ESC lab

ปิดคอร์สเรียบร้อยกับ คอร์สอบรม วิศวกรรมแบตเตอรี่: การออกแบบและการผลิต ที่ได้รับการสนับสนุนจาก BOI Stem++ รุ่นที่ 4 😎

เมื่อวานมีโอกาสได้รีวิวบทความหนึ่งจาก Electrochimica Acta ซึ่งเป็นงานที่มีเป้าหมายบางอย่างคล้ายกับงานของทีมเรา และเป็นประเด็นที่ผมเองเริ่มทำมาตั้งแต่สมัยปริญญาเอก

สิ่งที่น่าสนใจคือ แม้โจทย์จะคล้ายกัน แต่ทั้งวิธีคิด วิธีการศึกษา และเส้นทางที่เลือกเดินกลับแตกต่างกัน

งานของทั้งสองทีมมีจุดร่วมที่น่าสนใจ คือพยายามอธิบายว่า “วิธีการดั้งเดิม” ที่ใช้กันอยู่มีข้อจำกัดหรือปัญหาอย่างไร (แบบบทความที่เล่าถึงที่นี่ https://www.facebook.com/share/p/1KUAXBTKEd/?mibextid=wwXIfr) เพียงแต่เลือกใช้คนละวิธีในการเข้าไปตอบคำถามนั้น

สำหรับผม นี่แหละครับคือความงดงามของการวิจัย

เราไม่จำเป็นต้องเดินไปถึงคำตอบด้วยถนนเส้นเดียวกัน

บางทีมใช้วิธีหนึ่ง อีกทีมใช้วิธีหนึ่ง บางคนมองปัญหาจากมุมของ transport บางคนมองจาก electrochemistry บางคนมองจาก thermodynamics บางคนใช้แบบจำลองทางคณิตศาสตร์ บางคนใช้การทดลอง หรือบางคนเลือกผสมทุกอย่างเข้าด้วยกัน

แต่สุดท้าย ทุกคนอาจกำลังพยายามตอบคำถามเดียวกัน

เป้าหมายเดียวกัน ไม่ได้แปลว่าต้องใช้วิธีเดียวกัน

และนี่เป็นเรื่องปกติมากในวิทยาศาสตร์
----

การได้อ่านงานที่มีเป้าหมายใกล้เคียงกับงานของตัวเองในฐานะ reviewer จึงเป็นประสบการณ์ที่น่าสนใจ เพราะมันทำให้เราได้เห็นว่า ปัญหาเดียวกันสามารถถูกมองจากอีกมุมหนึ่งได้อย่างไร

และแน่นอนครับ ผมตั้งใจเขียน reviewer comment เหมือนทุกครั้ง

ปกติสิ่งแรกที่ผมเช็กไม่ใช่ “ผมจะจับผิดอะไรได้บ้าง?”แต่เป็น“ถ้าผมเป็นคนเขียนบทความนี้ แล้วเปิดมาอ่าน reviewer report ฉบับนี้ ผมจะรู้สึกอย่างไร?”

เหตุผลส่วนหนึ่งมาจากประสบการณ์ของตัวผมเอง

ตลอดช่วงเวลาที่ทำวิจัยมา ผมเจอ reviewer comment มาหลากหลายรูปแบบ

เคยถูกกล่าวหาว่า หลงตัวเอง (narcissistic)
เคยถูกบอกว่างานมีคุณค่าไม่ต่างจาก “แบบฝึกหัดในห้องเรียน” และไม่ได้มีคุณค่าทางวิชาการอะไร

อ่านแล้วก็… เจ็บอยู่ครับ 😅

แต่สิ่งที่ผมจำได้มากกว่าความรู้สึกเจ็บ คือมันทำให้ผมเห็นว่า วิธีที่เราวิจารณ์บางครั้งมีผลต่อคนอ่านมากกว่าที่เราคิด

แน่นอนครับ งานวิจัยของเราสามารถผิดได้

สมมติฐานสามารถผิดได้
วิธีการสามารถมีข้อจำกัดได้
การตีความสามารถไปไกลกว่าข้อมูลได้
และ contribution อาจไม่ได้สำคัญอย่างที่ผู้เขียนคิด

ทั้งหมดนี้วิจารณ์ได้ครับ และบางครั้งก็ควรวิจารณ์อย่างตรงไปตรงมาด้วยซ้ำ

แต่การบอกว่า“งานนี้มีข้อบกพร่อง”กับการทำให้คนเขียนรู้สึกว่า“สิ่งที่คุณทำไม่มีคุณค่า”เป็นคนละเรื่องกัน

เราไม่จำเป็นต้องทำให้ criticism เบาลงเพื่อให้คนอื่นสบายใจ แต่เราสามารถทำให้ criticism แม่นยำและสร้างสรรค์ขึ้น ได้

เพราะหน้าที่ของ reviewer ไม่ใช่การพิสูจน์ว่าเราเก่งกว่าคนเขียน

แต่คือการช่วยให้ผู้เขียนเห็นว่า

งานตรงไหนยังไม่แข็งแรง
ข้อสรุปตรงไหนยังไม่ชัด
มีอะไรที่ควรแก้
และอะไรที่จะทำให้งานดีขึ้นได้

เราอาจไม่เห็นด้วยกับสมมติฐานบางอย่าง
เราอาจคิดว่าวิธีการยังไม่แข็งแรงพอ
เราอาจคิดว่าการตีความผลไปไกลกว่าข้อมูล
หรือเราอาจเห็นช่องว่างที่ผู้เขียนมองข้ามไป

ทั้งหมดนี้พูดได้ครับ

พูดตรง ๆ ได้ด้วย

เพราะ constructive criticism ไม่ได้หมายความว่าเราต้องเห็นด้วยกับผู้เขียน หรือพูดแต่สิ่งดี ๆ

แต่เราสามารถพูดตรง ๆ โดยไม่จำเป็นต้องทำให้คนอื่นรู้สึกว่าตัวเขาเองไม่มีคุณค่า

เพราะสุดท้ายแล้ว เรากำลังวิจารณ์งาน ไม่ใช่ตัดสินคุณค่าของคน
----

ผมมองว่าการ review ก็เหมือนการสนทนากับนักวิจัยอีกคนหนึ่ง

เราอาจยืนอยู่คนละฝั่งของสมมติฐาน
เราอาจใช้วิธีคนละแบบ
เราอาจเชื่อในคำอธิบายคนละชุด
เราอาจคิดว่าคำตอบของอีกฝ่ายยังไม่เพียงพอ

แต่สุดท้าย เรากำลังคุยกันเรื่องเดียวกัน

คือวิทยาศาสตร์

เราเห็นไม่ตรงกันได้ครับ และจริง ๆ แล้ว วิทยาศาสตร์ก้าวหน้าได้ก็เพราะเราเห็นไม่ตรงกันนี่แหละ

แต่การเห็นต่างทางวิชาการ ไม่ได้ทำให้ใครมีสิทธิ์ลดทอนอีกฝ่าย

การมีความรู้มากกว่า ไม่ได้หมายความว่าเรามีสิทธิ์ดูถูกคนอื่นมากกว่า และการเป็น reviewer ก็ไม่ได้ทำให้เราสูงกว่าคนเขียน

มันเป็นเพียงบทบาทหนึ่งในกระบวนการทางวิทยาศาสตร์

วันนี้เราเป็น reviewer
พรุ่งนี้เราอาจเป็นผู้เขียน

และวันหนึ่ง งานของเราเองก็อาจถูกคนอื่นเปิดอ่าน แล้วเขียนคอมเมนต์กลับมาหาเรา

ดังนั้น สำหรับบทความนี้ ถึงแม้จะมีบางส่วนที่ใกล้เคียงกับงานที่ทีมผมทำมานาน ผมก็พยายามมองมันในฐานะ“งานของนักวิจัยอีกทีมหนึ่ง”มากกว่าจะมองว่าเป็น“คู่แข่งของงานเรา”

เพราะการที่คนสองกลุ่มสามารถตั้งคำถามคล้ายกัน แล้วเลือกเดินไปคนละเส้นทาง ไม่ได้ทำให้เส้นทางใดเส้นทางหนึ่งด้อยค่า

ตรงกันข้าม

มันอาจทำให้เราเข้าใจปัญหาเดียวกันได้ลึกขึ้นด้วยซ้ำ
----

บางที การวิจัยจึงไม่ใช่การแข่งขันว่า“วิธีของใครถูกที่สุด?”แต่อาจเป็นการช่วยกันค้นหาว่า“ปัญหานี้มีวิธีมองได้กี่แบบ?”

