04/08/2026
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.
