| 1 |
วัตถุประสงค์หลักของระบบหุ่นยนต์ที่กล่าวถึงในบทความคืออะไร
|
เพื่อดำเนินงานประกอบที่มีความแม่นยำสูง |
|
หลักจะเกี่ยวกับการใช้ปัญญาประดิษฐ์ (AI/ML) ในการค้นคว้ายา แต่มีการพูดถึงระบบอัตโนมัติและหุ่นยนต์ในบริบทของ “การประยุกต์ใช้งานวิจัยแบบ real-world” |
Automation in Drug Discovery และ Precision Robotics in Pharma |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
บทความกล่าวว่าอะไรคือความท้าทายที่สำคัญในการประกอบหุ่นยนต์?
|
การบูรณาการหุ่นยนต์กับเครื่องจักรที่มีอยู่ |
|
หนึ่งในความท้าทายหลักคือการบูรณาการหุ่นยนต์เข้ากับระบบเดิมที่มีอยู่ เช่น เครื่องจักรเฉพาะทาง ซอฟต์แวร์ควบคุม (PLC, MES, ERP) ระบวนการอัตโนมัติเก่า |
Systems Integration Theory และ Socio-Technical Systems Theory |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
จากบทความปลายนิ้วของมนุษย์มีบทบาทอย่างไรในระบบหุ่นยนต์
|
เป็นแบบจำลองสำหรับการออกแบบเซ็นเซอร์สัมผัสบนหุ่นยนต์ |
|
มันถูกใช้เป็น ต้นแบบ (model) สำหรับออกแบบหรือพัฒนา เซ็นเซอร์สัมผัส (tactile sensors) บนหุ่นยนต์อัตโนมัติต่างๆๆ |
Biomimicry in Robotics และ Tactile Sensing Theory |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
วิธีการใดที่ใช้เพื่อหลีกเลี่ยงความล้มเหลวในกระบวนการประกอบ
|
การวัดข้อมูลแรงสัมผัส |
|
ในกระบวนการ ประกอบ (assembly) โดยเฉพาะในระบบอัตโนมัติหรือหุ่นยนต์ ความล้มเหลวมักเกิดจากปัจจัยเล็ก จึงต้องใช้กระบวนการวัดแรงจจึงจะได้ค่าทีสมบูรณ์ |
Force-Controlled Robotics และ Compliance and Adaptive Grasping |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
อะไรคือผลลัพธ์ของความสำเร็จในการรวมเทคโนโลยีที่กล่าวถึงเข้ากับวิทยาการหุ่นยนต์
|
วงจรการพัฒนาผลิตภัณฑ์เร็วขึ้น |
|
การใช้ระบบความแม่นยำสูง และแปรและปรับสูตรใหม่ทำให้ลดเวลาแต่ละขั้นอย่างมาก |
Agile Automation Theory และ Closed‑Loop Optimization in Lab Automation |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
อุปกรณ์ใดใช้วัดการเคลื่อนไหวในระบบหุ่นยนต์
|
ไจโรสโคป |
|
ไจโรสโคปเป็นอุปกรณ์วัดองศา ซึ่งถือเป็น หนึ่งในรูปแบบของการเคลื่อนไหว ที่สำคัญในระบบหุ่นยนต์ |
ใช้หลัก Inertial Measurement Unit (IMU) |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
อุปกรณ์วัดแรงมีโครงสร้างอย่างไร
|
โดยการวางเซ็นเซอร์ไว้บนที่ยึดหกเหลี่ยม |
|
อุปกรณ์วัดแรง (Force/Torque Sensor หรือ F/T Sensor) ที่ใช้ในหุ่นยนต์ โดยเฉพาะปลายแขนหุ่นยนต์ (end-effector) |
Multiaxial Force Sensing และ Strain Gauge Theory |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
เป้าหมายสูงสุดของการวิจัยที่กล่าวถึงในบทความคืออะไร
|