และบางที งานที่ดีไม่ได้จำเป็นต้องพิสูจน์ว่าเส้นทางของเราถูกที่สุด

แต่อาจเป็นงานที่ทำให้คนอื่นมองเห็นว่า ยังมีเส้นทางอื่นที่สามารถพาเราไปถึงคำตอบเดียวกันได้

ผมคิดว่านี่เป็นเหตุผลหนึ่งที่ทำให้การมีงานวิจัยหลายแนวทางเป็นเรื่องที่ดี

การที่คนอื่นคิดไม่เหมือนเรา ไม่ได้ทำให้ความรู้ของเราลดลง

การที่คนอื่นใช้วิธีไม่เหมือนเรา ไม่ได้ทำให้วิธีของเราดีขึ้นหรือแย่ลงโดยอัตโนมัติ

และการที่งานของอีกคนแตกต่างจากงานของเรา ก็ไม่ได้ทำให้เราดูด้อยลงแต่อย่างใด

วิทยาศาสตร์ไม่ได้แคบลงเพราะมีคนคิดต่างกัน

บางครั้ง สิ่งที่ทำให้วิทยาศาสตร์แคบลง อาจไม่ใช่การมีคำตอบที่แตกต่างกัน แต่อาจเป็นการที่เราค่อย ๆ เชื่อว่า มีเพียงวิธีที่เราคุ้นเคยเท่านั้นที่ควรค่าแก่การรับฟัง

ดังนั้น ผมคิดว่าสิ่งที่นักวิจัยควรพยายามรักษาไว้ ไม่ใช่แค่ความเข้มแข็งของวิธีการทางวิทยาศาสตร์

แต่รวมถึง ความเปิดกว้างทางความคิด ด้วย

เพราะสุดท้ายแล้ว แม้ความรู้ที่กว้าง จะทำให้เรามองเห็นโลกได้มากขึ้น

แต่ความเปิดกว้างของใจต่างหาก ที่ทำให้เราเห็นคุณค่าของสิ่งที่อยู่นอกกรอบความคิดของเราเอง

วันนี้ ในการบรรยายบางส่วนของคอร์สอบรม Battery Engineering: Design and Manufacturing ซึ่งเป็นหลักสูตรที่ไม่ได้เน้นเพียงการบรรยายเชิงทฤษฎี แต่ผสมผสานระหว่าง Lecture + Hands-on Practice ตั้งแต่แนวคิดในการออกแบบแบตเตอรี่ ไปจนถึงการลงมือทำและกระบวนการผลิตจริง

ผมได้เล่าให้ผู้เข้าร่วมอบรมฟังว่า รูปแบบการเรียนรู้แบบนี้ทำให้ผมนึกถึงแนวคิดหนึ่งของญี่ปุ่นที่ผมชื่นชอบมาก นั่นคือคำว่า Monozukuri (ものづくり)

จริง ๆ แล้ว แนวคิดนี้เป็นสิ่งที่ผมค่อย ๆ ซึมซับมาตั้งแต่ระดับปริญญาตรี และชัดเจนขึ้นมากจากประสบการณ์การเรียนและทำวิจัยในญี่ปุ่น

สิ่งหนึ่งที่ผมสังเกตจากประสบการณ์ในห้องปฏิบัติการคือ หากมีสิ่งใดที่เราสามารถเรียนรู้และลงมือทำเองได้ เรามักพยายามเข้าใจกระบวนการนั้นให้มากที่สุด

ตั้งแต่การออกแบบ การเตรียมวัสดุ การสร้างชิ้นงาน การประกอบ การทดลอง การวัดผล ไปจนถึงการแก้ปัญหาที่เกิดขึ้นระหว่างทาง

แน่นอนว่าไม่ได้หมายความว่าทุกอย่างต้องทำเอง หรือห้ามใช้เครื่องมือ ผู้เชี่ยวชาญ หรือกระบวนการจากภายนอก

แต่สิ่งสำคัญคือ เราควรเข้าใจสิ่งที่เรากำลังสร้างให้ลึกพอที่จะรู้ว่า มันถูกสร้างขึ้นมาอย่างไร ทำไมจึงทำงานแบบนั้น และข้อจำกัดของมันอยู่ตรงไหน

สำหรับผม นี่เป็นส่วนหนึ่งของสิ่งที่ควรเป็น

“เข้าใจให้ลึก ก่อนออกไปสร้างของจริง”

ผมเชื่อว่าการเรียนในระดับมหาวิทยาลัยไม่ควรมีเป้าหมายเพียงเพื่อให้เรา “ทำงานเป็น” เมื่อเรียนจบ

แต่ควรทำให้เราเข้าใจสิ่งที่กำลังทำ ลึกพอที่จะสามารถวิเคราะห์ ปรับปรุง และนำความรู้นั้นไปสร้างสิ่งใหม่ได้
------

ก่อนที่เราจะออกไปสู่อุตสาหกรรม เราอาจยังไม่มีโอกาสได้ทำงานกับ production line ขนาดใหญ่ หรือมีเครื่องมือราคาแพงแบบที่มีอยู่ในโรงงานจริง

แต่สิ่งหนึ่งที่มหาวิทยาลัยสามารถให้เราได้ในการทำโปรเจคจบ หรืองานวิจัยในระดับปริญญาโท ปริญญาเอก คือโอกาสในการเรียนรู้และทดลองให้เห็นกระบวนการตั้งแต่ต้นจนจบ

ทำไมต้องใช้วัสดุชนิดนี้?
ทำไมต้องออกแบบแบบนี้?
ทำไมต้องควบคุม parameter นี้?
ถ้าเปลี่ยน parameter นี้จะเกิดอะไรขึ้น?
ถ้ากระบวนการผลิตผิดพลาด จะส่งผลอย่างไรต่อโครงสร้างและ performance?

คำถามเหล่านี้อาจดูเป็นรายละเอียดเล็ก ๆ แต่เมื่อเราเริ่มเข้าใจความสัมพันธ์ของมัน เราจะเริ่มเห็นภาพใหญ่ และนี่คือคุณค่าที่ผมมองเห็นจากการเรียนรู้ในลักษณะ Monozukuri

เป้าหมายไม่ใช่เพียงการรู้ว่า “ต้องทำอะไร”แต่คือการเข้าใจว่า“ทำไมจึงต้องทำเช่นนั้น?”และที่สำคัญกว่านั้นคือ“ถ้าเราเปลี่ยนสิ่งหนึ่ง จะส่งผลต่อสิ่งอื่นอย่างไร?”

นี่คือวิธีคิดที่สำคัญมากสำหรับวิศวกร
-----

ในห้องเรียน เราสามารถเรียนรู้ได้ว่า

ความจุของแบตเตอรี่คำนวณอย่างไร
Energy density คืออะไร
C-rate หมายถึงอะไร
Electrode loading มีผลอย่างไร
Porosity ส่งผลต่อ transport อย่างไร
Cell design ควรเป็นอย่างไร
Manufacturing process มีขั้นตอนอะไรบ้าง

ทั้งหมดนี้เป็นความรู้ที่สำคัญ

แต่เมื่อเราได้ลงมือทำจริง เราจะพบว่า สิ่งที่อยู่ในสมการกับสิ่งที่เกิดขึ้นในกระบวนการผลิตจริงนั้นไม่เหมือนกันเสียทีเดียว

การออกแบบ electrode ที่ดูดีบนกระดาษ อาจผลิตออกมาได้ยาก

การเพิ่ม active material อาจเพิ่ม energy density แต่กลับทำให้ coating และ drying มีความซับซ้อนมากขึ้น

การเปลี่ยน porosity อาจช่วยเรื่อง mass transport แต่ก็อาจกระทบ mechanical integrity และ volumetric energy density

วัสดุที่ให้ electrochemical performance สูง อาจไม่ใช่ทางเลือกที่ดีที่สุด หากมีราคาแพง ผลิตยาก หรือไม่สามารถ scale-up ได้

ดังนั้น ในโลกของวิศวกรรม คำถามจึงไม่ได้มีเพียงว่า“อะไรดีที่สุด?”แต่ต้องถามต่อว่า“อะไรที่สามารถสร้างขึ้นมาได้จริง ทำซ้ำได้ ควบคุมคุณภาพได้ และนำไปใช้ได้จริง?”

