Trí Tuệ Nhân Tạo Mở Rộng Biên Giới Khám Phá Khoa Học

Trí tuệ nhân tạo (AI) đang nhanh chóng thay đổi cách các nhà khoa học tiếp cận những vấn đề phức tạp. Trong những lĩnh vực như hóa học vật liệu, nơi khám phá khoa học lâu nay phụ thuộc vào trực giác và phương pháp thử – sai, AI giờ đây cho phép con người khám phá có hệ thống ở quy mô chưa từng có.

Khám phá bằng thuật toán: Từ phỏng đoán đến trí tuệ dẫn dắt

Một ví dụ tiêu biểu là dự án Algorithmic Iterative Reticular Synthesis (AIRES – tạm dịch: Tổng hợp vật liệu bằng thuật toán), sự hợp tác giữa VinUni, các đối tác quốc tế và Giáo sư Omar M. Yaghi, người đoạt Giải Nobel Hóa học năm 2025 cho những đóng góp nền tảng trong hóa học mạng tinh thể (reticular chemistry) và vật liệu khung cơ-kim (MOFs) (Nobel Prize Organization, 2025).

Giáo sư Yaghi cũng từng được vinh danh với Giải thưởng VinFuture 2021 ở hạng mục “Giải đặc biệt VinFuture dành cho nhà khoa học nghiên cứu các lĩnh vực mới”, ghi nhận sự tiên phong về khám phá và phát triển khung cơ-kim (MOF) và vật liệu khung hữu cơ cộng hóa trị (COF), những vật liệu có tiềm năng cải thiện cuộc sống của hàng triệu người.

GS. Omar Yaghi được vinh danh với Giải thưởng VinFuture 2021 ở hạng mục “Giải đặc biệt VinFuture dành cho nhà khoa học nghiên cứu các lĩnh vực mới”. Ảnh: VinFuture, 2021

Ý tưởng AIRES được bắt nguồn từ những cuộc thảo luận giữa các nhà khoa học VinUni và GS. Yaghi, cùng khám phá cách trí tuệ nhân tạo có thể tăng tốc thiết kế và tổng hợp các vật liệu xốp mới phục vụ các ứng dụng bền vững. Cốt lõi của AIRES là định nghĩa lại cách con người khám phá vật liệu mới: nhanh hơn, thông minh hơn và bền vững hơn.

Đang được công bố trên Nature Synthesis (Rong et al., 2025), dự án AIRES tích hợp học máy (machine learning) với thí nghiệm tự động tốc độ cao để tổng hợp khung zeolit imidazolate (ZIFs), vật liệu xốp có ứng dụng trong thu hồi carbon và khai thác nước từ không khí.

Nếu các phương pháp truyền thống dựa vào trực giác chỉ đạt tỉ lệ thành công khoảng 25%, thì AIRES đã thay đổi hoàn toàn quy luật ấy: sử dụng các mô hình xác suất như Random Forest và Gaussian Process, nhóm nghiên cứu dự đoán chính xác khả năng kết tinh trong những hệ hóa học phức tạp.

Chỉ trong 700 thí nghiệm, nhóm đã phát hiện 11 cấu trúc ZIF mới từ 48 linker mới (“cầu nối hữu cơ” kết hợp các “điểm nút kim loại” để tạo nên bộ khung của MOF), nâng gấp đôi hiệu suất so với phương pháp truyền thống và mở rộng thư viện Zn–ZIF thêm một phần ba.

Đây không chỉ là tối ưu hóa. Đây là một logic khám phá mới, nơi thuật toán kết hợp với trực giác con người để cùng giải quyết những thách thức mang tầm biến đổi khí hậu.

Trong khuôn khổ hợp tác với các nhà khoa học từ Đại học Monash và UC Berkeley, nhóm nghiên cứu của VinUni đã thành công ứng dụng AI trong khám phá vật liệu và độc lập phát hiện một quy trình tổng hợp mới cho vật liệu MOFs, sử dụng các điều kiện và tham số môi trường. Quy trình này được cải thiện nhờ tự động hóa thí nghiệm bằng robot, giúp xác thực các đề xuất với tốc độ và độ chính xác cao hơn (Vu et al., 2025).

Trong nghiên cứu này, các nhà khoa học VinUni đã phát triển các thuật toán học máy (machine learning) đặc biệt hiệu quả trong các lĩnh vực thiếu dữ liệu như khoa học vật liệu, nơi dữ liệu thực nghiệm thường hạn chế và tốn kém để thu thập.

