Trí tuệ nhân tạo (AI) hiện đã được nghiên cứu, ứng dụng rộng rãi trong nhiều lĩnh vực như y tế, tài chính, giáo dục, vận tải, dịch vụ,… Theo xu thế phát triển chung của thế giới, khoa học vật liệu sẽ là một lĩnh vực trọng tâm trong tương lai, cần sự đóng góp tích cực của AI trong việc cải tiến các hệ thống thông tin, tạo ra các loại vật liệu thân thiện với môi trường và giải quyết vấn đề biến đổi khí hậu.
Theo đánh giá của Tổ chức Hợp tác và Phát triển Kinh tế (OECD) trong ấn phẩm Artificial Intelligence in Science - Challenges, Opportunities and the Future of Research xuất bản vào đầu năm 2023, công nghệ AI đang mở ra một cuộc cách mạng trong khoa học vật liệu. Với sự kết hợp của AI điện toán hiệu năng cao và công nghệ robotics, việc khám phá các loại vật liệu mới từ các thí nghiệm trên bộ dữ liệu lớn sẽ nhanh chóng và hiệu quả hơn. Vật liệu mới được tạo với những đặc tính theo mong muốn của người dùng và ngày càng cải thiện chất lượng, hiệu năng, thân thiện hơn với môi trường: pin tốt hơn, pin mặt trời hiệu quả hơn, hợp kim kim loại nhẹ cho các phương tiện tiết kiệm nhiên liệu hơn, vật liệu xây dựng bền vững hơn,… Các phương pháp phân tích dựa trên công nghệ AI không chỉ cho phép giảm thời gian phân tích theo cấp số nhân, mà còn hạn chế sự thiên vị trong quá trình ra quyết định, thúc đẩy quá trình khám phá và tối ưu hóa vật liệu cho tương lai.
Xu hướng nghiên cứu công nghệ AI trong lĩnh vực vật liệu
Vật liệu là yếu tố xương sống để phát triển các hệ thống công nghệ hiện đại. Đây là một trong những nhân tố thúc đẩy các nhà khoa học nghiên cứu, ứng dụng công nghệ AI trong lĩnh vực khoa học và kỹ thuật vật liệu. Các mô hình máy học (Machine Learning - ML), một nhánh của công nghệ AI, đang là công cụ được khai thác, sử dụng nhiều trong các nghiên cứu vật liệu. Cùng với sự ra đời của Sáng kiến bộ gen vật liệu (Materials Genome Initiative - MGI), bộ dữ liệu khổng lồ về vật liệu được Hội đồng Khoa học và Công nghệ Quốc gia Hoa Kỳ thu thập và chia sẻ từ năm 2011, đã tạo điều kiện thuận lợi cho quá trình thiết kế và khám phá vật liệu mới nhanh hơn. Một số ví dụ về khám phá vật liệu mới sử dụng ML kết hợp với MGI như: khám phá vật liệu cho nhiệt điện, kim loại vô định hình, chất xúc tác quang, dự đoán khả năng nhuộm màu của tế bào thuốc nhuộm và phát hiện các khiếm khuyết chức năng,…
Trong bài báo nghiên cứu Application of artificial intelligence in the materials science, with a special focus on fuel cells and electrolyzers đăng trên Tạp chí Energy and AI năm 2024, một phân tích tổng hợp đã được thực hiện trên 35.000 ấn phẩm khoa học, sử dụng mô hình AI trong lĩnh vực vật liệu trên cơ sở dữ liệu (CSDL) Scopus trong vòng 20 năm (từ 2004-2024). Kết quả cho thấy, số công bố nghiên cứu công nghệ AI trong lĩnh vực vật liệu có xu hướng tăng dần từ năm 2013 và bắt đầu tăng vọt trong khoảng 6 năm gần đây.
