เเนวความคิดของงานนี้ ผมได้มาจากความสงสัยที่ว่า ถ้าในการเดินทางข้ามมิติในอวกาศใช้ระบบเทเลพอร์ต ซึ่งก็คือการลบมวลสารจากจุดนึงไปยังอีกจุดนึงโดยคงสภาพมวลสารนั้นไว้ เกิดความผิดพลาด ซึ่งก็คือมวลสารเหล่านั้นถูกสร้างขึ้นมาใหม่รวมกันจะสิ่งที่ออกมาจะเป็นสัตว์ทดลองหลอมรวมเข้ากับตัวยาน ผมเลือกตัวหมีน้ำเป็นสัตว์ทดลองตัวเเรกที่ใช้ระบบเทเลพอร์ตเพราะหมีน้ำเคยถูกส่งไปอวกาศมาเเล้วเเละรอดกลับมาได้ด้วย เลยคิดว่าถ้าความจริงเรากำลงจะทดลองระบบเทเลพอร์ตนี้ หมีน้ำก็คงจะมีโอกาสโดนจับไปทดลองสูง
โดยส่วนตัวผมเป็นคนที่ค่อนข้างชอบสื่อเเละนิยาย ที่เกี่ยวกับไซไฟ ผมเลยอยากนำมาต่อยอดเข้ากับการสร้างงานโมเดลของตนเองเพื่อตอบสนองความชอบเเละความเป็นไปได้ต่างๆที่อาจจะเกิดขึ้นได้ในโลกความเป็นจริง
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
ผลงานออกแบบอาคารเชิงพาณิชย์ Community mall และ โฮมออฟฟิศ บนพื้ทที่กว่า 12 ไร่ ที่มีแนวความคิดที่ต้องการดึงผู้คนกลับมายังที่ดินที่ถูกทอดทิ้ง โดยผสานการสะท้อนวิถีชีวิตคนทำงาน เข้ากับการวางผังที่คำนึงถึงที่ว่างทางธรรมชาติได้อย่างน่าสนใจ เกิดบรรยากาศที่ที่กระตุ้นโมเดลทางธุรกิจ และพัฒนาที่ดินได้อย่างมีศักยภาพ
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ
คณะวิทยาศาสตร์
งานวิจัยนี้ได้นำเสนอการวิเคราะห์เชิงสี (Colorimetric detection) สำหรับตรวจวัดกรดแทนนิก (tannic acid) ในตัวอย่างเครื่องดื่มจากพืช โดยอาศัยปรากฏการณ์การแทนที่ (displacement phenomenon) ของสารรักษาเสถียรภาพบนพื้นผิวของอนุภาคแพลทินัมนาโน (PtNPs) ที่ถูกรักษาเสถียรภาพด้วยกรดแกลลิก (gallic acid) ซึ่งกรดแกลลิกสามารถรักษาเสถียรภาพของ PtNPs ให้อยู่ในรูปของอนุภาคที่รวมตัวกันและให้สารคอลลอยด์ที่เป็นสีเขียว โดยกรดแทนนิกสามารถแทนที่กรดแกลลิกบนพื้นผิวของ PtNPs ได้ง่าย ส่งผลให้อนุภาคที่รวมตัวกันเกิดการกระจายตัวและเปลี่ยนสีจากเขียวเป็นส้ม−น้ำตาล และภายใต้สภาวะที่เหมาะสม ตัวตรวจวัดเชิงสีแสดงค่าการตอบสนองเชิงเส้นในช่วงความเข้มข้น 1−2,000 µmol L⁻¹ (R² = 0.9991) โดยมีขีดจำกัดในการตรวจวัด (LOD) และขีดจำกัดเชิงปริมาณ (LOQ) ที่ 0.02 และ 0.09 µmol L⁻¹ ตามลำดับ ตัวตรวจวัดเชิงสีที่พัฒนาขึ้นมีความจำเพาะสูงต่อกรดแทนนิกและไม่ถูกรบกวนจากสารอื่น อีกทั้งยังมีค่าความแม่นยำที่ดี (RSD = 1.00%−3.36%) ที่สำคัญคือ ให้ค่าการคืนกลับ (recovery) อยู่ในช่วง 95.0−104.7% แสดงให้เห็นถึงศักยภาพของเซนเซอร์คัลเลอริเมตริกที่สามารถตรวจวัดกรดแทนนิกได้อย่างรวดเร็วและแม่นยำในตัวอย่างเครื่องดื่มจริง แม้ว่าวิธีการตรวจวัดกรดแทนนิกที่ถูกพัฒนาขึ้นจะเป็นเทคนิคที่รวดเร็วในการตรวจวัดกรดแทนนิก แต่ยังคงมีปัญหาเกี่ยวกับความไว (sensitivity) และความแม่นยำ (accuracy) ของการวิเคราะห์ โดยเฉพาะเมื่อมีสารแอนโทไซยานิน (anthocyanin) รบกวน ดังนั้น จึงพัฒนาวิธีเตรียมตัวอย่างเพื่อย่อยสลายแอนโทไซยานินในเครื่องดื่มเพื่อลดการรบกวนของสารที่มีสีต่อการตรวจวัดเชิงสีสำหรับวิเคราะห์ปริมาณกรดแทนนิกในเครื่องดื่ม