Công trình là minh chứng việc hợp tác toàn cầu có thể trao quyền cho các nhóm nghiên cứu mới nổi để đóng góp cho khoa học tiên phong, đồng thời cho thấy hệ sinh thái nghiên cứu ngày càng phát triển của Việt Nam đã sẵn sàng tham gia vào sân chơi khoa học quốc tế.

Mô hình dự đoán: Khi AI học từ nguyên tử

Tiếp nối những thành tựu trong tổng hợp vật liệu bằng AI, các nhà nghiên cứu tại VinUni đang mở rộng hướng này sang mô hình hóa dự đoán (predictive modeling). Trong đó, mạng nơ-ron sâu (deep neural networks) học trực tiếp từ tương tác với nguyên tử để khám phá những mẫu hình phân tử vượt ngoài khả năng nhận biết của con người.

Năm 2024, Trung tâm Trí tuệ Môi trường (CEI) của VinUni, hợp tác cùng Giáo sư Konstantin S. Novoselov, Chủ nhân Nobel Vật lý 2010 (Nobel Prize Organization, 2010), đã công bố mô hình học máy có khả năng dự đoán năng lượng và tính chất điện tử của MOF dựa trên môi trường nguyên tử (Nguyen et al., 2024).

GS. Konstantin S. Novoselov, Chủ nhân Nobel Vật lý 2010, Hội đồng Cố vấn Trung tâm Trí tuệ Môi trường VinUni. Ảnh: VinFuture, 2021.

Khác với Lý thuyết phiếm hàm mật độ (DFT), vốn tốn rất nhiều thời gian và tài nguyên tính toán, phương pháp học sâu (deep learning) này có thể dự đoán gần như chính xác các năng lượng toàn phần và khoảng cấm năng lượng (band gap) của vật liệu, nhưng nhanh hơn hàng nghìn lần. Nhờ vậy, các nhà nghiên cứu có thể sàng lọc hàng nghìn vật liệu MOF tiềm năng để ứng dụng trong lưu trữ năng lượng, xúc tác, và bảo vệ môi trường, rút ngắn thời gian tính toán từ hàng tháng xuống chỉ còn vài phút.

Không chỉ tăng tốc khám phá, mô hình còn cho thấy đặc trưng nguyên tử có thể học được có thể chuyển giao giữa các loại vật liệu khác nhau, giúp AI tổng quát hóa từ hệ đã biết sang hệ chưa biết. Theo Giáo sư Novoselov, hướng nghiên cứu này kết nối hai thế giới, vật liệu 2D như graphene và 3D như MOF, mở đường cho các hệ lai mới có thể định hình lại khoa học vật liệu bền vững (Neto & Novoselov, 2011).

AI khám phá tính chất MOF: mạng nơ-ron dự đoán năng lượng và độ rộng dải năng lượng từ tương tác nguyên tử.

Tái định hình bản đồ khám phá khoa học

Việc những công trình này được thực hiện tại Việt Nam mang ý nghĩa bước ngoặt. Lịch sử cho thấy, trung tâm sáng tạo khoa học thường tập trung tại vài cường quốc. Nhưng việc một đại học Việt Nam thúc đẩy những đột phá trong khám phá vật liệu và hóa học bằng AI đã tái định hình bản đồ ấy, cho thấy rằng khoa học đỉnh cao không phụ thuộc vào vị trí địa lý, mà nằm ở tầm nhìn, và khát vọng trí tuệ.

Những nỗ lực của VinUni truyền cảm hứng cho một xu hướng bình đẳng trong khám phá khoa học: một trường đại học tại nền kinh tế mới nổi cũng có thể góp phần ở tuyến đầu, thay vì chỉ đứng ngoài lề. Điều này còn thay đổi cách chúng ta nhìn nhận khoa học: không còn là xem nó diễn ra ở đâu, mà là nhìn vào những ai đang tạo ra những bước tiến quan trọng.

Tác động của điều này đối với hệ sinh thái khoa học Việt Nam rất rõ: nâng tầm chất lượng nghiên cứu, truyền cảm hứng cho sinh viên, nuôi dưỡng tài năng trong nước, và quan trọng nhất, gieo niềm tin rằng những khám phá đẳng cấp thế giới hoàn toàn nằm trong tầm tay.

Từ Khám Phá AI đến Trao Quyền Bằng AI

Những cột mốc này không chỉ phản ánh thành tựu công nghệ; chúng còn thể hiện khát vọng của VinUni: biến khoa học do AI dẫn dắt thành một sức mạnh mở rộng cơ hội và thúc đẩy phát triển bền vững.