Thống kê ấn phẩm khoa học liên quan đến việc sử dụng công nghệ AI trong lĩnh vực vật liệu trên CSDL Scopus trong giai đoạn 2004-2024 (Nguồn: Application of artificial intelligence in the materials science, with a special focus on fuel cells and electrolyzers (Batool M., Sanumi O., Jankovic J., 2024))
Công nghệ AI đã tạo điều kiện giúp các nhà khoa học trích xuất kiến thức từ khối lượng kết quả thử nghiệm khổng lồ và ngày càng phức tạp. Từ đó, cho phép dự đoán, mô phỏng các đặc tính của vật liệu tiềm năng, dễ dàng loại bỏ các phương pháp tiếp cận ngõ cụt và xác định được những hướng nghiên cứu hiệu quả. Một số ứng dụng phổ biến của công nghệ AI trong lĩnh vực vật liệu đã được nghiên cứu trên thế giới, có thể kể đến như: Dự đoán vật liệu; Nhận dạng vật liệu; Giám sát quá trình sản xuất các bộ phận hiệu suất cao; Kiểm soát chất lượng vật liệu (xác định khuyết tật trong sản phẩm); Đánh giá hiệu suất vật liệu (chẳng hạn như đánh giá hiệu suất pin); Phân tích đặc tính vật liệu; Đánh giá tác động suy thoái của vật liệu (đặc biệt quan trọng đối với các nghiên cứu vật liệu cho năng lượng sạch như pin nhiên liệu, pin mặt trời); Tối ưu hóa thiết kế vật liệu; Lựa chọn thử nghiệm nhằm tối ưu hóa vật liệu.
Ngoài các ứng dụng kể trên, mô hình AI còn được dùng để tìm ra những lỗ hổng về công nghệ qua phân tích dữ liệu văn bản từ các ấn phẩm khoa học đã được công bố. Ví dụ như nghiên cứu của Tshitoyan và cộng sự (đăng trên Tạp chí Nature) đã tìm kiếm 3 triệu tài liệu khoa học về vật liệu làm cực âm của pin LiCoO2 và LiMn2O4, sau đó sử dụng mạng thần kinh nhân tạo (Artificial Neural Networks - ANN) để dự đoán những từ sẽ xuất hiện cùng nhau. Thuật toán do AI điều khiển này đã được chứng minh có thể sử dụng để xác định những lỗ hổng về công nghệ và dự đoán hướng đi trong tương lai cho nghiên cứu vật liệu, bằng cách khai thác những kiến thức tiềm ẩn từ tài liệu khoa học.
Sử dụng mô hình AI nhằm xác định những lỗ hổng trong nghiên cứu vật liệu (Nguồn: Unsupervised word embeddings capture latent knowledge from materials science literature (Tshitoyan et al., 2019))
Phát triển vật liệu với các đặc tính cần thiết là một quá trình quan trọng để phát triển công nghệ. Tuy nhiên, để đạt được tiến bộ trong lĩnh vực vật liệu, cần có sự đóng góp của các nhà khoa học từ nhiều ngành, lĩnh vực như khoa học máy tính, robotics, điện tử, khoa học vật lý,… nhằm tăng cường khả năng tiếp cận với phần mềm và điện toán hiệu năng cao. Sự kết hợp giữa các tổ chức nghiên cứu và doanh nghiệp công nghệ có thể mang đến những kết quả tích cực. Ví dụ, ngày 9/1/2024, Microsoft và Phòng nghiên cứu quốc gia Tây Thái Bình Dương (Hoa Kỳ) đã thành công trong việc sử dụng công nghệ AI để tìm ra được loại vật liệu mới, không tồn tại ngoài tự nhiên, giúp giảm 70% lượng lithium trong pin, mang lại lợi ích kinh tế và bảo vệ môi trường.
Một số nghiên cứu, ứng dụng mô hình AI trong lĩnh vực vật liệu tại Việt Nam
Tại Việt Nam, trong lĩnh vực vật liệu, công nghệ AI hiện chủ yếu được sử dụng để đánh giá chất lượng vật liệu hay công trình xây dựng. Một số nghiên cứu theo các hướng này đã được công bố trong thời gian gần đây, có thể kể đến, như:
- Đề tài KH&CN “Phương pháp kiểm tra không phá hủy khuyết tật trong kết cấu nhiều lớp dựa trên trí tuệ nhân tạo” do Trường Đại học Phenikaa chủ trì, được Bộ Khoa học và Công nghệ nghiệm thu năm 2023. Mục tiêu dài hạn của nghiên cứu nhằm phát triển một hệ thống kiểm tra không phá hủy (NDE) thông minh cho việc đánh giá khuyết tật trong kết cấu nhiều lớp, ứng dụng hiệu quả trong đảm bảo an toàn ngành hàng không. Nghiên cứu đã ứng dụng các mô hình máy học như Principal Component Analysis (PCA), Support Vector Machine (SVM), Deep Convolutional Neural Networks (DCNN) trong hệ thống điện từ trường (Electromagnetic Testing - ET) nhằm phát hiện chính xác các vết ăn mòn ẩn bên trong và nằm xung quanh đinh tán với kích thước nhỏ trên tấm nhôm 2 lớp. Bên cạnh đó, các thuật toán Short-time Fourier Transform (STFT), PCA, SVM cũng được ứng dụng trong hệ thống siêu âm (Ultrasonic Testing - UT) để phát hiện một cách hiệu quả các vết ăn mòn trong đinh tán của vật liệu đa lớp. Kết quả nghiên cứu cho thấy, thuật toán PCA đã giúp tự động hóa trích xuất đặc trưng của dữ liệu một cách hiệu quả, loại bỏ những tín hiệu không cần thiết và giữ lại các tín hiệu quan trọng của vết ăn mòn; còn mô hình SVM giúp phát hiện các hiện các vết ăn mòn một cách chính xác hơn (trên 95%) và phát hiện các vết ăn mòn nhỏ tốt hơn các phương pháp khác.