เพราะบางครั้ง สิ่งที่ดีที่สุดจากการคำนวณ อาจไม่ใช่สิ่งที่ดีที่สุดในโรงงาน

และนี่คือจุดที่ manufacturing กลายเป็นส่วนหนึ่งของ engineering design ไม่ใช่เพียงขั้นตอนที่เกิดขึ้นหลังจากการออกแบบเสร็จแล้ว
----

ในการอบรมนี้ ข้อดีคือมันทำให้เราเห็นความสัมพันธ์ของทั้งกระบวนการ

Material → Electrode → Cell Design → Manufacturing → Structure → Testing → Performance

สิ่งเหล่านี้ไม่สามารถแยกออกจากกันได้อย่างสมบูรณ์

การเลือกวัสดุส่งผลต่อกระบวนการผลิต
การออกแบบ electrode ต้องคิดถึง manufacturing
Manufacturing ส่งผลต่อ microstructure
Microstructure ส่งผลต่อ transport
Transport ส่งผลต่อ electrochemical performance
และ performance ที่ได้จาก cell จริง ก็ย้อนกลับมาบอกเราว่า design และ manufacturing ที่เลือกนั้นเหมาะสมหรือไม่

นี่คือเหตุผลที่ผมคิดว่าการเรียนรู้แบบ Lecture + Hands-on มีความสำคัญมาก

Lecture ทำให้เราเข้าใจ “Why”
Hands-on ทำให้เราเข้าใจ “How”

แต่เมื่อสองสิ่งนี้มารวมกัน เราจึงเริ่มเข้าใจคำถามที่สำคัญที่สุดว่า

“Why does it work this way in the real world?”

ตรงนี้เองที่ความรู้เริ่มเปลี่ยนเป็น engineering intuition
-------

ผมคิดว่า engineering intuition ไม่ได้หมายถึงความรู้สึกหรือประสบการณ์ล้วน ๆ

แต่มันเกิดจากการที่เราเคยเห็นความสัมพันธ์ระหว่าง

สิ่งที่เราคาดว่าจะเกิด → สิ่งที่เกิดขึ้นจริง → ความแตกต่าง → การหาสาเหตุ → การทดลองใหม่

เมื่อเราทำสิ่งนี้ซ้ำ ๆ เราจะเริ่มมองเห็นสิ่งที่ตัวเลขเพียงอย่างเดียวอาจไม่ได้บอกเรา

นี่คือจุดที่ผมคิดถึง Monozukuri

คำว่า Monozukuri (ものづくり) มักถูกแปลอย่างง่ายว่า “การทำสิ่งของ” หรือ “manufacturing”

แต่สำหรับผม ความน่าสนใจของแนวคิดนี้ไม่ได้อยู่ที่การ “ทำด้วยมือ” เพียงอย่างเดียว หากอยู่ที่แนวคิดของการ สร้างสิ่งหนึ่งสิ่งใดด้วยความเข้าใจในกระบวนการที่ทำให้สิ่งนั้นเกิดขึ้น ตั้งแต่แนวคิด การออกแบบ วัสดุ กระบวนการผลิต การควบคุมคุณภาพ ไปจนถึงผลลัพธ์สุดท้าย

และที่สำคัญคือ การมองเห็นความสัมพันธ์ระหว่างแต่ละขั้นตอน

คนที่เข้าใจกระบวนการผลิต ย่อมออกแบบได้ดีขึ้น
คนที่เข้าใจวัสดุ ย่อมมองเห็นข้อจำกัดของกระบวนการได้ดีขึ้น
และคนที่เคยเห็นของจริง เคยจับชิ้นงานจริง เคยวัด เคยทดลอง และเคยพบปัญหาจริง ย่อมมีมุมมองต่อ engineering problem แตกต่างจากคนที่เห็นเพียงตัวเลขใน simulation หรือกราฟใน paper

ดังนั้น สำหรับผม Hands-on learning ไม่ได้มีคุณค่าเพียงเพราะทำให้ “ทำเป็น”แต่มันช่วยสร้าง ความเข้าใจเชิงวิศวกรรม
-------

บางทีนี่อาจเป็นสิ่งหนึ่งที่ผมชื่นชอบในแนวคิดอย่าง Monozukuri เพราะทำให้เราเห็นคุณค่าของการเข้าใจสิ่งที่เรากำลังสร้างอย่างลึกซึ้ง

การสร้างของที่ดีไม่ได้เกิดจากการมีคนที่เก่งเพียงด้านใดด้านหนึ่ง

แต่เกิดจากการที่เราเข้าใจว่า สิ่งที่กำลังทำอยู่เชื่อมโยงกับสิ่งที่อยู่ก่อนหน้าและหลังจากนั้นอย่างไร

สำหรับผม นี่คือสิ่งที่คำว่า Monozukuri สะท้อนออกมาได้ดีมาก

เรียนให้รู้ — ลงมือทำให้เป็น — เข้าใจว่าทำไม — แล้วจึงออกแบบให้ดีขึ้น

ทุกท่านเคยส่งบทความแล้วเจอประสบการณ์อะไร “แปลก ๆ” กันบ้างไหมครับ

คำว่า “แปลก” ในที่นี้ ไม่ใช่แค่ส่งไปแล้วถูก accept หรือ reject ตามปกติ แต่หมายถึงมีเรื่องราวเกิดขึ้นระหว่างกระบวนการรีวิว

สำหรับผม มีอยู่หลายครั้งครับ แต่ครั้งนี้น่าจะเป็นครั้งที่จำได้มากที่สุด เพราะเป็นครั้งแรก



มีบทความหนึ่งที่ผมส่งไปยังวารสารแห่งหนึ่ง บทความถูกส่งต่อไปให้ reviewers ประเมิน

ผลที่กลับมาค่อนข้างแปลก เพราะรีวิวเวอร์ทั้งสองคนมีความเห็นต่างกันมาก

คนแรกปฏิเสธบทความอย่างหนัก คอมเมนต์ค่อนข้างแรง ขณะที่อีกคนให้ความเห็นเชิงวิชาการตามปกติ แม้จะมีประเด็นให้แก้หลายจุด แต่ไม่ได้มองว่าบทความมีปัญหาถึงขั้นรับไม่ได้

สุดท้ายวารสารตัดสินใจ reject แต่เป็นการ reject with permission to resubmit ซึ่งเป็นครั้งแรกที่ผมได้รับการตัดสินใจแบบนี้

ผมใช้เวลาอีกประมาณ 2–3 เดือน ปรับปรุงบทความ แล้วส่งกลับไปยังวารสารเดิม

รอบนี้ บทความถูกส่งให้รีวิวเวอร์คนเดิมทั้งสองคน

ผลก็ยังคล้ายเดิม

รีวิวเวอร์คนแรกยังคงยืนยันให้ reject แต่เปลี่ยนเหตุผลบางส่วน และเพิ่มประเด็นใหม่เข้ามา ส่วนรีวิวเวอร์คนที่สองเห็นว่าปรับอีกเล็กน้อยก็น่าจะเพียงพอ

