Trí tuệ nhân tạo đang dần trở thành một công cụ quan trọng trong nghiên cứu khoa học, từ việc tìm kiếm vật liệu mới đến hỗ trợ phát triển các phương pháp xét nghiệm và chẩn đoán bệnh. Khi lượng dữ liệu khoa học ngày càng lớn cùng năng lực tính toán ngày càng mạnh, AI đang giúp các nhà nghiên cứu xử lý những bài toán trước đây đòi hỏi rất nhiều thời gian và công sức.
Ngày 14/9 tại Hà Nội, một chương trình phổ biến kiến thức với chủ đề “AI với Vật lý” đã thu hút sự tham gia của các nhà khoa học, giảng viên, sinh viên cùng đông đảo người theo dõi trực tuyến. Nội dung chương trình tập trung vào cách AI đang được kết hợp với vật lý, mô phỏng và thực nghiệm để tạo ra những hướng nghiên cứu mới.
AI trở thành công cụ mới trong quá trình tìm vật liệu
Trong nghiên cứu vật liệu truyền thống, các nhà khoa học thường bắt đầu bằng việc quan sát hiện tượng thông qua thực nghiệm. Từ kết quả thu được, họ xây dựng lý thuyết, mô hình hóa và đưa ra giả thuyết để tiếp tục kiểm chứng.
Sự phát triển của máy tính từ giữa thế kỷ XX đã làm thay đổi đáng kể phương pháp này. Thay vì chỉ dựa vào thí nghiệm trực tiếp, các nhà nghiên cứu có thể sử dụng mô phỏng máy tính để khảo sát những hệ vật lý phức tạp trước khi tiến hành thực nghiệm. Khi sức mạnh tính toán và hệ thống siêu máy tính phát triển, mô phỏng ngày càng trở thành phương tiện hữu ích để dự đoán đặc tính của vật liệu.
AI tiếp tục mở rộng khả năng đó. Công nghệ có thể xử lý khối lượng dữ liệu rất lớn, hỗ trợ nhận diện quy luật, dự đoán tính chất của vật liệu, tìm kiếm những cấu trúc chưa được khám phá và phân tích mối liên hệ giữa nhiều yếu tố cùng lúc.
Một trong những hướng đáng chú ý là phương pháp thiết kế ngược. Thay vì lựa chọn một cấu trúc vật liệu rồi tìm hiểu xem nó có đặc tính gì, nhà nghiên cứu có thể xác định trước đặc tính mong muốn và để AI hỗ trợ tìm ra những cấu trúc có khả năng đáp ứng yêu cầu đó.
Theo cách này, con người vẫn giữ vai trò xác định câu hỏi, mục tiêu và tiêu chí khoa học. AI đảm nhiệm phần việc có lợi thế về tốc độ xử lý và khả năng tìm kiếm trong một không gian dữ liệu rất lớn.
Không chỉ hỗ trợ tính toán, AI còn có thể giúp các nhà khoa học tổng hợp một lượng lớn công bố, theo dõi xu hướng nghiên cứu, phát hiện những vấn đề chưa được giải quyết và gợi ý hướng nghiên cứu mới. Công nghệ này cũng được ứng dụng để dự đoán đặc tính của nhiều nhóm vật liệu và hợp chất, trong đó có polymer, thuốc, kim loại và hợp kim.
Tuy nhiên, một dự đoán do AI đưa ra không đồng nghĩa với một kết luận khoa học đã được xác nhận. Độ tin cậy của mô hình phụ thuộc rất lớn vào dữ liệu được sử dụng để huấn luyện cũng như mức độ phù hợp của dữ liệu với bài toán. Nhà khoa học vẫn phải lựa chọn vấn đề, xây dựng dữ liệu, đánh giá mô hình và kiểm chứng kết quả bằng các phương pháp phù hợp.
Từ hạt nano vàng đến phát hiện virus viêm gan B
Một hướng ứng dụng khác cho thấy AI có thể kết nối nghiên cứu vật lý với y sinh và công nghệ chẩn đoán.
Các nhà nghiên cứu tại Trung tâm Đổi mới sáng tạo và Công nghệ Vật liệu, Trường Đại học VinUni đang tìm hiểu khả năng kết hợp vật lý nano, hạt nano vàng và học máy để phát hiện cũng như định lượng virus viêm gan B (HBV).
Trong hệ thống này, hạt nano vàng được sử dụng cùng các hiện tượng quang học ở cấp độ nano. Khi xảy ra phản ứng trong hệ thống, màu sắc của dung dịch chứa các hạt nano có thể thay đổi. Sự thay đổi này mang thông tin liên quan đến tình trạng của mẫu xét nghiệm.
Thay vì chỉ dựa vào mắt người để nhận biết sự khác biệt về màu sắc, nhóm nghiên cứu sử dụng AI để phân tích hình ảnh. Hệ thống có thể chuyển những tín hiệu màu sắc thu được từ hình ảnh thành dữ liệu định lượng về lượng virus trong mẫu.
Bộ dữ liệu được sử dụng trong nghiên cứu gồm 990 hình ảnh, tương ứng với những mẫu có nồng độ virus nằm trong khoảng từ 0 đến 10^8 bản sao trên mỗi phản ứng.