Kết quả tái tạo hình ảnh ăn mòn của đinh tán theo hướng quét bằng phương pháp PCA, được sử dụng để xác định các điều kiện ăn mòn (Nguồn: Electromagnetic Testing of Corrosion at Rivet Sites via Principal Component Analysis (Le, M., Luong, V.S., Nguyen, K.D. et al., 2021))
Ngoài nghiên cứu đánh giá khuyết tật trong đinh tán của vật liệu đa lớp, nhóm nghiên cứu còn áp dụng mô hình DCNN trong phát hiện hỏng hóc trên tấm pin mặt trời trong cánh đồng năng lượng mặt trời sử dụng cảm biến hồng ngoại. Mô hình CNN do nhóm phát triển có thể phát hiện được 11 loại hỏng hóc khác nhau, với độ chính xác trung bình khoảng 84%.
- Bài báo khoa học “Chẩn đoán kết cấu bê tông cốt thép bị ăn mòn dựa trên mô hình lai ghép trí tuệ nhân tạo” được thực hiện bởi nhóm nghiên cứu của Viện Quy hoạch Xây dựng miền Nam và Trường Đại học Bách khoa (Đại học Quốc gia TP.HCM), công bố trên Tạp chí Xây dựng số 7/2022. Nghiên cứu thực hiện với 120 dữ liệu được thu thập từ các tòa nhà tại TP.HCM và áp dụng để phát triển các mô hình dự báo khả năng chịu lực của dầm bê tông cốt thép bị ăn mòn. Nhóm nghiên cứu sử dụng mô hình lai ghép LS-SVM-SOS, kết hợp phương pháp máy vector hỗ trợ bình phương nhỏ nhất LS-SVM và thuật toán cộng sinh tìm kiếm (SOS) để dự đoán và so sánh với 3 mô hình máy học khác (ANN, SVM và Hồi quy – LR). Kết quả thử nghiệm và so sánh đã chứng minh rằng mô hình lai ghép LS-SVM-SOS thể hiện hiệu suất tốt nhất để ước tính cường độ của dầm bê tông cốt thép bị ăn mòn so với các mô hình đơn lẻ. Những thực tế này chứng minh tiềm năng mạnh mẽ của các mô hình lai ghép như một công cụ hữu ích cho các nhà quản lý xây dựng trong việc bảo trì công trình.
Đẩy mạnh phổ biến kiến thức về công nghệ AI trong lĩnh vực vật liệu
Các nghiên cứu, ứng dụng công nghệ AI trong lĩnh vực vật liệu công bố tại Việt Nam còn khá khiêm tốn, một số đề tài hay bài báo khoa học cũng chủ yếu đề cập đến đánh giá vật liệu, chưa ghi nhận nghiên cứu phát triển vật liệu mới. Ứng dụng công nghệ AI trong lĩnh vực vật liệu là một ngành khoa học còn mới ở Việt Nam, do đó để thúc đẩy phát triển, nhiều hội thảo chuyên ngành đã được tổ chức nhằm phổ biến thông tin, kiến thức rộng rãi đến các nhà khoa học và những tổ chức, cá nhân liên quan lĩnh vực vật liệu:
- Hội thảo quốc tế “Tin học vật liệu: Tăng tốc nghiên cứu và thiết kế vật liệu mới với trí tuệ nhân tạo” do Hội Khoa học Gặp gỡ Việt Nam, Trung tâm Quốc tế Khoa học và Giáo dục liên ngành và Trường Đại học VinUni tổ chức từ ngày 23-26/8/2024, tại Trung tâm Quốc tế Khoa học và Giáo dục liên ngành (TP. Quy Nhơn, Tỉnh Bình Định). Mục tiêu của hội thảo là giới thiệu và đẩy mạnh ngành tin học vật liệu tại Việt Nam, đây là ngành khoa học mới phát triển trên thế giới từ năm 2010 nhằm ứng dụng các mô hình AI cho các vấn đề đặc thù của ngành khoa học vật liệu. Các báo cáo tại hội thảo tập trung vào 4 nhóm chủ đề quan trọng: các vấn đề cơ bản của tin học vật liệu; các yếu tố hạ tầng cơ bản của tin học vật liệu; tăng tốc phương pháp nghiên cứu của khoa học vật liệu; đẩy nhanh quá trình đánh giá phẩm chất, hướng tới thiết kế ngược vật liệu theo nhu cầu cụ thể.