เมื่อ editor เห็นว่าความเห็นของทั้งสองฝ่ายแตกต่างกันมาก จึงเชิญรีวิวเวอร์คนที่สามเข้ามาช่วยตัดสิน พร้อมส่งรายงานของรีวิวเวอร์สองคนแรกให้เขาอ่านทั้งหมด

กระบวนการนี้กินเวลาราว 2-3 เดือน ซึ่งผมไม่ได้ทราบเลยจนกระทั่งผมได้รับจดหมายแจ้งผลการตัดสินใจ

ซึ่ง editor อธิบายให้ผมฟังว่า เขาต้องเชิญรีวิวเวอร์คนที่สามเข้ามา เพราะอยากให้มีคนช่วยชี้ว่า ผมควรแก้ไขอย่างไรจึงจะตอบข้อกังวลของรีวิวเวอร์คนแรกได้

รีวิวเวอร์คนที่สามก็เขียนไว้ตรงไปตรงมาว่า เขาได้อ่านรายงานของรีวิวเวอร์ทั้งสองคนแล้ว และเสนอแนวทางว่าควรแก้ไขอย่างไร พร้อมทั้งให้ข้อเสนอแนะเพิ่มเติมในประเด็นที่เขาเองเห็นว่ายังปรับปรุงได้

ผมจึงแก้ไขและส่งกลับไปอีกครั้ง

ผลคือ รีวิวเวอร์คนที่สองและคนที่สามเห็นว่าบทความดีพอแล้ว แต่รีวิวเวอร์คนแรกยังคงยืนยันให้ reject โดยยกเหตุผลใหม่เพิ่มเติมอีก

Editor จึงส่งรายงานกลับมาให้ผมแก้อีกรอบ คราวนี้เหมือนเป็นการโต้ตอบกันระหว่างผมกับรีวิวเวอร์คนแรกเพียงสองฝ่าย

ผมแก้และส่งกลับไปอีก

ครั้งนี้รีวิวเวอร์คนแรกบอกว่าบทความยาวเกินไป ทั้งที่บทความมีความยาวประมาณ 8,000–9,000 คำ ซึ่งถือว่าเป็นความยาวปกติของบทความประเภทนี้ แต่เขาเสนอให้ตัดออกอย่างน้อยครึ่งหนึ่ง

ผมปรับตาม แต่ลดลงประมาณ 20–30% เพราะหากตัดมากกว่านั้น เนื้อหาสำคัญจะหายไป

เมื่อส่งกลับไป เขาก็ยังมีประเด็นใหม่ให้แก้อีก และยังคงยืนยันว่าไม่ควรรับตีพิมพ์ และยังคอมเมนต์ว่าบทความยาวเกินไป

ท้ายที่สุด editor ตัดสินใจ reject

สิ่งที่ผมจำได้จนถึงวันนี้คือข้อความในจดหมายตัดสินใจ

เขาเขียนประมาณว่า วารสารมีนโยบายไม่รับบทความที่ยังมีความเห็นแตกต่างกันมาก (controversial) และยังไม่มีฉันทามติ (consensus) พร้อมกล่าวขอโทษที่ต้องปฏิเสธบทความ และ

"Science is not about majority"
วิทยาศาสตร์ไม่ใช่เรื่องของเสียงข้างมาก

กระบวนการทั้งหมด ตั้งแต่ส่งครั้งแรกจนถึงการปฏิเสธครั้งสุดท้าย กินเวลามากกว่าหนึ่งปี

เรียกว่าช้ำพอสมควรครับ



หลังจากพักใจอยู่สักระยะ ผมก็ตัดสินใจส่งบทความเดียวกันไปยังอีกวารสารหนึ่ง

สิ่งที่ไม่คาดคิดก็เกิดขึ้นอีก

รีวิวเวอร์คนหนึ่งเขียนกลับมาว่า เขารู้จักบทความนี้อยู่แล้ว และทราบเรื่องราวทั้งหมดตั้งแต่วารสารก่อน เพราะเขาเป็นหนึ่งในรีวิวเวอร์ของวารสารนั้นด้วย

(ทั้งสองวารสารเป็นวารสารของสมาคมด้านเคมีไฟฟ้าเหมือนกัน เพียงแห่งหนึ่งเป็นของอเมริกา และอีกแห่งเป็นของนานาชาติ)

ครั้งนี้ เขาให้ข้อเสนอแนะเพียงเล็กน้อย เช่นเดียวกับรีวิวเวอร์อีกคน

ผมปรับแก้อีกเพียงรอบเดียว แล้วส่งกลับไป

และในที่สุด บทความนี้ก็ได้รับการตีพิมพ์

ประสบการณ์ครั้งนี้ทำให้ผมได้เห็นว่า งานวิจัยชิ้นเดียวกัน อาจถูกปฏิเสธในวารสารหนึ่ง แต่ได้รับการตีพิมพ์ในอีกวารสารหนึ่ง ทั้งที่สาระสำคัญแทบไม่เปลี่ยน

ทุกวันนี้ เวลานักศึกษาถามผมว่า ปกติกว่าจะตีพิมพ์บทความหนึ่งใช้เวลานานแค่ไหน ผมมักจะบอกว่า ให้ประเมินไว้ประมาณหนึ่งปี และเตรียมใจไว้ด้วยว่า ดราฟต์แรกมีโอกาสถูก reject ค่อนข้างสูง

และผมก็มักจะบอกเสมอว่า บางครั้งเหตุผลของการ reject อาจไม่ใช่เพราะงานไม่ดี แต่เพราะวิทยาศาสตร์เองก็ยังมีพื้นที่ของการตีความ มุมมอง และดุลยพินิจที่แตกต่างกัน

นั่นอาจเป็นทั้งข้อจำกัด และในอีกมุมหนึ่ง ก็เป็นเสน่ห์ของระบบ peer review เช่นกัน

ป.ล. บทความนี้ ถ้านับตั้งแต่ดราฟต์แรกจนได้รับการตีพิมพ์ ใช้เวลาเกือบสองปีเต็มครับ

อีกหนึ่งผลงานจากห้องปฏิบัติการของเราได้รับการตอบรับให้ตีพิมพ์ในวารสาร International Journal of Energy Research เป็นที่เรียบร้อยแล้วครับ

งานวิจัยนี้เริ่มต้นจากคำถามที่ดูเรียบง่าย แต่มีความสำคัญต่อการผลักดันแบตเตอรี่ไหลแบบวานาเดียมรีด็อกซ์ (Vanadium Redox Flow Battery: VRFB) ไปสู่การใช้งานจริง นั่นคือ ห่วงโซ่อุปทาน (supply chain) ของอิเล็กโทรไลต์

พูดแบบติดตลกก็คือ พวกเราทำเรื่องนี้เพราะจนครับ งบวิจัยมีจำกัด แต่อยากทำงานที่มีผลกระทบจริง ก็เลยต้องเริ่มจากคำถามว่า จะทำอิเล็กโทรไลต์ให้ถูกลงได้อย่างไร

แต่พอมองลึกลงไป ก็พบว่านี่ไม่ใช่แค่ปัญหาของห้องแล็บเรา หากเป็นปัญหาของอุตสาหกรรม VRFB ทั่วโลก เพราะต้นทุนและแหล่งที่มาของสารเคมีวานาเดียมเป็นหนึ่งในปัจจัยสำคัญที่กำหนดความสามารถในการแข่งขันของเทคโนโลยีนี้

ในโครงการนี้ เราจึงเลือกเริ่มต้นจาก วัตถุดิบวานาเดียมราคาประหยัดที่ใช้กันอย่างแพร่หลายในอุตสาหกรรมการผลิตเหล็กกล้า แล้วพัฒนากระบวนการผลิตอิเล็กโทรไลต์สำหรับ VRFB ตั้งแต่การเตรียมสารละลาย การหาความเข้มข้นที่เหมาะสม ไปจนถึงการเติมสารเติมแต่ง (additives) เพื่อเพิ่มความเสถียรและประสิทธิภาพของอิเล็กโทรไลต์