Thông qua các chương trình như CEI ENVISION 2025, VinUni đang phát triển hạ tầng tính toán, nền tảng dữ liệu mở và định hướng mentorship trong các lĩnh vực mới nổi, bao gồm AI cho vật liệu, trí tuệ môi trường và đổi mới y sinh. Tầm nhìn rộng lớn hơn là nuôi dưỡng văn hóa khám phá, góp phần nâng tầm giáo dục đại học Việt Nam và cộng đồng nghiên cứu toàn cầu.

Nhờ kết hợp tài năng trong nước với hợp tác quốc tế, VinUni không chỉ nâng chuẩn nghiên cứu mà còn truyền cảm hứng cho sinh viên và trao quyền cho các nhà khoa học đóng góp vào tri thức toàn cầu, tạo ra những tác động lan tỏa rộng khắp.

Hướng tới tương lai, VinUni đặt mục tiêu mở rộng hợp tác quốc tế trong nghiên cứu bền vững dựa trên AI, đưa một đại học Việt Nam trở thành cầu nối và chất xúc tác trong hệ sinh thái tri thức toàn cầu.

Robot tự động Opentron OT-2, một phần trong nghiên cứu vật liệu dựa trên AI của VinUni.

Tương Lai của Khám Phá Khoa Học

Các hợp tác học thuật giữa VinUni và các nhà khoa học như Omar M. Yaghi và Konstantin S. Novoselov cho thấy một nguyên tắc then chốt: các hệ thống kết hợp trí tuệ con người và AI không chỉ tăng cường sáng tạo, mà còn mở rộng ranh giới khám phá khoa học, thay vì thay thế vai trò của con người.

Dù trong tổng hợp vật liệu bằng thuật toán hay dự đoán ở quy mô nguyên tử, AI biến tốc độ thành cơ hội, và mọi nhà khoa học đều có thể trở thành người định hình tương lai của khám phá.

Với các đại học trẻ như VinUni, AI vừa mang lại cơ hội, vừa đặt ra trách nhiệm: không chỉ là công cụ, AI còn là phương tiện hợp tác bình đẳng, trao quyền cho các nhà khoa học trên khắp thế giới đóng góp vào tiến bộ tri thức toàn cầu.

Trong hành trình chung này, trí tuệ nhân loại và trí tuệ nhân tạo hội tụ để xây dựng một thế giới bền vững. Khi khám phá được mở rộng và chia sẻ, cả thế giới trở thành một phòng thí nghiệm lớn, và mỗi câu hỏi sẽ đưa chúng ta đến gần hơn với chân trời tri thức chung.

Trường Đại học VinUni

Tham khảo

• Lyu, H., Ji, Z., Wuttke, S., & Yaghi, O. M. (2020). Digital reticular chemistry. Chem, 6(9), 2219-2241.
• Nguyen, V. Q., Le, P. A., Nguyen, P. L., Pham, T. L., Phung, T. V. B., Novoselov, K. S., & El Ghaoui, L. (2024). Learnable features for predicting properties of metal-organic frameworks with deep neural networks. Cell Reports Physical Science, 5(8).
• Rong, Z., Chen, Z., Luong, F., Chheda, S., Luong, H. T. N., Zheng, Z., Greco, K., Alghamdi, A. A., Bui, K. H., Jaffrelot Inizan, T., Nguyen-Dang, T., Pham, H. H., Le, D. D., Sauer, J., Phung, V. B. T., Chayes, J. T., Borgs, C., Boley, M., El Ghaoui, L., & Yaghi, O. M. (2025). Algorithmic iterative reticular synthesis of zeolitic imidazolate framework crystals. Nature Synthesis (Accepted).
• Nobel Prize Organization. (2010). The Nobel Prize in Physics 2010 – Konstantin Novoselov and Andre Geim. Retrieved from https://www.nobelprize.org
• Nobel Prize Organization. (2025). The Nobel Prize in Chemistry 2025 – Susumu Kitagawa, Richard Robson and Omar M. Yaghi. Retrieved from https://www.nobelprize.org
• Neto, A. H., & Novoselov, K. J. M. E. (2011). Two-dimensional crystals: beyond graphene. Materials Express, 1(1), 10-17.
• VinFuture Foundation. (2021). VinFuture Prize: Materials & Sustainability Award – Omar M. Yaghi. Retrieved from https://vinfutureprize.org
• Vu, V. H., Bui, K. H., Dang, K. D., Duong-Tuan, M., Le, D. D., & Nguyen-Dang, T. (2025). Finding environmental-friendly chemical synthesis with AI and high-throughput robotics.