เครื่องกำเนิดสถานะพลาสมาชนิดอาร์คโดยตรง 6 หัว การประยุกต์ใช้เทคโนโลยีของพลาสมา และความคืบหน้าของนิวเคลียร์ฟิวชันและโทคามัคประเทศไทย
เทคโนโลยีพลาสมาเป็นนวัตกรรมที่สำคัญในอุตสาหกรรมการผลิต อิเล็กทรอนิกส์ และการแพทย์ โดยช่วยเพิ่มประสิทธิภาพและคุณภาพของผลิตภัณฑ์ อีกทั้งยังมีบทบาทสำคัญในพลังงานสะอาด เช่น โทคามัค ซึ่งใช้พลาสมาในการสร้างปฏิกิริยาฟิวชันเพื่อผลิตพลังงานจากไฮโดรเจนอย่างยั่งยืน โทคามัคมีศักยภาพในการลดการพึ่งพาเชื้อเพลิงฟอสซิลและแก้ไขปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศ ทำให้เป็นกุญแจสำคัญสู่พลังงานแห่งอนาคต
คณะเทคโนโลยีการเกษตร
การเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อระบบเกษตรกรรมทั่วโลก รวมถึงประเทศไทย ซึ่งอาจทำให้ผลผลิตพืชลดลงและส่งผลต่อความมั่นคงทางอาหาร ถั่วหรั่ง (Bambara groundnut) เป็นพืชที่มีศักยภาพในการปรับตัวต่อสภาพแวดล้อมที่เปลี่ยนแปลง และสามารถเจริญเติบโตได้ในพื้นที่ที่มีทรัพยากรจำกัด งานวิจัยนี้มุ่งศึกษาผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อผลผลิตถั่วหรั่งในประเทศไทย โดยใช้แบบจำลอง DSSAT (Decision Support System for Agrotechnology Transfer) ซึ่งเป็นเครื่องมือสำคัญในการคาดการณ์การเจริญเติบโตของพืชภายใต้สภาพแวดล้อมที่หลากหลาย การศึกษานี้ใช้ข้อมูลภูมิอากาศ องค์ประกอบของดิน และข้อมูลพันธุกรรมของถั่วหรั่ง เพื่อจำลองและวิเคราะห์แนวโน้มของผลผลิตภายใต้สถานการณ์สภาพอากาศในอนาคต โดยเลือกพื้นที่ศึกษา 4 แห่งในประเทศไทย ได้แก่ จังหวัดสงขลา ลำปาง ยโสธร และสระบุรี แบบจำลอง CSM-CROPGRO-Bambara groundnut ถูกนำมาใช้เพื่อประเมินอิทธิพลของอุณหภูมิและปริมาณน้ำฝนที่เปลี่ยนแปลงไป ซึ่งอาจส่งผลต่อการเจริญเติบโตและผลผลิตของถั่วหรั่ง ผลการศึกษาคาดว่าจะช่วยให้เกษตรกรและนักวิจัยมีข้อมูลที่สามารถนำไปใช้ประกอบการวางแผนเพาะปลูกและการบริหารจัดการผลผลิตถั่วหรั่งให้เหมาะสมกับสภาพภูมิอากาศที่เปลี่ยนแปลง นอกจากนี้ยังสามารถนำไปใช้ในการกำหนดแนวทางเชิงนโยบายเพื่อส่งเสริมการเพาะปลูกพืชที่ทนทานต่อสภาพอากาศที่เปลี่ยนแปลง และสนับสนุนความมั่นคงทางอาหารของประเทศ
คณะวิศวกรรมศาสตร์
งานวิจัยนี้ศึกษาการสร้างสเปกโตรโฟโตมิเตอร์แบบพิมพ์ 3 มิติ ซึ่งได้ทำการสร้างสเปกโตรโฟโตมิเตอร์แบบพิมพ์ 3 มิติ ด้วยโปรแกรม AutoCAD ทำให้ตัวเครื่องนั้นมีความแข็งแรงทนทาน ต้นทุนต่ำ และพกพาสะดวก เพื่อใช้ในการตรวจวัดปริมาณฟอร์มาลดีไฮด์ในอาหารทะเลสด
คณะวิศวกรรมศาสตร์
ปริญญานิพนธ์นี้นำเสนอการใช้การเรียนรู้เชิงลึกสำหรับการจำแนกวัตถุ โดยอัลกอริทึมการเรียนรู้เชิงลึกมีโครงสร้างที่เลือกศึกษา ได้แก่ Convolution Neural Network (CNN) และ ResNet18 รวมถึงการเตรียมข้อมูล การดึงคุณลักษณะ การปรับพารามิเตอร์เพื่อเปรียบเทียบความแม่นยำ และการประเมินประสิทธิภาพของโมเดลที่เลือก เพื่อนำเสนอโมเดลที่มีประสิทธิภาพสำหรับการใช้งานกับอุปกรณ์ช่วยเหลือผู้มีความบกพร่องทางสายตาในการจำแนกวัตถุภายในอาคารและส่งเสียงเตือน