สุดท้ายแล้ว สิ่งที่เริ่มจากความพยายาม “ประหยัดงบ” ก็กลายเป็นคำถามวิจัยที่เชื่อมโยงกับประเด็นด้านต้นทุนและ supply chain ของเทคโนโลยีในระดับอุตสาหกรรม
------

ขอแสดงความยินดีกับ กิ๊ฟ (ดร. ชนากานต์) ด้วยครับ

กิ๊ฟเป็นเพื่อนของอาจารย์จตุพร และมาร่วมทีมวิจัยกับเราหลังสำเร็จการศึกษาจาก Science Tokyo เมื่อประมาณ 2 ปีก่อน โดยเป็นผู้ดูแลและขับเคลื่อนโครงการนี้มาอย่างต่อเนื่องตั้งแต่เริ่มต้นจนงานได้รับการตีพิมพ์

ปัจจุบันกิ๊ฟดำรงตำแหน่ง Senior Project Manager ที่ Vertiv ขอแสดงความยินดีอีกครั้งกับความสำเร็จครั้งนี้ และขอบคุณสำหรับความทุ่มเทตลอดระยะเวลาของโครงการครับ

บทความนี้เป็นหนึ่งในผลงานที่ผมชื่นชอบมากที่สุดชิ้นหนึ่ง เพราะมันไม่ใช่งานวิจัยที่นำเสนอผลลัพธ์ใหม่เพียงเรื่องเดียว หากเป็นความพยายามที่จะรวบรวม สังเคราะห์ และตีความวิวัฒนาการของทั้งสาขาวิจัยที่กำลังเติบโตอย่างรวดเร็ว พร้อมทั้งชี้ให้เห็นว่าศาสตร์นี้กำลังมุ่งหน้าไปในทิศทางใด

บทความ Recent Advances in Electrode Optimization of Electrochemical Energy Devices Using Topology Optimization เป็นบทความประเภท Topical Review ที่รวบรวมองค์ความรู้เกี่ยวกับการใช้ Topology Optimization (TO) ในการออกแบบอิเล็กโทรดของอุปกรณ์กักเก็บและแปลงพลังงานไฟฟ้าเคมี ตั้งแต่แบตเตอรี่ลิเธียมไอออน แบตเตอรี่รีดอกซ์โฟลว์ เซลล์เชื้อเพลิง เครื่องแยกน้ำด้วยไฟฟ้า (Electrolyzer) ไปจนถึงซูเปอร์คาปาซิเตอร์

แม้ว่าหัวข้อจะดูเฉพาะทาง แต่แท้จริงแล้วสิ่งที่บทความนี้สะท้อน คือการเปลี่ยนแปลงของ “วิธีคิด” ในการออกแบบระบบวิศวกรรม
-------

ย้อนกลับไปเพียงไม่กี่ปีก่อน การออกแบบอิเล็กโทรดยังคงอาศัยแนวคิดแบบ trial-and-error เป็นหลัก นักวิจัยจะเปลี่ยนวัสดุ เปลี่ยนความพรุน ปรับความหนา หรือเปลี่ยนโครงสร้างทีละแบบ แล้วทดลองวัดผลซ้ำแล้วซ้ำเล่า วิธีนี้ทำให้เกิดองค์ความรู้มากมาย แต่ก็ใช้ทั้งเวลา งบประมาณ และกำลังคนจำนวนมหาศาล อีกทั้งผลลัพธ์ที่ได้ยังขึ้นอยู่กับประสบการณ์และจินตนาการของผู้ออกแบบเป็นสำคัญ

Topology Optimization เปลี่ยนกรอบความคิดนี้ไปอย่างสิ้นเชิง

แทนที่จะถามว่า

“เราควรออกแบบอิเล็กโทรดแบบไหนดี?”

ศาสตร์นี้กลับตั้งคำถามใหม่ว่า

“ถ้าเราปล่อยให้สมการทางคณิตศาสตร์และกฎของฟิสิกส์เป็นผู้ออกแบบเอง โครงสร้างที่ดีที่สุดจะมีหน้าตาเป็นอย่างไร?”

ความแตกต่างอาจดูเหมือนเป็นเพียงการเปลี่ยนวิธีคำนวณ แต่แท้จริงแล้วคือการเปลี่ยนวิธีมองปัญหา

Topology Optimization ไม่ได้เริ่มต้นจากรูปทรงที่มนุษย์จินตนาการไว้ก่อน แล้วค่อยปรับแต่งรายละเอียด แต่เริ่มต้นจากพื้นที่ว่างทั้งหมด จากนั้นอัลกอริทึมจะค่อย ๆ จัดสรรการกระจายตัวของวัสดุใหม่ทั้งหมด เพื่อให้บรรลุวัตถุประสงค์ที่กำหนด ไม่ว่าจะเป็นการเพิ่มอัตราการเกิดปฏิกิริยา ลดความสูญเสีย เพิ่มการแพร่ของสาร หรือเพิ่มประสิทธิภาพของระบบโดยรวม

กล่าวได้ว่า จากเดิมที่มนุษย์เป็นผู้ออกแบบแล้วให้คอมพิวเตอร์ช่วยคำนวณ วันนี้เราเริ่มให้คอมพิวเตอร์เป็นผู้ออกแบบ โดยมีมนุษย์เป็นผู้กำหนดกฎของธรรมชาติที่ระบบต้องปฏิบัติตาม
--------

บทความนี้จึงไม่ได้เพียงอธิบายเทคนิคพื้นฐานอย่าง Density-based Method (SIMP) และ Level-set Method เท่านั้น แต่ยังพาผู้อ่านมองเห็นพัฒนาการของศาสตร์นี้ตลอดกว่าทศวรรษที่ผ่านมา ตั้งแต่งานยุคแรกที่ใช้ TO กับ Solid Oxide Fuel Cell การจัดเรียงตัวเร่งปฏิกิริยาใน PEM Fuel Cell การออกแบบขั้วไฟฟ้าของแบตเตอรี่ลิเธียม การออกแบบโครงสร้างของ Redox Flow Battery ไปจนถึงการออกแบบ Catalyst Layer ของ PEM Water Electrolyzer

แม้จะมีวิธีการทางคณิตศาสตร์ที่แตกต่างกัน แต่ทั้งสองแนวทางมีเป้าหมายเดียวกัน คือการปล่อยให้โครงสร้างค่อย ๆ วิวัฒน์ไปสู่รูปแบบที่ดีที่สุด ภายใต้ข้อจำกัดของกฎฟิสิกส์

นี่เป็นเหตุผลว่าทำไม Topology Optimization จึงได้รับความสนใจอย่างมากในช่วงสิบปีที่ผ่านมา เพราะมันสามารถค้นหารูปทรงที่มนุษย์ไม่เคยนึกถึงมาก่อน แต่กลับให้สมรรถนะเหนือกว่าการออกแบบแบบดั้งเดิม

เมื่อพิจารณางานทั้งหมดร่วมกัน สิ่งที่น่าสนใจกลับไม่ใช่เพียงว่าประสิทธิภาพของอุปกรณ์เพิ่มขึ้นกี่เปอร์เซ็นต์

แต่คือ โครงสร้างที่อัลกอริทึมสร้างขึ้นจากอุปกรณ์ที่แตกต่างกันอย่างสิ้นเชิง กลับมีลักษณะคล้ายคลึงกันอย่างน่าประหลาด

หลายงานวิจัยรายงานตรงกันว่า เมื่อปล่อยให้ระบบค้นหาโครงสร้างที่ดีที่สุด ผลลัพธ์ที่ได้มักมีลักษณะคล้ายรากไม้ เส้นเลือด หรือเส้นใบของพืช

โครงสร้างเหล่านี้ล้วนมีหน้าที่เหมือนกันในธรรมชาติ นั่นคือการลำเลียงสสารหรือพลังงานให้มีประสิทธิภาพสูงสุด ภายใต้ทรัพยากรที่มีอยู่อย่างจำกัด

เมื่อโครงสร้างแบบเดียวกันปรากฏขึ้นซ้ำแล้วซ้ำเล่าในอุปกรณ์ไฟฟ้าเคมี จึงเริ่มเกิดคำถามว่า บางทีธรรมชาติอาจไม่ได้เลือกรูปแบบเหล่านี้เพราะวิวัฒนาการเพียงอย่างเดียว แต่เพราะมันสอดคล้องกับกฎทางฟิสิกส์ที่เป็นสากล

นี่คือจุดที่คำถามทางวิทยาศาสตร์เริ่มลึกขึ้น

คำถามที่สำคัญอาจไม่ใช่

“ทำไมอัลกอริทึมถึงสร้างโครงสร้างแบบรากไม้?”