Dữ liệu được chia thành ba nhóm. Trong đó, 810 dữ liệu được sử dụng để huấn luyện mô hình, 162 dữ liệu phục vụ quá trình kiểm chứng và 18 dữ liệu dành cho kiểm tra. Nhóm nghiên cứu đồng thời đánh giá ba mô hình học máy và ba mô hình học sâu nhằm tìm ra phương pháp phù hợp nhất với bài toán.
Mục tiêu xa hơn là đưa hệ thống xử lý này vào điện thoại thông minh. Về nguyên lý, người dùng có thể thực hiện một xét nghiệm nhanh, sử dụng điện thoại để chụp hình mẫu và để thuật toán tự động phân tích hình ảnh, sau đó đưa ra kết quả định lượng.
Nếu được phát triển thành công, hướng tiếp cận này có thể mở ra khả năng xây dựng những giải pháp chẩn đoán tại chỗ với thiết bị gọn nhẹ hơn, thay vì phụ thuộc hoàn toàn vào các hệ thống xét nghiệm chuyên dụng.
Bài toán không chỉ nằm ở thuật toán AI
Để biến ý tưởng nghiên cứu thành một giải pháp có thể sử dụng trong thực tế, các nhà khoa học còn phải giải quyết nhiều vấn đề khác.
Một trong những yêu cầu quan trọng là hệ thống phải có độ chọn lọc và độ đặc hiệu phù hợp. Bên cạnh đó, phương pháp cũng cần được đánh giá khả năng mở rộng để phát hiện những tác nhân gây bệnh khác, thay vì chỉ áp dụng cho một loại virus.
Một khó khăn đáng chú ý xuất phát từ chính thiết bị ghi hình. Camera trên các dòng điện thoại khác nhau có thể tạo ra dữ liệu màu sắc không giống nhau. Điều kiện ánh sáng, môi trường chụp và nhiều yếu tố bên ngoài cũng có thể làm thay đổi hình ảnh thu được.
Nếu thuật toán được huấn luyện chủ yếu bằng hình ảnh từ một loại camera hoặc trong một điều kiện ánh sáng nhất định, hiệu quả có thể giảm khi chuyển sang thiết bị hoặc môi trường khác.
Vì vậy, nhóm nghiên cứu đang hướng đến việc xây dựng cơ sở dữ liệu và thuật toán có khả năng giảm sự phụ thuộc vào thiết bị ghi hình. Mục tiêu là giúp hệ thống hoạt động ổn định hơn trong những điều kiện thực tế đa dạng.
AI không thể đứng riêng ngoài quy trình khoa học
Những nghiên cứu được trình bày cho thấy việc đưa AI vào khoa học không đơn giản là thu thập dữ liệu rồi đưa vào một mô hình để huấn luyện.
Chất lượng dữ liệu, mức độ nhiễu, số lượng biến đầu vào và đặc điểm của từng hệ vật liệu đều có thể ảnh hưởng đến kết quả. Trong các nghiên cứu liên quan đến vật liệu nano và chẩn đoán sinh học, những yếu tố như pH, đặc tính của vật liệu hay điều kiện ghi hình cũng có thể tạo ra khác biệt đáng kể.
Do đó, AI cần được đặt trong một quy trình nghiên cứu liên ngành, kết hợp giữa kiến thức chuyên môn, dữ liệu, thuật toán, mô phỏng và thực nghiệm.
Trong quá trình nghiên cứu vật liệu, việc sử dụng AI cũng được cho là giúp nâng cao hiệu suất làm việc của nhóm nghiên cứu. Có trường hợp nhóm nghiên cứu cho biết đã công bố khoảng 10 bài báo trong thời gian từ một đến hai năm với sự hỗ trợ của các công cụ AI.
Điểm đáng chú ý là AI không hoạt động như một công cụ độc lập có thể tự mình giải quyết toàn bộ bài toán. Giá trị của công nghệ phụ thuộc vào việc nó được gắn với một câu hỏi khoa học rõ ràng, nguồn dữ liệu đủ chất lượng và một quy trình kiểm chứng nghiêm túc.
Từ việc tìm kiếm vật liệu mới cho đến phát triển phương pháp xét nghiệm virus trên điện thoại, AI đang mở rộng đáng kể khả năng của các nhà khoa học. Công nghệ này không chỉ giúp xử lý dữ liệu nhanh hơn mà còn có thể thay đổi cách đặt vấn đề, thiết kế thí nghiệm, tìm kiếm cấu trúc vật liệu và phát triển các giải pháp ứng dụng.
Trong tương lai, khi dữ liệu khoa học và năng lực tính toán tiếp tục tăng, sự kết hợp giữa AI với vật lý, vật liệu học và y sinh có thể tạo ra thêm nhiều phương pháp nghiên cứu cũng như công nghệ mới. Tuy nhiên, vai trò trung tâm của con người trong việc đặt câu hỏi, đánh giá bằng chứng và kiểm chứng kết quả vẫn là yếu tố không thể thiếu.