนต์ไฟฟ้าและการกักเก็บพลังงาน

วัตถุประสงค์

โครงการวิจัยเป็นพัฒนาวัสดุในรูปแบบควอนตัมดอท คือ วัสดุ“รีดิวซ์กราฟีนออกไซด์ควอนตัมดอท”(rGO-QDs) เป็นการสังเคราะห์จากวัสดุตั้งต้นกราฟีนออกไซด์ ได้ผลผลิตเป็นวัสดุรีดิวซ์กราฟีนออกไซด์ควอนตัมดอท โดยได้มีการพัฒนาเครื่อง “ต้นแบบเครื่องผลิต รีดิวซ์กราฟีนออกไซด์ ควอนตัมดอท สำหรับอุตสาหกรรม” ซึ่งได้เข้ารับพระราชทานรางวัลการวิจัยแห่งชาติ รางวัลระดับเกียรติคุณ ใน ผลงานประดิษฐ์คิดค้น ประจำปี 2568 วัสดุรีดิวซ์กราฟีนออกไซด์ควอนตัมดอท จากวัสดุดังกล่าวได้มีการพัฒนาต่อยอดนำวัสดุรีดิวซ์กราฟีนออกไซด์ควอนตัมดอทเป็นอิเล็กโตรไลต์สำหรับตัวเก็บประจุยิ่งยวด พัฒนาเป็นนวัตกรรม ต้นแบบ “เซลล์ไฮบริดคาปาซิเตอร์แบบกึ่งของแข็งรีดิวซ์กราฟีนออกไซด์ควอนตัมดอทอิเล็กโทรไลต์และแผ่นกั้นขั้วยางพาราไทยผสมนาโนกราฟีนออกไซด์” ซึ่งได้รับพระราชทานรางวัลการวิจัยแห่งชาติ จากผลงานประดิษฐ์คิดค้น ประจำปี 2566 และวัสดุ รีดิวซ์กราฟีนออกไซด์ควอนตัมดอท นำถูกนำมาพัฒนาเป็นแบตเตอรี่กราฟีนควอนตัมดอทสำหรับอุตสาหกรรมยานยนต์ไฟฟ้าและการกักเก็บพลังงาน

นวัตกรรมอื่น ๆ

การพัฒนาส่วนต่อขยายเว็บไซต์ J-LEARN เพื่อการจองการส่งงานและการส่งโปรเจครายวิชา

คณะเทคโนโลยีสารสนเทศ

การพัฒนาส่วนต่อขยายเว็บไซต์ J-LEARN เพื่อการจองการส่งงานและการส่งโปรเจครายวิชา

ในยุคที่เทคโนโลยีสารสนเทศเข้ามามีบทบาทสำคัญในหลายด้าน การใช้เว็บไซต์เพื่อสนับสนุนการเรียนการสอนจึงเป็นสิ่งจำเป็น โดยในกรณีศึกษานี้ ได้ทำการพัฒนาเว็บไซต์สำหรับวิชา Object Oriented Programming (OOP) ที่สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง เพื่ออำนวยความสะดวกแก่ผู้สอนและผู้ช่วยสอนในการกรอกคะแนน ตรวจงาน และติดตามความก้าวหน้าของนักศึกษา ซึ่งระบบที่พัฒนาขึ้นนี้สามารถช่วยลดข้อผิดพลาดในการกรอกคะแนน การตรวจงานได้อย่างรวดเร็วและแม่นยำ รวมถึงสามารถติดตามผลการเรียนและการส่งงานของนักศึกษาได้อย่างมีประสิทธิภาพ นอกจากนี้ยังเพิ่มความสะดวกในการจองคิวส่งงานและโปรเจคของนักศึกษา รวมถึงการแสดงข้อมูลสถิติคะแนนของนักศึกษา ซึ่งจะเป็นประโยชน์ในการยกระดับคุณภาพการเรียนการสอนให้มีความทันสมัย

คีออสก์: จอแสดงข้อมูลแบบโต้ตอบบนสมาร์ทบอร์ด

คณะวิศวกรรมศาสตร์

คีออสก์: จอแสดงข้อมูลแบบโต้ตอบบนสมาร์ทบอร์ด

โครงงานนี้นำเสนอระบบคีออสก์แบบอินเทอร์แอคทีฟที่ออกแบบมาเพื่ออำนวยความสะดวกให้กับนักศึกษา บุคลากร และผู้มาเยี่ยมชมภายในมหาวิทยาลัย คีออสก์มีการนำเสนอกิจกรรมแบบเรียลไทม์ ข่าวสาร และการเข้าถึงเอกสารของมหาวิทยาลัยผ่านคิวอาร์โคดหรืออีเมล ระบบได้รวมฟังก์ชันแผนที่สามมิติของคณะวิศวกรรมศาสตร์พร้อมระบบนำทาง ช่วยให้ผู้ใช้สามารถค้นหาห้องเรียน สำนักงาน และสิ่งอำนวยความสะดวกต่างๆ ได้อย่างมีประสิทธิภาพ นอกจากนี้ยังมีระบบจองห้อง ที่ช่วยให้ผู้ใช้สามารถจองพื้นที่ผ่านแพลตฟอร์มออนไลน์และเช็คอินผ่านการสแกนคิวอาร์โคดที่คีออสก์ จากการผสานเทคโนโลยีดิจิทัลและระบบเมืองอัจฉริยะ ส่งผลให้ระบบนี้เพิ่มขีดความสามารถและการเข้าถึง การจัดการพื้นที่ภายในมหาวิทยาลัย เพิ่มพูนประสบการณ์ และอำนวยความสะดวกแก่ผู้มาเยี่ยมชม

การศึกษาการจำแนกดาวแปรแสงผ่านการวิเคราะห์กราฟแสงโดยใช้วิธีการเรียนรู้ของเครื่อง

คณะวิทยาศาสตร์

การศึกษาการจำแนกดาวแปรแสงผ่านการวิเคราะห์กราฟแสงโดยใช้วิธีการเรียนรู้ของเครื่อง

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