แต่คือ

“ทำไมธรรมชาติจึงเลือกรูปแบบเดียวกันนี้ซ้ำแล้วซ้ำเล่า?”

ทันทีที่ตั้งคำถามเช่นนี้ Topology Optimization ก็ไม่ได้เป็นเพียงเครื่องมือสำหรับการออกแบบอีกต่อไป แต่กลายเป็นหน้าต่างที่เปิดให้เราเห็นหลักการบางอย่างที่ธรรมชาติใช้ในการจัดระเบียบสสารและการขนส่งพลังงาน
--------

นี่คือช่วงที่งานของกลุ่มวิจัยเราเริ่มเข้ามามีบทบาท

แทนที่จะมองว่า Topology Optimization เป็นเพียงอัลกอริทึมค้นหาคำตอบ เราพยายามย้อนกลับไปตั้งคำถามว่า เหตุใดคำตอบนั้นจึงเกิดขึ้น

งานหลายชิ้นของทีมจึงเชื่อมโยงผลลัพธ์จาก Topology Optimization เข้ากับ Non-equilibrium Thermodynamics และ Entropy Generation Analysis เพื่อค้นหาหลักฟิสิกส์ที่อยู่เบื้องหลังโครงสร้างลักษณะรากไม้เหล่านั้น

ผลลัพธ์ที่ได้มีความน่าสนใจอย่างยิ่ง

เมื่อระบบถูกออกแบบให้มีประสิทธิภาพสูงขึ้น การกระจายของการสร้างเอนโทรปีจะค่อย ๆ เข้าใกล้ค่าต่ำสุด และมีแนวโน้มกระจายตัวอย่างสม่ำเสมอมากขึ้นทั่วทั้งระบบ

ทุกครั้งที่เกิดการแพร่ การนำไฟฟ้า การนำไอออน หรือปฏิกิริยาเคมี ระบบจะสร้างเอนโทรปีขึ้นมา หากเอนโทรปีที่เกิดขึ้นมีมาก แสดงว่าพลังงานส่วนหนึ่งสูญเสียไปโดยไม่สามารถนำกลับมาใช้ประโยชน์ได้

ดังนั้น หากโครงสร้างใดสามารถลดการสร้างเอนโทรปีได้ โครงสร้างนั้นก็ย่อมเข้าใกล้ขีดจำกัดสูงสุดของประสิทธิภาพทางอุณหพลศาสตร์

กล่าวอีกนัยหนึ่ง

โครงสร้างที่ดีที่สุดไม่ได้เกิดขึ้นเพราะอัลกอริทึม “ชอบ” รูปทรงแบบรากไม้

แต่เกิดขึ้นเพราะรูปทรงเช่นนั้นช่วยลดความสูญเสียอันเกิดจากกระบวนการที่ไม่ผันกลับได้ (irreversibility) ของระบบได้ดีที่สุด

เมื่อมองในมุมนี้ Topology Optimization จึงไม่ได้เป็นผู้สร้างโครงสร้าง

แต่มันเป็นเพียงผู้ค้นพบโครงสร้างที่กฎของธรรมชาติ “เลือก” ไว้อยู่แล้ว

แนวคิดนี้นำไปสู่คำถามที่ลึกยิ่งกว่าเดิม

หากวันหนึ่งเราเข้าใจหลักฟิสิกส์ที่อยู่เบื้องหลังโครงสร้างเหล่านี้อย่างสมบูรณ์

เราจะยังจำเป็นต้องใช้ Topology Optimization อยู่หรือไม่

งานวิจัยล่าสุดเริ่มพยายามตอบคำถามนี้ โดยเสนอแนวคิดการออกแบบที่อาศัยการกระจายความเข้มข้นเชิงเส้น หลักการของอุณหพลศาสตร์ และสมการเชิงฟิสิกส์ เพื่อสร้างทฤษฎีการออกแบบใหม่ที่สามารถคำนวณโครงสร้างที่เหมาะสมได้โดยตรง โดยไม่ต้องอาศัยกระบวนการค้นหาแบบ iterative optimization เหมือนที่ผ่านมา

หากแนวคิดนี้พัฒนาไปได้สำเร็จ มันอาจเป็นการเปลี่ยนผ่านครั้งสำคัญของศาสตร์นี้

จากศาสตร์แห่ง “การค้นหา”

สู่ศาสตร์แห่ง “ความเข้าใจ”
---------

แน่นอนว่า ยังมีความท้าทายอีกมาก ทั้งภาระการคำนวณที่สูง การสร้างแบบจำลองที่สะท้อนความเป็นจริงได้ครบถ้วน การขาดทฤษฎีที่อธิบายผลลัพธ์ของการ Optimization อย่างเป็นระบบ รวมถึงข้อจำกัดในการผลิตโครงสร้างที่ซับซ้อนในระดับอุตสาหกรรม

แต่สำหรับผม สิ่งที่น่าตื่นเต้นที่สุดไม่ใช่การที่คอมพิวเตอร์ออกแบบอิเล็กโทรดได้ดีขึ้น

หากเป็นการที่มันช่วยให้เรามองเห็น “กฎ” บางอย่างของธรรมชาติ

ตลอดหลายปีที่ผ่านมา เราใช้คอมพิวเตอร์เพื่อค้นหาโครงสร้างที่ดีที่สุด

แต่เป้าหมายที่แท้จริงของวิทยาศาสตร์ ไม่ใช่เพียงการค้นหาคำตอบ

หากคือการอธิบายว่า เหตุใดคำตอบนั้นจึงหลีกเลี่ยงไม่ได้
----------

เมื่อมองภาพรวมของงานวิจัยทั้งหมด สิ่งที่น่าสนใจไม่ใช่เพียงว่า Topology Optimization สามารถออกแบบอิเล็กโทรดให้มีประสิทธิภาพสูงขึ้น แต่คือทิศทางที่ศาสตร์นี้กำลังเปลี่ยนผ่าน จากเครื่องมือเชิงตัวเลขสำหรับ “ค้นหา” คำตอบ ไปสู่ศาสตร์ที่พยายาม “อธิบาย” ว่าเหตุใดคำตอบนั้นจึงเกิดขึ้น

การเปลี่ยนแปลงประการแรก คือการพัฒนาแบบจำลองทางฟิสิกส์ให้มีความสมบูรณ์มากขึ้น งานวิจัยในอดีตจำเป็นต้องลดทอนความซับซ้อนของปัญหาเพื่อให้สามารถคำนวณได้ภายในเวลาที่เหมาะสม แต่ในอนาคต แบบจำลองจะต้องสะท้อนสภาวะการทำงานจริงมากขึ้น ไม่ว่าจะเป็นการไหลสองเฟส การเกิดและการเคลื่อนที่ของฟองแก๊ส การถ่ายเทความร้อน การเสื่อมสภาพของวัสดุ ความเค้นเชิงกล ตลอดจนการเชื่อมโยงกระบวนการหลายสเกลตั้งแต่ระดับไมโครของรูพรุนไปจนถึงระดับเซลล์และแพ็กแบตเตอรี่ เป้าหมายไม่ใช่เพียงการเพิ่มความแม่นยำของการคำนวณ แต่เพื่อให้ผลลัพธ์ของการออกแบบสามารถนำไปใช้ในอุปกรณ์จริงได้อย่างมั่นใจ