- Hội thảo phổ biến kiến thức bài giảng đại chúng “Trí tuệ nhân tạo, Vật lý - Ứng dụng” do Hội Vật lý Việt Nam, Viện Vật lý và Trung tâm Thông tin - Tư liệu (Viện Hàn lâm KH&CN Việt Nam) phối hợp tổ chức vào ngày 20/9/2024 tại Viện Vật lý. Hội thảo đã giới thiệu tiềm năng ứng dụng của công nghệ AI trong vật lý, cụ thể là giúp các nhà vật lý phân tích và xử lý dữ liệu thí nghiệm thiết kế vật liệu mới và dự đoán tính chất vật liệu thông qua các thuật toán học máy. Bên cạnh đó, các nhà khoa học cũng chỉ ra vài trò của ngành vật lý đóng góp vào sự phát triển của AI, nhất là cải thiện vật liệu phần cứng để tăng hiệu suất tính toán và tối ưu mức tiêu thụ năng lượng. Do đó, các nhà khoa học đã đưa ra đề xuất tích hợp công nghệ AI trong giảng dạy vật lý để tạo ra một thế hệ nhà khoa học liên ngành, sẵn sàng đối mặt với những thách thức trong tương lai.
***
Có thể thấy, triển vọng của công nghệ AI trong lĩnh vực vật liệu liên quan đến việc phát triển các vật liệu và kỹ thuật để triển khai các máy móc thiết bị chạy AI, và sử dụng công nghệ AI để khám phá các loại vật liệu mới cho các ứng dụng khác trong thực tế. Mặc dù đây là ngành khoa học còn non trẻ ở Việt Nam, nhưng với định hướng của Chính phủ trong việc thúc đẩy ứng dụng công nghệ AI trong các lĩnh vực, cùng với những thông tin được phổ biến rộng rãi qua các hội thảo khoa học và việc đưa AI vào đào tạo ngày càng nhiều ở các trường đại học, có thể kỳ vọng lĩnh vực vật liệu sẽ có những kết quả ứng dụng mới và đột phá, phù hợp với xu hướng sử dụng vật liệu xanh, thân thiện với môi trường trong thời đại ngày nay.
Duy Sang
--------------------------------------------------------------------------------
Tài liệu tham khảo chính
[1] Batool M., Sanumi O., Jankovic J. Application of artificial intelligence in the materials science, with a special focus on fuel cells and electrolyzers. Energy and AI
[2] Boris Dyatkin. Private and public efforts infuse artificial intelligence into materials research. MRS Bulletin, 524-528.
[3] Hoàng Giang. AI tìm ra vật liệu pin mới. https://vnexpress.net/ai-tim-ra-vat-lieu-pin-moi-4699744.html
[4] Lâm Thiên. Các nhà khoa học bàn về vật liệu mới với trí tuệ nhân tạo. https://tuoitre.vn/cac-nha-khoa-hoc-ban-ve-vat-lieu-moi-voi-tri-tue-nhan-tao-20240823154447027.htm
[5] Mỹ Hạnh. AI và vật lý: “Nới rộng” các ranh giới. https://khoahocphattrien.vn/khoa-hoc/ai-va-vat-ly-noi-rong-cac-ranh-gioi/20241003085031657p1c160.htm
[6] NAFOSTED. Báo cáo tổng hợp kết quả thực hiện đề tài "Phương pháp kiểm tra không phá hủy khuyết tật trong kết cấu nhiều lớp dựa trên trí tuệ nhân tạo".
[7] Nguyễn Đăng Trình, Phạm Đức Thắng, Nguyễn Thanh Hải. Chẩn đoán kết cấu bê tông cốt thép bị ăn mòn dựa trên mô hình lai ghép trí tuệ nhân tạo. Tạp chí Xây dựng, 68-71.
[8] OECD. Artificial Intelligence in Science-Challenges, Opportunities and the Future of Research.