โครงการนี้มีเป้าหมายเพื่อพัฒนาศักยภาพการใช้พลังงานในอนาคต Net Zero ของกรุงเทพครั้งใหม่ โดยมีเป้าหมายที่จะตอบข้อบกพร่องของโครงสร้างเมืองในปัจจุบัน ซึ่งยังคงไม่มีประสิทธิภาพและก่อมลพิษอย่างมาก ในทางกลับกันโครงการนี้สามารถผลิตพลังงานและส่งพลังงานส่วนเกินกลับคืนสู่เมืองและชุมชนโดยรอบ
โครงการนี้เริ่มต้นจากความสนใจส่วนตัวในด้านสิ่งแวดล้อมและ Green Design โดยณปัจจุบันโลกกำลังเผชิญกับวิกฤตสภาพภูมิอากาศ ซึ่งตอนนี้อุณหภูมิโลกได้เพิ่มสูงขึ้นถึงระดับ 1.5°C และกำลังเข้าใกล้ขีดจำกัด 2°C เพื่อรับมือกับสถานการณ์นี้องค์กร United Nations ได้กำหนดเป้าหมายใว้ในปี 2015 ในการบรรลุ Carbon Net Zero ภายในปี 2050 โครงการนี้ทำขึ้นเพื่อเป็นจุดเริ่มต้นของการเปลี่ยนแปลงในสถาปัตยกรรมสู่อนาคต
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
คณะอุตสาหกรรมอาหาร
งานวิจัยนี้ศึกษาฟิล์มบรรจุภัณฑ์แอคทีฟจากพอลิไวนิลแอลกอฮอล์ (PVA) และเส้นใยนาโนเซลลูโลส (NFC) โดยเติมอนุภาคซิลเวอร์นาโน (AgNPs) ที่สังเคราะห์จากสารสกัดสมอไทย ซึ่งมีฤทธิ์ต้านเชื้อแบคทีเรียและเชื้อรา ฟิล์มที่พัฒนาขึ้นถูกทดสอบสมบัติทางกล การยับยั้งจุลินทรีย์ และการย่อยสลายทางชีวภาพ ผลการวิจัยพบว่าการเติม AgNPs จากสมอไทยช่วยเพิ่มประสิทธิภาพในการปกป้องผลิตภัณฑ์และยืดอายุการเก็บรักษาสตรอเบอร์รีได้อย่างมีประสิทธิภาพ ทั้งยังเป็นมิตรต่อสิ่งแวดล้อม
คณะอุตสาหกรรมอาหาร
ปัจจุบันการบริโภคอาหารที่มีฤทธิ์ต้านอนุมูลอิสระได้รับความสนใจมากขึ้น เนื่องจากสามารถช่วยลดความเสี่ยงในการเกิดโรคเรื้อรัง เช่น โรคมะเร็ง โรคหัวใจ และภาวะเสื่อมของเซลล์ ขิง (Zingiber officinale) ปลีกล้วย (Musa paradisiaca L.) และกระเจี๊ยบ (Hibiscus sabdariffa L.) เป็นพืชสมุนไพรที่มีสารประกอบฟีนอลิกสูง ซึ่งเป็นสารสำคัญที่มีบทบาทในการต้านอนุมูลอิสระ อย่างไรก็ตาม สารสำคัญจากพืชเหล่านี้มักมีข้อจำกัดด้านความคงตัวเมื่อสัมผัสกับแสง อุณหภูมิ และออกซิเจน ส่งผลให้ประสิทธิภาพลดลง งานวิจัยนี้มุ่งเน้นการศึกษาอัตราส่วนที่เหมาะสมของขิง ปลีกล้วย และกระเจี๊ยบ ในการกักเก็บด้วยลิโพโซม ซึ่งเป็นเทคนิคการห่อหุ้มสารสำคัญที่ช่วยเพิ่มความคงตัวของสารออกฤทธิ์และเพิ่มประสิทธิภาพในการนำส่งสารเข้าสู่ร่างกาย การศึกษานี้ดำเนินการโดยวิเคราะห์ฤทธิ์ต้านอนุมูลอิสระของสารสกัดจากขิง ปลีกล้วย และกระเจี๊ยบ ด้วยวิธี DPPH, ABTS และ FRAP รวมถึงการวัดปริมาณสารฟีนอลิกรวม (Total Phenolic Content, TPC) จากนั้นเลือกอัตราส่วนที่มีฤทธิ์ต้านอนุมูลอิสระสูงสุดมาทำการห่อหุ้มด้วยลิโพโซม โดยใช้ฟอสโฟลิปิดเป็นองค์ประกอบหลักของโครงสร้างลิโพโซม จากนั้นวิเคราะห์ประสิทธิภาพของลิโพโซมในการกักเก็บสารสำคัญผ่านการคำนวณค่า Encapsulation Efficiency (EE%) เพื่อตรวจสอบประสิทธิภาพการห่อหุ้ม ผลการวิจัยคาดว่าจะช่วยระบุอัตราส่วนที่เหมาะสมของขิง ปลีกล้วย และกระเจี๊ยบที่สามารถเพิ่มฤทธิ์ต้านอนุมูลอิสระสูงสุด และทำให้สารสำคัญมีความคงตัวมากขึ้นเมื่อผ่านกระบวนการห่อหุ้มด้วยลิโพโซม ซึ่งเป็นแนวทางสำคัญในการพัฒนาผลิตภัณฑ์เสริมสุขภาพจากสมุนไพรที่สามารถรักษาคุณสมบัติทางชีวภาพของสารสำคัญได้ในระยะยาว