ขณะเดียวกัน เป้าหมายของการออกแบบก็เริ่มเปลี่ยนไปเช่นกัน ในอดีต การทำ Topology Optimization มักมุ่งเพิ่มประสิทธิภาพเพียงด้านเดียว เช่น การเพิ่มอัตราการเกิดปฏิกิริยาหรือการลดความต้านทานการแพร่ แต่ในอนาคต การออกแบบจะต้องสร้างสมดุลระหว่างปัจจัยหลายด้านพร้อมกัน ทั้งสมรรถนะ ต้นทุน ปริมาณตัวเร่งปฏิกิริยา อายุการใช้งาน ความแข็งแรงเชิงกล ความปลอดภัย และความสามารถในการผลิตในระดับอุตสาหกรรม กล่าวอีกนัยหนึ่ง คำว่า “ดีที่สุด” จะไม่ได้หมายถึงประสิทธิภาพสูงที่สุดเพียงอย่างเดียว แต่หมายถึงโครงสร้างที่เหมาะสมที่สุดภายใต้ข้อจำกัดของโลกความเป็นจริง

อีกหนึ่งทิศทางที่กำลังได้รับความสนใจอย่างมาก คือการบูรณาการ Topology Optimization เข้ากับปัญญาประดิษฐ์ ปัจจุบัน การคำนวณหนึ่งกรณีอาจต้องใช้เวลาหลายชั่วโมงหรือหลายวัน แต่ในอนาคต Machine Learning, Physics-informed AI และแบบจำลองตัวแทน (Surrogate Models) จะสามารถเรียนรู้รูปแบบของโครงสร้างที่เหมาะสมจากข้อมูลจำนวนมหาศาล และทำนายคำตอบได้ภายในเวลาอันสั้น ความก้าวหน้านี้อาจนำไปสู่การออกแบบอุปกรณ์แบบเรียลไทม์ การสร้าง Digital Twin สำหรับติดตามการทำงานของอุปกรณ์ และการออกแบบที่สามารถปรับตัวตามสภาพการใช้งานจริงได้

อย่างไรก็ตาม ผมมองว่าการเปลี่ยนแปลงที่สำคัญที่สุด ไม่ใช่การที่คอมพิวเตอร์คำนวณได้เร็วขึ้น แต่คือการที่นักวิจัยเริ่มหันกลับมาตั้งคำถามกับผลลัพธ์ของการคำนวณเอง

Topology Optimization เป็นเครื่องมือที่ยอดเยี่ยมในการค้นหาโครงสร้างที่ดีที่สุด แต่ยังตอบไม่ได้ว่าเหตุใดโครงสร้างนั้นจึงดีที่สุด งานวิจัยในช่วงหลังจึงเริ่มเชื่อมโยงผลลัพธ์ของ TO เข้ากับ Non-equilibrium Thermodynamics, Entropy Generation Analysis และหลักการพื้นฐานของการถ่ายเท เพื่อสร้าง “ทฤษฎีการออกแบบ” ที่สามารถอธิบายผลลัพธ์ของการ Optimization ได้ด้วยกฎฟิสิกส์ มากกว่าการยอมรับผลลัพธ์จากอัลกอริทึมเพียงอย่างเดียว

อีกประเด็นหนึ่งที่มีความสำคัญไม่แพ้กัน คือการลดช่องว่างระหว่าง “โครงสร้างที่ดีที่สุดในคอมพิวเตอร์” กับ “โครงสร้างที่สามารถสร้างได้จริง” ความก้าวหน้าของเทคโนโลยีการผลิตแบบเติมเนื้อวัสดุ (Additive Manufacturing) การพิมพ์สามมิติ และกระบวนการผลิตระดับไมโคร กำลังทำให้โครงสร้างที่ครั้งหนึ่งเคยเป็นเพียงผลลัพธ์ของการจำลอง มีโอกาสถูกผลิตขึ้นจริงและนำไปใช้ในอุตสาหกรรมมากขึ้นเรื่อย ๆ การพัฒนาเทคโนโลยีการผลิตจึงเป็นอีกปัจจัยสำคัญที่จะกำหนดว่าผลลัพธ์จาก Topology Optimization จะสร้างผลกระทบต่อโลกจริงได้มากเพียงใด

ท้ายที่สุด คำถามของวงการก็กำลังเปลี่ยนไปเช่นกัน จากเดิมที่ถามว่า “เราจะออกแบบอิเล็กโทรดอย่างไร” กลายเป็น “ธรรมชาติมีกฎอะไรที่ทำให้โครงสร้างเหล่านี้เกิดขึ้น”

เมื่อโครงสร้างที่ได้จากการคำนวณมีลักษณะคล้ายรากไม้ เส้นเลือด และเส้นใบพืชปรากฏขึ้นซ้ำแล้วซ้ำเล่าในระบบที่แตกต่างกันอย่างสิ้นเชิง ก็เป็นเรื่องยากที่จะมองว่าเป็นเพียงความบังเอิญ หลายคนจึงเริ่มตั้งสมมติฐานว่า โครงสร้างเหล่านี้อาจสะท้อนกฎพื้นฐานบางอย่างของธรรมชาติที่ใช้จัดสรรการไหลของสสาร พลังงาน และปฏิกิริยาเคมีอย่างมีประสิทธิภาพที่สุด

สำหรับผม นี่คือการเปลี่ยนผ่านครั้งสำคัญของศาสตร์ Topology Optimization จากการเป็นศาสตร์แห่ง “การเพิ่มประสิทธิภาพ” ไปสู่ศาสตร์แห่ง “การค้นพบกฎของธรรมชาติ”

หากวันหนึ่งเราสามารถเขียนกฎเหล่านั้นออกมาเป็นสมการได้อย่างสมบูรณ์ การออกแบบอุปกรณ์ไฟฟ้าเคมีอาจเปลี่ยนจากการใช้คอมพิวเตอร์ค้นหารูปทรงที่ดีที่สุด ไปสู่การใช้ฟิสิกส์สร้างรูปทรงนั้นขึ้นมาโดยตรง
-----

จากบทความ Alizadeh, M., Charoen-Amornkitt, P., Suzuki, T., & Tsushima, S. (2025). Recent advances in electrode optimization of electrochemical energy devices using topology optimization. Progress in Energy, 7(1), 012003.

เมื่อพูดถึงภาพยนตร์ของ Christopher Nolan หลายคนมักนึกถึงคำว่า “ซับซ้อน” หรือ “เล่าเรื่องไม่เป็นเส้นตรง”

ตั้งแต่ Following และ Memento ไปจนถึง Dunkirk, Inception และ Tenet สิ่งหนึ่งที่งานของโนแลนมีเหมือนกันคือ การไม่ยอมให้ผู้ชมรับรู้เหตุการณ์ตามลำดับที่มันเกิดขึ้น

ผู้ชมอาจเห็นผลลัพธ์ก่อนจึงค่อยรู้สาเหตุ

อาจเห็นหลายเหตุการณ์ที่เกิดขึ้นพร้อมกัน แต่รับรู้คนละจังหวะ

หรืออาจเข้าใจเรื่องราวไปแบบหนึ่ง ก่อนจะพบในตอนท้ายว่าความเข้าใจทั้งหมดต้องถูกประกอบขึ้นใหม่

หลายคนจึงบอกว่า โนแลน “เล่นกับเวลา”

แต่ผมกลับคิดว่า สิ่งที่น่าสนใจกว่านั้นคือ ฟิสิกส์ช่วยให้ผมมองวิธีเล่าเรื่องของเขาได้อีกมุมหนึ่ง

ไม่ใช่เพราะหนังของเขามีอวกาศ หลุมดำ หรือการเดินทางข้ามเวลา แต่เพราะมันทำให้ผมนึกถึงวิธีที่ฟิสิกส์มอง “เวลา”
------

เราเติบโตมากับความเข้าใจที่ว่า เรื่องราวต้องเริ่มจากต้น ค่อย ๆ ดำเนินไปสู่กลางเรื่อง และจบลงที่ตอนท้าย เหมือนกับที่เรารับรู้ว่าเวลาต้องไหลจากอดีตไปสู่อนาคต

