
AI-Integrated Materials Engineering
คือหลักสูตรแนวหน้าที่พัฒนาร่วมกันโดย ภาควิชาวิศวกรรมวัสดุ และ ภาควิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์
หลักสูตรนี้ มุ่งสร้างวิศวกรรุ่นใหม่ที่เข้าใจว่าวัสดุคือรากฐานของนวัตกรรมทางวิศวกรรมทุกแขนง ตั้งแต่สมาร์ตโฟน รถยนต์ไฟฟ้า ไปจนถึงยานอวกาศและแบตเตอรี่ยุคใหม่ และสามารถใช้ AI เพื่อปลดล็อกศักยภาพสูงสุดของวัสดุเหล่านี้
นิสิตจะได้ฝึกปฏิบัติจริงกับข้อมูลการผลิต วิเคราะห์การเสื่อมสภาพด้วย Machine Learning และพัฒนาโครงงานที่ตั้งอยู่บนความท้าทายจริงจากอุตสาหกรรมพลังงาน อิเล็กทรอนิกส์ เซมิคอนดักเตอร์ และการผลิตอัจฉริยะ
ตลอดหลักสูตร นิสิตจะได้รับคำแนะนำจากอาจารย์ผู้เชี่ยวชาญทั้งสองสาขา และได้ร่วมทำงานกับเพื่อนจากแทร็กอื่นใน AIEP เช่น วิศวกรรมเครื่องกล อุตสาหการ และสิ่งแวดล้อม เพื่อสร้างประสบการณ์การเรียนรู้แบบข้ามศาสตร์อย่างแท้จริง
🔍 ภาพรวมหลักสูตร
หลักสูตรนี้เป็นส่วนหนึ่งของ AI-Integrated Engineering Program (AIEP)
และเปิดสอนในรูปแบบ หลักสูตรพิเศษ ภายใต้ภาควิชาวิศวกรรมวัสดุ
- 🧑🏫 ระดับปริญญาตรี: วิศวกรรมศาสตรบัณฑิต (วิศวกรรมวัสดุ)
- 🎓 ระดับปริญญาโท: วิศวกรรมศาสตรมหาบัณฑิต (วิศวกรรมบูรณาการปัญญาประดิษฐ์)
- 📅 เปิดรับรุ่นแรก: ปีการศึกษา 2569
- 👥 จำนวนรับ: 20 คน
- ✅ ช่องทางรับเข้า: TCAS1 (แฟ้มสะสมผลงาน), TCAS2 (โควตา)
- 🚫 ไม่เปิดในระบบปกติหรือ IUP
🧠 จุดเด่นของหลักสูตร
- ผสาน วัสดุศาสตร์ วิทยาการคอมพิวเตอร์ และ AI เพื่อขับเคลื่อนนวัตกรรมในยุค digital transformation
- พื้นฐานแน่นด้านวิศวกรรมและวิทยาศาสตร์ พร้อมโอกาสวิจัยตั้งแต่ระดับปริญญาตรี
- โครงงาน Capstone และวิจัยระดับโทจากปัญหาในภาคอุตสาหกรรมจริง
- สอนร่วมโดยคณาจารย์จาก วิศวกรรมวัสดุ และ วิศวกรรมคอมพิวเตอร์
- ความร่วมมือวิจัยระดับประเทศและนานาชาติ เช่น NAIST ประเทศญี่ปุ่น
- ชุมชนการเรียนรู้ร่วมกับนิสิตจากแทร็ก AI x Engineering อื่น ๆ
📚 สิ่งที่จะได้เรียนรู้
- พื้นฐานวัสดุศาสตร์: โลหะ พอลิเมอร์ เซรามิก คอมโพสิต
- การประยุกต์ใช้ในอิเล็กทรอนิกส์ เซมิคอนดักเตอร์ วัสดุชีวภาพ พลังงาน
- การใช้ AI ในการออกแบบวัสดุ การจำลอง วิเคราะห์การเสื่อมสภาพ และเพิ่มประสิทธิภาพ
- โครงงาน Capstone ที่ใช้ชุดข้อมูลจริงจากอุตสาหกรรม
- การทำงานร่วมกันแบบข้ามสายวิชาเพื่อแก้ปัญหาทางวิศวกรรมที่ขับเคลื่อนด้วย AI
🧪 หัวข้อโครงงานและวิจัยตัวอย่าง
- การคัดเลือกและออกแบบวัสดุด้วยการจำลองร่วมกับ Machine Learning
- การบำรุงรักษาเชิงพยากรณ์ในโรงงานผลิต
- การตรวจสอบความเสียหายด้วย image recognition และ ML
- การวิเคราะห์ข้อมูลเพื่อเพิ่มประสิทธิภาพกระบวนการผลิต
- การพยากรณ์สมบัติวัสดุด้วย Machine Learning
🤝 พันธมิตรด้านอุตสาหกรรมและวิจัย
- NAIST (ญี่ปุ่น)
- ศูนย์วิจัยและนวัตกรรม ปตท.