เพื่อให้แน่ใจว่าหุ่นยนต์จะไม่ล้มเหลวในงานประกอบ |
|
การประยุกต์ใช้งานหุ่นยนต์ในกระบวนการประกอบชิ้นส่วน (robotic assembly)เพื่อให้ไม่ให้หุ่นยนต์เกิดความผิดพลาดในการทำงาน |
Reliability Engineering และ Fault Detection and Recovery |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
การวัดแรงแก้ไขปัญหาเฉพาะด้านใดบ้าง
|
การตรวจจับแรงที่ละเอียดอ่อนซึ่งบ่งชี้ถึงความล้มเหลวในการประกอบที่อาจเกิดขึ้น |
|
ตรวจจับแรงที่ไม่ปกติหรือผิดปกติระหว่างการประกอบ เช่น แรงต้านสูงเกินไป หรือไม่มีแรงตอบกลับ ซึ่งเป็น ตัวบ่งชี้ความล้มเหลวในการประกอบ |
Force Feedback Control และ Contact Detection Algorithms |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
อุปกรณ์วัดความเคลื่อนไหวนำนวัตกรรมอะไรมาสู่การประกอบหุ่นยนต์
|
วัดมุมและตำแหน่งที่แน่นอนของชิ้นส่วนระหว่างการประกอบ |
|
การวัดมุมและตำแหน่งที่แน่นอนของชิ้นส่วนระหว่างการประกอบเพื่อให้หุ่นมีความเสถียรมากขึ้น |
Kinematic Feedback Control และ Closed-loop Position Control |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ML ย่อมาจากอะไรในบริบทของบทความ?
|
การเรียนรู้ของเครื่อง |
|
ML ย่อมาจาก Machine Learning ซึ่งหมายถึงกระบวนการที่ใช้ อัลกอริธึมในการเรียนรู้จากข้อมูล (data) เพื่อให้ระบบสามารถสร้างแบบจำลอง ทำนาย หรือตัดสินใจได้โดยไม่ต้องเขียนโปรแกรมแบบระบุคำสั่งทีละขั้น |
ใช้การ Supervised Learning เป็นหลักฐาน |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
QSAR ตามที่กล่าวไว้ในบทความคืออะไร
|
ความสัมพันธ์ระหว่างโครงสร้างเชิงปริมาณกับกิจกรรม |
|
QSAR หมายถึง Quantitative Structure–Activity Relationshipซึ่งเป็นเทคนิคสำคัญที่ใช้ เชื่อมโยงลักษณะทางเคมีของโมเลกุล กับ กิจกรรมทางชีวภาพ |
ใช้การการประยุกต์ร่วมกับ Machine Learning (ML) และ หลักการพื้นฐานของ QSAR |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
Machine Learning มีประโยชน์หลักในการค้นคว้ายาตามบทความอย่างไร
|
เร่งกระบวนการตัดสินใจ |
|
(ML) มีบทบาทสำคัญในการ เร่งกระบวนการตัดสินใจ โดยเฉพาะในขั้นตอนของการคัดกรองสาร และ การทำนายประสิทธิภาพ |
ใช้หลักData-Driven Decision Making และ Predictive Modeling |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
จากบทความประเด็นใดที่เน้นในด้านวิชาการที่แตกต่างจากอุตสาหกรรม
|
การพัฒนาข้อพิสูจน์แนวคิด |
|
จากบทความชี้ว่า งานวิชาการ เน้นไปที่การ พัฒนาข้อพิสูจน์แนวคิด หรือ Proof of Concept (PoC) เพื่อแสดงให้เห็นถึงความเป็นไปได้และศักยภาพของแนวทางใหม่ๆ |
ใช้การAcademic FocusและIndustry Focus |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