แต่ในฟิสิกส์ ภาพไม่ได้เรียบง่ายเช่นนั้น

กฎพื้นฐานจำนวนมากของธรรมชาติไม่ได้กำหนดว่าต้องเริ่มอธิบายระบบจากช่วงเวลาใดเป็นพิเศษ และในหลายกรณี กฎเหล่านั้นก็ยังคงรูปแบบเดิมแม้พิจารณาการย้อนทิศของเวลา

ลองนึกถึงกฎของนิวตันที่อธิบายลูกบอลกระทบกำแพง หากเรารู้ตำแหน่งและความเร็วของลูกบอลในช่วงเวลาหนึ่ง สมการเดียวกันสามารถใช้คำนวณทั้งการเคลื่อนที่ไปข้างหน้าและย้อนกลับไปยังอดีตได้

สิ่งที่ทำให้เรารับรู้ว่าเวลามี “ทิศทาง” จึงไม่ใช่ตัวสมการเพียงอย่างเดียว

ในกรอบของอุณหพลศาสตร์ การเพิ่มขึ้นของเอนโทรปีเป็นคำอธิบายสำคัญของสิ่งที่เราเรียกว่า “ลูกศรของเวลา”
------

เมื่อมองกลับมาที่ภาพยนตร์ของโนแลน ผมพบภาพที่คล้ายกัน

ผู้กำกับสามารถเลือกเริ่มเล่าเรื่องจากจุดไหนก็ได้ จะเปิดเรื่องด้วยตอนจบ ย้อนกลับไปหาอดีต หรือสลับเหตุการณ์หลายช่วงเวลาเข้าด้วยกันก็ได้

ลำดับของการเล่าเรื่องจึงเป็นสิ่งที่ผู้กำกับออกแบบได้

แต่ลำดับของเหตุการณ์ภายในโลกของเรื่องยังคงเดิม

แม้ผู้ชมจะรับรู้เหตุการณ์ไม่เรียงตามเวลา เมื่อค่อย ๆ ต่อภาพทั้งหมดเข้าด้วยกัน เราจะพบว่าความสัมพันธ์เชิงเหตุและผลยังคงสมบูรณ์

ในแง่นี้ สิ่งที่โนแลนทำจึงไม่ใช่การทำลายเวลา

แต่เป็นการแยก “ลำดับการเล่าเรื่อง” ออกจาก “ลำดับของเหตุการณ์”

สองสิ่งนี้ไม่จำเป็นต้องตรงกัน และตรงนี้เองที่ทำให้ผมนึกถึงฟิสิกส์

ในฟิสิกส์ เราแยก “กฎพื้นฐานของธรรมชาติ” ออกจาก “ลูกศรของเวลา”

ส่วนในภาพยนตร์ของโนแลน เราแยก “ลำดับเหตุการณ์” ออกจาก “ลำดับที่ผู้ชมรับรู้เหตุการณ์”
--------

แต่เมื่อคิดต่อไปอีก ผมกลับเริ่มสงสัยว่า บางที สิ่งที่โนแลนกำลังเล่นอยู่ อาจไม่ใช่ “เวลา” เลย แต่อาจเป็น “ข้อมูล”

ในโลกของภาพยนตร์ เหตุการณ์ที่เกิดขึ้นจริงมักไม่ได้เปลี่ยนแปลง สิ่งที่เปลี่ยนอยู่ตลอดเวลาคือข้อมูลที่ผู้ชมได้รับ

หนังอาจเริ่มต้นด้วยผลลัพธ์ ก่อนจะค่อย ๆ เฉลยสาเหตุในภายหลัง

หรือปิดบังข้อมูลสำคัญไว้จนถึงช่วงท้าย ทำให้เหตุการณ์เดิมที่เราเคยเข้าใจ มีความหมายใหม่โดยสิ้นเชิง

เหตุการณ์ไม่ได้เปลี่ยน
แต่ความเข้าใจของเราเปลี่ยน
เพราะข้อมูลที่เรามีเปลี่ยนไป

ในมุมนี้ สิ่งที่โนแลนกำลังจัดการอาจไม่ใช่ “ลำดับของเวลา”แต่เป็น “ลำดับของข้อมูล”

เขาไม่ได้เปลี่ยนอดีตหรืออนาคต แต่เปลี่ยนว่า ผู้ชมจะรู้อะไร และเมื่อไร
-----

เมื่อมองแบบนี้ ผมจึงนึกถึง Information Theory

สิ่งที่ Information Theory สนใจ ไม่ใช่ความหมายของข้อความ แต่คือ “ความไม่แน่นอน” ก่อนที่ข้อมูลจะถูกเปิดเผย

ก่อนดูหนัง เราเต็มไปด้วยคำถาม

ใครกำลังโกหก
เหตุการณ์ไหนเกิดก่อน
ตัวละครคนนี้กำลังทำอะไร
สิ่งที่เห็นอยู่ตรงหน้าคือความจริง หรือเป็นเพียงความทรงจำ

คำถามเหล่านี้ล้วนสะท้อน “ความไม่แน่นอน”

หน้าที่ของผู้กำกับจึงไม่ใช่เพียงการเล่าเรื่อง

แต่คือการควบคุมการไหลของข้อมูล เพื่อกำหนดว่าความไม่แน่นอนของผู้ชมจะเปลี่ยนแปลงเมื่อใด และเปลี่ยนแปลงมากน้อยเพียงใด

นี่เองคือเหตุผลที่ภาพยนตร์ของโนแลนมักทำให้เราอยากดูซ้ำ

ไม่ใช่เพราะเหตุการณ์เปลี่ยนไป แต่เพราะข้อมูลที่เรามีเปลี่ยนไป

ภาพยนตร์เรื่องเดิม จึงกลายเป็นภาพยนตร์อีกเรื่องหนึ่ง เมื่อผู้ชมรู้มากขึ้น
-------

หากในอุณหพลศาสตร์ เอนโทรปีเป็นแนวคิดที่ช่วยอธิบายว่าทำไมธรรมชาติจึงมี “ลูกศรของเวลา”

ในโลกของภาพยนตร์ การเปิดเผยข้อมูลก็ดูเหมือนจะสร้าง “ลูกศรของการรับรู้” เช่นกัน

ลูกศรนี้ไม่ได้บอกว่าเหตุการณ์ใดเกิดก่อนหรือหลังแต่บอกว่า ในแต่ละขณะ ผู้ชมรู้อะไร และยังไม่รู้อะไร

แน่นอน นี่เป็นเพียงอุปมา ไม่ใช่การอ้างว่า Information Theory สามารถอธิบายศิลปะได้ทั้งหมด

แต่ผมอดรู้สึกไม่ได้ว่า ฟิสิกส์ Information Theory และภาพยนตร์ของโนแลน ต่างกำลังสนใจคำถามเดียวกัน

ไม่ใช่ว่า “เวลาเดินอย่างไร”แต่เป็น การจัดระเบียบข้อมูล เปลี่ยนวิธีที่เรารับรู้โลกได้อย่างไร

และบางที นั่นอาจเป็นเหตุผลที่ทุกครั้งที่ผมดูภาพยนตร์ของโนแลน ผมไม่ได้รู้สึกว่าเขากำลังเล่าเรื่องเกี่ยวกับเวลา

บางที เวลาอาจไม่ใช่หัวข้อของภาพยนตร์โนแลนเลย หัวข้อที่แท้จริงคือ “ข้อมูล”แต่เวลาเป็นเพียงไวยากรณ์ที่เขาใช้จัดเรียงข้อมูลเหล่านั้น

บางที นี่อาจเป็นเหตุผลหนึ่งที่แนวคิดเรื่องเอนโทรปีและ Information Theory มักถูกนำมาเปรียบเทียบกัน เพราะทั้งสองต่างใช้ “ความไม่แน่นอน” เป็นแนวคิดสำคัญ แม้จะอยู่ในบริบทที่แตกต่างกัน