- ปตท.สผ. (PTTEP)
- PTTGC
- WD (ร่วมมือกับแทร็กไฟฟ้า)
- Delta (ร่วมมือกับเครื่องกลและอุตสาหการ)
- กลุ่มวิจัยด้าน AI มหาวิทยาลัยเกษตรศาสตร์
🔄 เส้นทาง 4+1
- ออกแบบให้เปลี่ยนผ่านสู่ปริญญาโท AI-Integrated Engineering ได้อย่างราบรื่น
- โครงงาน Capstone ปี 4 เชื่อมต่อกับงานวิจัยระดับปริญญาโทในปีที่ 5
- ต้องผ่านเกณฑ์ GPA และความพร้อมด้านวิชาการเพื่อเรียนต่อ
🧭 เส้นทางอาชีพ
- วิศวกรวัสดุเชิงข้อมูลในอุตสาหกรรมเซมิคอนดักเตอร์ อิเล็กทรอนิกส์ และวัสดุล้ำสมัย
- วิศวกรความน่าเชื่อถือที่ใช้ AI ในอุตสาหกรรมปิโตรเคมีและพลังงาน
- วิศวกรโรงงานอัจฉริยะในยุค Manufacturing 5.0
- นักวิจัยด้านวัสดุคอมพิวเตอร์
- นักพัฒนาเทคโนโลยีที่บูรณาการวัสดุศาสตร์กับ AI
🌟 จุดแข็งของหลักสูตร
- หลักสูตรสองปริญญาแบบ 4+1: วศ.บ. + วศ.ม. ที่พร้อมสำหรับภาคอุตสาหกรรม
- การบูรณาการข้ามศาสตร์อย่างลึกระหว่างภาควิชา
- ความร่วมมือแน่นแฟ้นกับภาคอุตสาหกรรมระดับแนวหน้า
- เข้าถึงเครื่องมือ AI และแนวปฏิบัติวิจัยล้ำสมัยตั้งแต่ระดับปริญญาตรี
🎒 กิจกรรมเสริม
- โครงงาน Capstone ที่ออกแบบร่วมกับภาคอุตสาหกรรม
- โอกาสวิจัยระดับปริญญาตรี (UROP) ตั้งแต่ชั้นต้น
- โครงการฝึกงานในไทยหรือต่างประเทศ
- ค่ายเทคโนโลยี เวิร์กช็อป และโครงการแลกเปลี่ยนระดับนานาชาติ
- ได้รับคำแนะนำจากอาจารย์และที่ปรึกษาในภาคอุตสาหกรรม
🧩 รายวิชาพื้นฐานด้าน AI (เลือกเรียนในระดับปริญญาตรี)
- Applied AI for Engineering (01204162)
- Mathematical Foundations for AI Engineers (0120426x)
- Programming Concepts for Data Processing and Analysis (0120426x)
(สามารถเสนอรายวิชาภายในของวิศวกรรมวัสดุเพื่อพิจารณาเทียบเท่าได้)
🎓 ผลลัพธ์บัณฑิตที่โดดเด่น
บัณฑิตจากแทร็กนี้จะสามารถ:
- ใช้ AI เพื่อเพิ่มประสิทธิภาพและความน่าเชื่อถือของกระบวนการผลิต
- ใช้ข้อมูลและ Machine Learning เพื่อเร่งการพัฒนาวัสดุ
- ใช้โมเดลพยากรณ์เพื่อลดความล้มเหลวในระบบการผลิตจริง
- ผสานพื้นฐานทางวิศวกรรมเข้ากับความเชี่ยวชาญด้าน AI เพื่อสร้างนวัตกรรมที่พร้อมสำหรับอนาคต