องค์กรใดที่ถูกกล่าวถึงว่ามีส่วนร่วมในการวิจัย ML และ AI ขั้นพื้นฐานในบทความ
|
สถาบันสุขภาพแห่งชาติ (NIH) |
|
(NIH) ในการสนับสนุนงานวิจัยขั้นพื้นฐานด้าน Machine Learning (ML) และปัญญาประดิษฐ์ (AI) เพื่อพัฒนาเทคโนโลยีและแนวทางใหม่ๆ ในการค้นคว้ายาและอุปกรณ์การแพทย์อื่นๆ |
NIH เป็นองค์กรหลักของสหรัฐอเมริกาที่ให้ทุนสนับสนุนงานวิจัยทางชีววิทยาและการแพทย์ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
DMTA ย่อมาจากอะไรที่ใช้ในบทความ
|
ออกแบบ-ทำ-ทดสอบ-วิเคราะห์ |
|
ในงานวิจัยมักจะหมายถึง กระบวนการสำคัญในงานวิจัยและพัฒนายา ที่ประกอบด้วยขั้นตอนหลัก 4 อย่าง |
DMTA เป็นวงจรการทำงานแบบวนซ้ำ (iterative cycle) ที่ช่วยให้การพัฒนายาและสารเคมีมีความเป็นระบบ และส่งเสริมการใช้ Machine Learning เพื่อคาดการณ์และปรับปรุงผลลัพธ์อย่างต่อเนื่อง |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
โมเดลแมชชีนเลิร์นนิงด้านใดที่ได้รับการเน้นย้ำว่ามีความสำคัญเป็นพิเศษใน อุตสาหกรรมยา
|
ความสามารถในการทำซ้ำและความทนทานของโมเดล |
|
ในอุตสาหกรรมยา โมเดลแมชชีนเลิร์นนิงที่ มีความสามารถในการทำซ้ำ และ ความทนทานเป็นสิ่งสำคัญมาก |
ใช้หลักการ reproducibility และ robustness เป็นหัวใจสำคัญในงานวิจัยเชิงประจักษ์และการพัฒนาเทคโนโลยีในภาคอุตสาหกรรม |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
บทความประเภทใดที่บทความกล่าวถึงว่ามีข้อมูลมากขึ้นต่อสาธารณะ
|
ข้อมูลการทดลองทางคลินิก |
|
บทความมักเน้นว่ามีการเปิดเผยและเผยแพร่ข้อมูล การทดลองทางคลินิก มากขึ้นสู่สาธารณะ เพื่อเพิ่มความโปร่งใสที่มากขึ้น |
การเปิดเผยข้อมูลการทดลองทางคลินิกเป็นส่วนหนึ่งของแนวทาง Open Science ที่สนับสนุนความโปร่งใสและการทำซ้ำของผลการวิจัย |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ชุดข้อมูลใดที่ถูกกล่าวถึงว่าเป็นเกณฑ์มาตรฐานสำหรับ Molecular Machine Learning
|
เคมอาร์ซิฟ |
|
ChemArxiv เป็นหนึ่งในชุดข้อมูลและแพลตฟอร์มที่เน้นการรวบรวมข้อมูลเคมีและโมเลกุลที่เปิดเผยต่อสาธารณะ |
การใช้ชุดข้อมูลมาตรฐานช่วยให้การพัฒนาและเปรียบเทียบโมเดล ML เป็นไปในทางเดียวกัน |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ความท้าทายใดที่เกี่ยวข้องกับชุดข้อมูลจากแหล่งต่างๆ ตามที่กล่าวไว้ในบทความ
|
เพิ่มความสม่ำเสมอ |
|
ในการรวบรวมชุดข้อมูลจากหลายแหล่ง ข้อมูลมักมีความแตกต่างกันทั้งในแง่ของรูปแบบ คุณภาพ และมาตรฐานการเก็บข้อมูล และ ความท้าทายสำคัญคือการทำให้ข้อมูลเหล่านี้มี ความสม่ำเสมอ เพื่อให้โมเดลแมชชีนเลิร์นนิงสามารถเรียนรู้และทำนายได้อย่างแม่นยำ |
Data Harmonization เป็นกระบวนการที่เน้นการทำให้ข้อมูลจากแหล่งต่าง ๆ มีความสอดคล้องกัน |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|